I modelli computerizzati di sistemi come il flusso del traffico cittadino o l'attivazione neurale nel cervello tendono a consumare molta memoria. Ma un nuovo approccio con i simulatori quantistici potrebbe ridurre significativamente l'utilizzo della memoria adottando un approccio quantistico al tempo. L'unico costo è un record diminuito del passato.

Il suggerimento arriva dai ricercatori Mile Gu e Thomas Elliott di Singapore, che descrivono la loro proposta in un articolo pubblicato il 1 marzo in npj Informazioni quantistiche . Gu lavora presso il Center for Quantum Technologies e la Nanyang Technological University (NTU) a Singapore, ed Elliott è alla NTU.

Per eseguire una simulazione, un computer classico deve tagliare il tempo in passaggi discreti. Gu traccia un'analogia con un antico modo di misurare il tempo:la clessidra. "Ingrandisci una clessidra e si possono vedere i singoli granelli di sabbia cadere uno per uno. È un flusso granulare, "dice Gu.

Proprio come la clessidra ha bisogno di sabbia più fine per effettuare una misurazione più precisa del tempo, un computer ha bisogno di passaggi temporali più precisi per eseguire simulazioni più accurate. Infatti, l'ideale sarebbe simulare continuamente il tempo perché, al meglio delle nostre osservazioni, il tempo sembra essere continuo. Ma ciò implica che una simulazione classica veramente accurata avrebbe bisogno di memoria infinita per eseguire un programma del genere.

Anche se questo è impossibile con un computer classico, gli effetti quantistici forniscono una soluzione. "Con un simulatore quantistico, puoi evitare il compromesso tra precisione e spazio di archiviazione che devi subire con un dispositivo classico, " spiega Elliott.

Per spiegare come funziona, immagina di dover prendere un autobus. Se arrivi alla fermata giusto in tempo per vedere un autobus partire, ora ti aspetti che il prossimo autobus impiegherà più tempo ad arrivare che se non ne avessi appena visto uno partire. Questo perché la probabilità che arrivi un autobus non è sempre costante, ma dipende da quanto tempo è passato dall'ultimo autobus.

Per simulare processi simili in cui la probabilità cambia nel tempo, un normale computer calcola i risultati a intervalli di tempo prestabiliti. Potrebbe, Per esempio, dividere le probabilità per i tempi di arrivo del bus in intervalli di 30 secondi, aggiornando quelle probabilità dopo ogni intervallo a seconda che un autobus sia arrivato (o meno). Per essere più precisi su quando arriverà un autobus, o per modellare accuratamente più grande, reti di traffico più complesse, necessita di tempi più piccoli e quindi più memoria.

In questo approccio classico, si fanno previsioni contando quanto tempo è trascorso dall'autobus precedente. Questo sembra logico, e risulta essere il miglior metodo classico. Fisica quantistica, però, permette un approccio completamente diverso.

Un simulatore quantistico può trovarsi in molti stati diversi allo stesso tempo, ciascuno con la propria probabilità di realizzarsi. Questo è un fenomeno noto come sovrapposizione quantistica. La proposta di Gu ed Elliott è di codificare la distribuzione di probabilità temporale per l'evento che vogliono simulare nella ponderazione di probabilità dei diversi stati. Se la sovrapposizione viene creata in una proprietà come la posizione di una particella, che può evolversi continuamente, anche il tempo può essere monitorato continuamente. Quindi è possibile scartare alcune informazioni sul tempo trascorso - ottenendo un'efficienza di memoria superiore - senza sacrificare l'accuratezza predittiva.

Il guadagno arriva a scapito della perdita della conoscenza del passato. Il tempo trascorso - un record del passato, in altre parole - non può essere recuperato esattamente dalla sovrapposizione, ma tutta la capacità di previsione è comunque conservata.

"In definitiva, quando facciamo previsioni non ci interessa quello che abbiamo già visto. Piuttosto, ci interessa solo ciò che queste osservazioni ci dicono su ciò che ci aspettiamo di vedere dopo. La fisica quantistica ci consente di isolare in modo efficiente queste informazioni", afferma Elliott.