L'informatica quantistica e il rilevamento quantistico hanno il potenziale per essere molto più potenti delle loro controparti classiche. Non solo un computer quantistico completamente realizzato potrebbe impiegare solo pochi secondi per risolvere equazioni che richiederebbero migliaia di anni a un computer classico, ma ma potrebbe avere impatti incalcolabili su aree che vanno dall'imaging biomedico alla guida autonoma.

Però, la tecnologia non è ancora arrivata.

Infatti, nonostante le teorie diffuse sull'impatto di vasta portata delle tecnologie quantistiche, pochissimi ricercatori sono stati in grado di dimostrare, utilizzando la tecnologia ora disponibile, che i metodi quantistici hanno un vantaggio rispetto alle loro controparti classiche.

In un articolo pubblicato il 1 giugno sulla rivista Revisione fisica X , I ricercatori dell'Università dell'Arizona mostrano sperimentalmente che la quantistica ha un vantaggio sui sistemi di calcolo classici.

"Dimostrare un vantaggio quantico è un obiettivo a lungo ricercato nella comunità, e pochissimi esperimenti sono stati in grado di dimostrarlo, ", ha affermato il coautore dell'articolo Zheshen Zhang, assistente professore di scienza e ingegneria dei materiali, ricercatore principale dell'UArizona Quantum Information and Materials Group e uno degli autori dell'articolo. "Stiamo cercando di dimostrare come possiamo sfruttare la tecnologia quantistica che già esiste a vantaggio delle applicazioni del mondo reale".

Come (e quando) funziona Quantum

Il calcolo quantistico e altri processi quantistici si basano su minuscoli, potenti unità di informazione chiamate qubit. I computer classici che usiamo oggi lavorano con unità di informazione chiamate bit, che esistono come 0 o 1, ma i qubit possono esistere in entrambi gli stati contemporaneamente. Questa dualità li rende sia potenti che fragili. I delicati qubit sono inclini a collassare senza preavviso, rendere molto importante un processo chiamato correzione degli errori, che affronta tali problemi non appena si verificano.

Il campo quantistico è ora in un'era in cui John Preskill, un rinomato fisico del California Institute of Technology, definito "quantum rumoroso su scala intermedia, " o NISQ. Nell'era NISQ, i computer quantistici possono eseguire attività che richiedono solo da 50 a poche centinaia di qubit, anche se con una notevole quantità di rumore, o interferenza. Più di questo e il rumore prevale sull'utilità, facendo crollare tutto. È opinione diffusa che 10, Sarebbero necessari da 000 a diversi milioni di qubit per eseguire applicazioni quantistiche praticamente utili.

Immagina di inventare un sistema che garantisca che ogni pasto che cucini sarà perfetto, e poi dare quel sistema a un gruppo di bambini che non hanno gli ingredienti giusti. Sarà fantastico tra qualche anno, una volta che i bambini diventano adulti e possono acquistare ciò di cui hanno bisogno. Ma fino ad allora, l'utilità del sistema è limitata. Allo stesso modo, fino a quando i ricercatori non avanzeranno nel campo della correzione degli errori, che possono ridurre i livelli di rumore, i calcoli quantistici sono limitati a una piccola scala.

Vantaggi dell'intreccio

L'esperimento descritto nel documento ha utilizzato un mix di tecniche classiche e quantistiche. Nello specifico, ha utilizzato tre sensori per classificare l'ampiezza e l'angolo medi dei segnali a radiofrequenza.

I sensori erano dotati di un'altra risorsa quantistica chiamata entanglement, che consente loro di condividere le informazioni tra loro e offre due vantaggi principali:primo, migliora la sensibilità dei sensori e riduce gli errori. Secondo, perché sono impigliati, i sensori valutano le proprietà globali piuttosto che raccogliere dati su parti specifiche di un sistema. Questo è utile per le applicazioni che necessitano solo di una risposta binaria; Per esempio, nell'imaging medico, i ricercatori non hanno bisogno di conoscere ogni singola cellula in un campione di tessuto che non è cancerosa, ma solo se c'è una cellula che è cancerosa. Lo stesso concetto si applica al rilevamento di sostanze chimiche pericolose nell'acqua potabile.

L'esperimento ha dimostrato che dotare i sensori di entanglement quantistico ha dato loro un vantaggio rispetto ai sensori classici, riducendo la probabilità di errori di un margine piccolo ma critico.

"Questa idea di utilizzare l'entanglement per migliorare i sensori non si limita a un tipo specifico di sensore, quindi potrebbe essere utilizzato per una gamma di applicazioni diverse, purché tu abbia l'attrezzatura per impigliare i sensori, ", ha affermato il coautore dello studio Quntao Zhuang, assistente professore di ingegneria elettrica e informatica e ricercatore principale del Quantum Information Theory Group"In teoria, potresti prendere in considerazione applicazioni come lidar (Light Detection and Ranging) per auto a guida autonoma, Per esempio."

Zhuang e Zhang hanno sviluppato la teoria alla base dell'esperimento e l'hanno descritta in un articolo di Physical Review X del 2019. Hanno co-autore del nuovo documento con l'autore principale Yi Xia, uno studente di dottorato presso il James C. Wyant College of Optical Sciences, e Wei Li, ricercatore post-dottorato in scienze e ingegneria dei materiali.

Classificatori Qubit

Esistono applicazioni esistenti che utilizzano un mix di elaborazione quantistica e classica nell'era NISQ, ma si basano su set di dati classici preesistenti che devono essere convertiti e classificati nel regno quantistico. Immagina di scattare una serie di foto di cani e gatti, quindi caricare le foto in un sistema che utilizza metodi quantistici per etichettare le foto come "gatto" o "cane".

Il team sta affrontando il processo di etichettatura da una prospettiva diversa, utilizzando sensori quantistici per raccogliere i propri dati in primo luogo. È più come usare una fotocamera quantistica specializzata che etichetta le foto come "cane" o "gatto" mentre le foto vengono scattate.

"Molti algoritmi considerano i dati memorizzati su un disco del computer, e poi convertirlo in un sistema quantistico, che richiede tempo e fatica, " Zhuang ha detto. "Il nostro sistema lavora su un problema diverso valutando i processi fisici che stanno accadendo in tempo reale".

Il team è entusiasta delle future applicazioni del loro lavoro all'intersezione tra rilevamento quantistico e calcolo quantistico. Immaginano persino un giorno di integrare la loro intera configurazione sperimentale su un chip che potrebbe essere immerso in un biomateriale o in un campione d'acqua per identificare malattie o sostanze chimiche dannose.

"Pensiamo che sia un nuovo paradigma sia per il calcolo quantistico, apprendimento automatico quantistico e sensori quantistici, perché crea davvero un ponte per interconnettere tutti questi diversi domini, " disse Zhang.