Reducing the cost of ancilla purification for Majorana quantum computation

I computer quantistici promettono di risolvere problemi che sono attualmente impossibili per le macchine classiche, ma sono notoriamente fragili. L'informazione che conservano viene facilmente sconvolta dalla minima perturbazione dell'ambiente. Per costruire una macchina utile, gli scienziati devono proteggere questa informazione, spesso codificandola in particelle esotiche chiamate modi zero di Majorana. Queste particelle hanno una proprietà unica: il loro stato quantistico è conservato nella loro disposizione collettiva piuttosto che in un singolo punto, il che le rende naturalmente resistenti al rumore locale. Tuttavia, non basta semplicemente spostare queste particelle l'una intorno all'altra per eseguire ogni calcolo di cui un computer potrebbe aver bisogno. Per colmare la lacuna, i ricercatori devono introdurre speciali stati ausiliari, noti come ancilla, che fungono da carburante per operazioni complesse. La sfida risiede nel preparare questi stati ausiliari con estrema precisione; se sono troppo rumorosi, l'intero calcolo fallisce.

La difficoltà principale è che il processo utilizzato per pulire questi stati ausiliari rumorosi è esso stesso imperfetto. In un approccio standard, gli scienziati prendono due copie rumorose di uno stato ausiliario e le confrontano. Se il confronto mostra che concordano, una viene conservata e corretta; se dissentono, entrambe vengono scartate. Questo metodo funziona, ma ha un limite. Se il rumore iniziale è troppo elevato, il processo di pulizia non riesce a stare al passo e gli errori si accumulano invece di scomparire. Inoltre, anche quando il processo funziona, richiede un numero enorme di copie grezze e rumorose per produrne una singola pulita, rendendo il costo della costruzione di un computer quantistico proibitivamente alto. La domanda che la ricerca deve affrontare è se esista un modo per rendere questo processo di pulizia più efficiente, permettendo di partire da materiali più rumorosi e di utilizzare meno risorse per raggiungere la stessa alta qualità.

In uno studio recente, i ricercatori Piotr Ćwikliński, Michał Studziński e Łukasz Fojcik hanno proposto un nuovo metodo per raffinare questi stati ausiliari, riducendo significamente il costo ed espandendo la gamma di materiali di partenza utilizzabili. Si sono basati su una tecnica esistente sviluppata da Sergey Bravyi, che utilizza un processo di confronto in tre fasi per filtrare gli errori. Il team si è reso conto che aggiungendo un singolo quarto passaggio a questo processo, avrebbero potuto cambiare la matematica fondamentale di come gli errori vengono soppressi. Nel metodo originale a tre fasi, la probabilità che un output errato sfugga al filtro diminuiva con il quadrato del tasso di errore in ingresso. Aggiungendo il quarto livello, che confronta il risultato combinato dei passaggi precedenti con un controllo fresco, il team ha scoperto che la probabilità che un output errato sfugga scende con il cubo del tasso di errore. Questo cambiamento apparentemente piccolo significa che, man mano che l'input diventa leggermente più pulito, l'output diventa drasticamente più pulito, e il processo può tollerare materiali di partenza molto più rumorosi rispetto a prima.

I ricercatori hanno dimostrato che questa nuova struttura a quattro livelli abbassa la soglia per la purificazione di successo. Precedentemente, il materiale di partenza doveva essere accurato circa il 61,56 percento per essere pulito con successo. Con il nuovo metodo, questo requisito scende a circa il 60,47 percento. Sebbene questa differenza possa sembrare piccola, nel mondo della correzione degli errori quantistici, è un cambiamento enorme. Significa che una gamma molto più ampia di stati preparati in modo imperfetto può essere utilizzata come carburante per il computer. Ancora più importante, i ricercatori hanno dimostto che questo metodo riduce drasticamente il numero di copie grezze necessarie. In una configurazione standard, produrre un singolo stato ausiliario di alta qualità da una fonte con un'accuratezza del 59,97 percento richiederebbe circa 17,6 trilioni di copie grezze. Introducendo una variante intelligente in cui un blocco elaborato viene accoppiato con una copia fresca e non elaborata in una fase specifica, il team ha ridotto questo requisito a poco più di un milione di copie. Ciò rappresenta una riduzione del costo di oltre sette ordini di grandezza, trasformando una possibilità teorica in una sfida ingegneristica molto più pratica.

Per capire come ciò funzioni, immaginate il processo di purificazione come una serie di gate che filtrano le particelle difettose. Il metodo originale utilizzava tre gate in sequenza. Se una particella aveva due piccoli difetti, poteva sfuggire ai primi due gate ed essere accettata come buona, anche se era difettosa. Il nuovo metodo aggiunge un quarto gate che osserva l'intera storia del viaggio della particella. Se la particella aveva due difetti, questo gate finale rileva l'incoerenza e rifiuta la particella, a meno che quei due difetti non si cancellino perfettamente a vicenda per produrre la firma finale corretta. Una particella può superare tutti e quattro i gate con un risultato errato solo se ha tre o più difetti, il che è statisticamente molto meno probabile. Questo ulteriore livello di scrutinio assicura che gli errori vengano rimossi in modo molto più aggressivo. Il team ha anche esplorato un approccio ibrido in cui, invece di confrontare due blocchi elaborati, confrontavano un blocco elaborato con uno fresco e grezzo. Questa strategia si è rivelata altamente efficace nel potenziare la qualità dello stato precocemente nel processo, permettendo al sistema di superare la soglia critica necessaria affinché gli ultimi round di pulizia ad alta precisione funzionino.

Lo studio ha anche esaminato cosa accade quando gli strumenti di pulizia stessi sono imperfetti. In uno scenario del mondo reale, le misurazioni utilizzate per confrontare gli stati potrebbero commettere errori. I ricercatori hanno scoperto che, sebbene il nuovo metodo non elimini gli errori causati dalle misurazioni difettose, non li peggiora nemmeno. Il beneficio principale rimane la soppressione degli errori provenienti dai materiali iniziali rumorosi. Anche con strumenti imperfetti, il nuovo metodo permette la purificazione partendo da fonti più rumorose rispetto al vecchio metodo, a condizione che gli errori di misurazione siano mantenuti entro un certo limite. Il team ha calcolato che il nuovo approccio è significativamente più robusto contro questi errori di misurazione rispetto alle precedenti sequenze lunghe e bilanciate, rendendolo una via più percorribile per l'hardware futuro.

Questo lavoro non risolve ogni problema nella costruzione di un computer quantistico, né sostiene di aver trovato il metodo assolutamente migliore. I ricercatori hanno esplicitamente notato che i loro risultati si basano su modelli e simulazioni specifiche, e che i dispositivi del mondo reale affronteranno sfide aggiuntive come gli errori di archiviazione e layout fisici complessi. Tuttavia, i risultati forniscono un miglioramento chiaro e concreto rispetto allo standard attuale. Dimostrando che una semplice aggiunta alla sequenza di confronto può cambiare l'efficienza da quadratica a cubica, e dimostrando una strategia ibrida che taglia drasticamente il costo delle risorse, il team ha fornito una nuova tabella di marcia per la preparazione degli ingredienti essenziali di un computer quantistico basato su Majorana. Il percorso verso una macchina funzionante è ancora lungo, ma questo studio offre un modo per percorrerlo con molti meno passi e un carico molto più leggero.