Tensor-network simulation of strongly coupled multi-fluxonium circuits
Questo articolo introduce un metodo di simulazione tramite reti tensoriali utilizzando stati a prodotto di matrici e operatori per computare efficientemente lo spettro a bassa energia di circuiti superconduttori multi-fluxonium fortemente accoppiati, superando i limiti di memoria esponenziali della diagonalizzazione esatta scalando con il numero di modi e i parametri di troncamento piuttosto che con la dimensione completa dello spazio di Hilbert.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dall'autore. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Progettare un processore quantistico superconduttore è un po' come cercare di prevedere il comportamento di una macchina complessa prima ancora che venga costruita. La macchina è composta da minuscoli circuiti elettrici che trasportano elettricità senza resistenza, raffreddati a temperature vicine allo zero assoluto. Questi circuiti sono il cuore del processore e il loro comportamento è dettato da una descrizione matematica dei loro livelli energetici. Per capire cosa farà la macchina, gli scienziati devono calcolare gli stati di energia più bassi di questi circuiti. Tuttavia, man mano che vengono aggiunti più componenti al circuito, la complessità del calcolo esplode. Il numero di stati possibili cresce così rapidamente che nemmeno i computer più potenti possono gestire l'immagine completa quando il circuito diventa abbastanza grande da essere utile. Questo crea un collo di bottiglia: gli ingegneri non possono progettare macchine migliori perché non riescono a simulare accuratamente quelle che stanno cercando di costruire.
La sfida è particolarmente acuta quando i componenti del circuito sono fortemente collegati tra loro. In molti approcci tradizionali, gli scienziati cercano di scomporre un circuito complesso in pezzi più piccoli e gestibili, risolvono ogni pezzo separatamente e poi uniscono le risposte. Questo funziona bene quando i pezzi sono debolmente connessi, ma spesso fallisce quando le parti sono strettamente intrecciate, come nei circuiti avanzati che si stanno sviluppando oggi. Se i pezzi non sono separati correttamente, la risposta finale può essere errata, e non c'è un modo semplice per capire se l'errore sia avvenuto perché i pezzi sono stati scelti male o perché il calcolo non è stato abbastanza preciso.
Un team di ricercatori di Qilimanjaro Quantum Tech e diverse istituzioni di Barcellona ha sviluppato un nuovo modo per risolvere questo problema. Invece di tagliare il circuito in sottosistemi arbitrari, hanno trattato l'intero circuito come un sistema unico e unificato. Hanno utilizzato una tecnica matematica chiamata rete tensoriale (tensor network), progettata per gestire dati complessi e interconnessi senza dover memorizzare ogni singola possibilità in memoria. Concentrandosi sulle vibrazioni naturali, o modi, dell'intero circuito, sono riusciti a rappresentare il sistema in un modo che sia al contempo compatto e accurato. Questo approccio ha permesso loro di simulare un circuito con tre unità quantistiche, note come fluxonia, che era precedentemente impossibile da calcolare con i metodi standard.
I ricercatori hanno testato il loro metodo su due circuiti differenti. Il primo era una coppia di fluxonia collegate da un collegamento regolabile. Per questo sistema più piccolo, hanno potuto confrontare il loro nuovo metodo con un calcolo esatto tradizionale per vedere se fosse accurato. I risultati sono stati sorprendenti: il nuovo metodo corrispondeva al calcolo esatto entro un milionesimo di gigahertz, un livello di precisione più che sufficiente per progettare processori quantistici. Questa validazione ha dato loro la fiducia per passare al circuito più grande e difficile.
Il secondo circuito consisteva in tre fluxonia collegate da due accoppiatori regolabili. Questo sistema presenta undici modi di vibrazione distinti e un numero teorico di stati possibili così vasto da eccedere la capacità di memoria dei supercomputer più potenti del mondo se si tentasse di memorizzare tutti i dati in una volta sola. Un computer standard avrebbe dovuto memorizzare un numero di valori equivalente a 17 miliardi di gigabyte per contenere l'immagine completa, un valore che va ben oltre le attuali capacità. Anche un approccio più intelligente che memorizzi solo i valori non nulli richiederebbe comunque più memoria di quanto un singolo nodo di un computer possa possedere.
Utilizzando il loro nuovo metodo a rete tensoriale, i ricercatori sono stati in grado di risolvere i livelli di energia più bassi di questo enorme circuito a tre fluxonia. Hanno scoperto di poter calcolare gli otto stati energetici più bassi con alta precisione utilizzando una dimensione di legame (bond dimension) di 32. In parole povere, questo significa che il computer doveva tenere traccia solo di un numero relativamente piccolo di connessioni tra le parti del sistema per ottenere la risposta corretta. L'intero calcolo ha richiesto 81 minuti e ha utilizzato solo 1,3 gigabyte di memoria su una singola unità centrale di elaborazione. Si tratta di una frazione minuscola delle risorse che sarebbero state necessarie con i vecchi metodi, i quali sarebbero stati completamente incapaci di eseguire la simulazione.
Il successo di questa simulazione dimostra che i ricercatori possono ora modellare circuiti che erano precedentemente fuori portata. Il metodo non si basa sul tentare di indovinare come dividere il circuito o sul fare approssimazioni su come le parti interagiscono. Invece, utilizza la struttura naturale del circuito stesso per trovare una via efficiente verso la risposta. I ricercatori hanno confermato che i loro risultati erano stabili e affidabili eseguendo il calcolo più volte con diversi punti di partenza e controllando come la risposta cambiava al variare della precisione del calcolo. Hanno scoperto che i risultati convergevano rapidamente, il che significa che il metodo è robusto e non rimane bloccato in soluzioni errate.
Questo lavoro fornisce uno strumento potente per la progettazione di processori quantistici. Consentendo agli ingegneri di simulare circuiti complessi e fortemente accoppiati con alta precisione e basso costo computazionale, il metodo rimuove una barriera importante alla costruzione di migliori macchine quantistiche. Dimostra che anche quando i componenti di un circuito sono profondamente intrecciati, è possibile comprendere il loro comportamento collettivo senza la necessità di memorizzare una quantità impossibile di dati. I ricercatori hanno dimostrato che la strada da seguire per la progettazione di circuiti quantistici non richiede l'attesa che i computer diventino infinitamente potenti, ma piuttosto modi più intelligenti per utilizzare i computer che già possediamo.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.