On the estimation of linear-optical amplitudes and probabilities with entangled input state

Nel mondo tranquillo e controllato dell'ottica quantistica, gli scienziati sono da tempo affascinati da un enigma specifico: come si comporta la luce quando molti singoli fotoni vengono inviati attraverso un complesso labirinto di specchi e divisori di fascio. Questa configurazione, nota come interferometro ottico lineare, è il cuore di una proposta chiamata campionamento di bosoni (boson sampling), progettata per dimostrare che le macchine quantistiche possono fare cose che i computer classici non possono fare. L'idea centrale è che calcolare l'esatta probabilità di dove questi fotoni atterreranno alla fine del labirinto è così matematicamente difficile che persino i supercomputer più potenti farebbero fatica a tenere il passo. Tuttavia, le applicazioni reali di queste macchine, come l'addestramento di modelli di intelligenza artificiale o la simulazione di reazioni chimiche, raramente hanno bisogno dell'elenco esatto e grezzo di ogni possibile risultato. Hanno invece bisogno di una buona stima del comportamento medio, o della probabilità di certi gruppi di risultati, calcolata con un ragionevole grado di accuratezza. Per input semplici in cui i fotoni sono indipendenti l'uno dall'altro, gli scienziati sapevano già come stimare queste medie utilizzando i normali computer classici. La grande domanda rimaneva: cosa succede se i fotoni non sono indipendenti, ma sono invece profondamente legati, o intrecciati, prima ancora di entrare nella macchina?

Un team di ricercatori presso Quandela in Francia ha ora risposto a questa domanda, rivelando che la profonda connessione tra i fotoni non rende necessariamente impossibile il compito di stima per i computer classici. Si sono concentrati su un tipo specifico di luce intrecciata che viene creata sequenzialmente, un fotone alla volta, da emettitori quantistici come atomi o minuscoli punti semiconduttori. In queste sorgenti, l'emettitore conserva una piccola quantità di memoria quantistica, trattenendo informazioni sui fotoni che ha già inviato, il che influenza il successivo. I ricercatori hanno dimostrato che finché la memoria è piccola — specificamente, se la quantità di informazione conservata cresce solo logaritmicamente con il numero di fotoni — i computer classici possono ancora stimare le probabilità di uscita in modo efficiente. Hanno sviluppato un nuovo strumento matematico che agisce come una guida altamente esperta, permettendo a un computer di simulare il comportamento di questi fotoni intrecciati senza dover tracciare ogni singola possibilità contemporaneamente. Questo strumento funziona scomponendo lo stato complesso e intrecciato in una serie di passaggi gestibili, calcolando la probabilità del percorso di ogni fotone uno alla volta, e poi combinando questi passaggi per ottenere una risposta affidabile.

La significatività di questa scoperta risiede in ciò che ci dice sui limiti del vantaggio quantistico. Per anni, si è sperato che l'uso di luce intrecciata potesse essere sufficiente per superare i computer classici in questi compiti di stima. Questo articolo dimostra che non è l'intreccio in sé a creare la difficoltà, ma piuttosto la dimensione della memoria necessaria per generare quell'intreccio. Se una sorgente quantistica utilizza una memoria che rimane piccola rispetto al numero di fotoni, un computer classico può tenere il passo. I ricercatori hanno dimostrato che il loro metodo è non distorto (unbiased), il che significa che non sovrastima o sottostima sistematicamente i risultati, e che l'errore nelle loro stime diminuisce in modo prevedibile man mano che eseguono più calcoli. Hanno testato il loro approccio su vari stati complessi, inclusi catene lineari di fotoni intrecciati, e hanno confermato che il costo computazionale rimane gestibile finché la memoria della sorgente non cresce troppo.

Questo lavoro ridisegna efficacemente il confine tra ciò che è facile per i computer classici e ciò che è difficile. Suggerisce che per molte applicazioni proposte per le macchine quantistiche fotoniche, in particolare quelle che coinvolgono l'apprendimento automatico, la mera presenza di luce intrecciata non è sufficiente a garantire un vantaggio quantistico. Per superare davvero i metodi classici in questi compiti di stima, un dispositivo quantistico dovrebbe utilizzare una memoria che cresce linearmente con il numero di fotoni, o dovrebbe impiegare strategie più complesse come misurazioni adattive che cambiano l'esperimento in tempo reale. I ricercatori hanno anche fornito un percorso chiaro su come implementare il loro metodo, offrendo un pacchetto software che può essere utilizzato per testare queste idee su dati reali. I loro risultati indicano che, sebbene la luce intrecciata sia una risorsa potente, il computer classico non è ancora sconfitto nella corsa a stimare il comportamento di questi sistemi, a patto che la sorgente quantistica non diventi troppo complessa nella sua memoria interna.

L'approccio dei ricercatori si basa su un'osservazione intelligente su come funzionano queste sorgenti sequenziali. Quando un emettitore quantistico produce un flusso di fotoni, lo stato dell'intero flusso può essere descritto come uno stato a prodotto di matrici (matrix-product state), una struttura matematica che cattura le correlazioni tra i fotoni in modo compatto. I ricercatori si sono resi conto che questa struttura permette di campionare i possibili risultati dell'esperimento un sito alla volta, invece di cercare di risolvere l'intero problema tutto in una volta. Hanno costruito un metodo di campionamento che estrae numeri casuali per simulare il percorso dei fotoni attraverso l'interferometro, ma a differenza dei metodi precedenti che funzionavano solo per fotoni indipendenti, la loro tecnica tiene conto dell'intreccio utilizzando la memoria della sorgente per guidare ogni passaggio. Ciò consente loro di calcolare il comportamento medio del sistema con una precisione che migliora man mano che raccolgono più dati, e crucialmente, il lavoro richiesto per ogni passaggio del calcolo cresce solo polinomialmente con la dimensione del sistema, anziché esplodere esponenzialmente.

Uno degli aspetti più importanti della loro scoperta è la distinzione tra l'intreccio della luce e la memoria della sorgente. Un singolo spin quantistico può generare una lunga catena di fotoni intrecciati, creando uno stato altamente complesso e difficile da descrivere in altri modi, eppure i ricercatori hanno dimostrato che, poiché la memoria di quello spin singolo è piccola, lo stato rimane facile da stimare per un computer classico. Ciò significa che il grande intreccio multipartito spesso celebrato nella fisica quantistica non si traduce automaticamente in difficoltà computazionale per questi compiti specifici. La difficoltà sorge solo quando la memoria della sorgente cresce abbastanza da memorizzare una quantità significativa di informazioni sull'intera sequenza di emissioni. I ricercatori hanno calcolato che se la memoria è limitata a un numero di qubit che cresce logaritmicamente con il numero di fotoni, la simulazione classica rimane efficiente. Questa soglia è significativa perché implica che molte sorgenti di luce quantistica attuali e di prossima generazione, che tipicamente utilizzano un numero limitato di emettitori o una linea di ritardo breve, non saranno in grado di superare i computer classici in questi compiti di stima.

Il documento affronta anche l'aspetto pratico di questi calcoli, mostrando come il metodo possa essere esteso per stimare altre quantità utili per le applicazioni, come la sovrapposizione tra due diversi stati quantistici o la probabilità di trovare fotoni in un sottoinsieme specifico di modalità di uscita. Questi sono i tipi di calcoli necessari per addestrare modelli di apprendimento automatico o per confrontare diversi stati quantistici. I ricercatori hanno dimostrato che il loro campionatore può gestire questi compiti con la stessa efficienza, fornendo uno strumento versatile per il settore. Hanno verificato i loro risultati teorici con simulazioni numeriche, eseguendo il loro algoritmo su vari casi di test e confrontando i risultati con i calcoli esatti per sistemi più piccoli. I risultati coincidevano perfettamente, confermando che il loro metodo è sia accurato che affidabile. Hanno anche fornito una prova formale del loro metodo utilizzando un sistema di prova assistita dal computer, assicurando che la logica matematica dietro le loro affermazioni sia solida.

Nel contesto più ampio dell'informatica quantistica, questo lavoro funge da controllo di realtà per il settore. Chiarisce che la strada verso un vantaggio quantistico non è semplice come la semplice generazione di luce intrecciata. Al contrario, richiede una considerazione attenta delle risorse disponibili per il sistema quantistico, in particolare della dimensione della sua memoria. Per i ricercatori che costruiscono macchine quantistiche fotoniche, il messaggio è chiaro: per ottenere un vantaggio computazionale nei compiti di stima, devono aumentare la memoria delle loro sorgenti oltre la soglia logaritmica, o trovare modi per utilizzare il dispositivo che vadano oltre le semplici stime additive. I ricercatori non hanno sostenuto che il loro metodo risolva tutti i problemi della simulazione quantistica, né hanno suggerito che i computer quantistici non saranno mai utili per questi compiti. Piuttosto, hanno fornito un confine preciso per dove i computer classici possono ancora competere, offrendo un obiettivo chiaro per i futuri esperimenti quantistici.

Lo studio conclude evidenziando diverse domande aperte che rimangono per il settore. Sebbene il loro metodo funzioni bene per stati con un piccolo numero di fotoni per sito, non è ancora chiaro come gestire situazioni in cui molti fotoni occupano lo stesso modo, o come tenere conto delle imperfezioni come la distinguibilità parziale o la perdita nel sistema. Queste sono sfide del mondo reale che qualsiasi dispositivo quantistico pratico dovrà affrontare. I ricercatori hanno anche notato che, mentre il loro lavoro affronta il problema della stima delle probabilità, la questione se il campionamento dalla distribuzione completa dell'output di questi stati intrecciati sia difficile per i computer classici rimane un problema aperto. Questa distinzione è importante perché molte applicazioni proposte si basano sul campionamento, non solo sulla stima. I ricercatori hanno reso il loro codice e le loro prove pubblici, permettendo ad altri di testare il loro metodo e costruire sulle loro scoperte. Il loro lavoro rappresenta un solido contributo alla nostra comprensione delle capacità e dei limiti di entrambi i computer, classici e quantistici, nel campo dell'ottica lineare.