I ricercatori dell’University of Southern California (USC) hanno segnato una pietra miliare significativa nel campo dell’informatica quantistica, dimostrando che la ricottura quantistica è in grado di risolvere problemi di ottimizzazione complessi con una velocità superiore rispetto ai metodi computazionali classici.
Sfruttando tecniche avanzate di correzione degli errori, il team ha superato le prestazioni dei migliori algoritmi classici utilizzando un processore quantistico D-Wave. Questa importante svolta evidenzia la capacità dei computer quantistici di surclassare persino i supercomputer più potenti nella risoluzione di specifiche classi di problemi intricati.
Il quantum annealing: una strategia ottimale per soluzioni quasi perfette
Questo progresso, noto come vantaggio quantistico, è stato ottenuto impiegando una tecnica specializzata denominata ricottura quantistica. Si può concettualizzare questo approccio come una metodologia più efficiente per identificare soluzioni di elevata qualità, sebbene non necessariamente perfette, a problemi complessi che mettono a dura prova le capacità dei computer tradizionali. Il professor Daniel Lidar, autore dello studio, ha spiegato che “Il funzionamento del quantum annealing si basa sull’individuazione di stati di bassa energia nei sistemi quantistici, che corrispondono a soluzioni ottimali o quasi ottimali ai problemi da risolvere“.
Per anni, la comunità scientifica ha perseguito l’obiettivo di dimostrare la scalabilità dei computer quantistici e la loro capacità di mantenere un vantaggio competitivo sui sistemi classici all’aumentare della complessità dei problemi. Questo studio adotta una prospettiva innovativa, spostando l’attenzione dalla ricerca di soluzioni perfette all’identificazione rapida di risposte quasi ottimali. Tale approccio di “ottimizzazione approssimativa” si rivela particolarmente vantaggioso in settori come la finanza, la logistica e l’apprendimento automatico, dove la rapidità nell’ottenere una soluzione di elevata qualità è spesso più preziosa della ricerca estenuante della perfezione.
Attraverso l’impiego della ricottura quantistica, i ricercatori sono riusciti a ottenere risposte di elevata qualità in tempi significativamente inferiori rispetto ai migliori algoritmi classici. Questo risultato rappresenta un passo avanti cruciale verso la realizzazione pratica dell’informatica quantistica in scenari applicativi reali. È importante sottolineare che, anziché focalizzarsi esclusivamente sulla ricerca di soluzioni ottimali esatte, lo studio si è concentrato sull’identificazione di soluzioni che rientrassero in una determinata percentuale (≥1%) del valore ottimale, dimostrando la praticità e l’efficacia della ricottura quantistica per problemi di ottimizzazione complessi.
Il superamento del rumore quantistico con la correzione avanzata degli errori
Un aspetto fondamentale che accresce la rilevanza pratica di questo approccio risiede nel fatto che numerosi problemi del mondo reale non richiedono soluzioni di precisione assoluta. In molti contesti, ottenere una soluzione di elevata qualità, anche se non perfetta, si rivela ampiamente sufficiente. Un esempio illuminante è rappresentato dalla selezione di azioni per un fondo comune di investimento: l’obiettivo primario è spesso superare un indice di mercato di riferimento, piuttosto che identificare il portafoglio azionario in assoluto migliore.
Per dimostrare concretamente il vantaggio algoritmico derivante dalla scalabilità quantistica, i ricercatori hanno impiegato un processore di ricottura quantistica D-Wave Advantage. Questo dispositivo specializzato per il calcolo quantistico è operativo presso l’Information Sciences Institute dell’USC. Come per tutti i computer quantistici attualmente disponibili, il rumore ambientale rappresenta un fattore significativo che può compromettere il raggiungimento del vantaggio quantistico nella ricottura quantistica.
Al fine di mitigare l’impatto del rumore, il team di ricerca ha implementato una sofisticata tecnica denominata correzione dell’annealing quantistico (QAC) direttamente sul processore D-Wave. Questa implementazione ha permesso la creazione di oltre 1.300 qubit logici con una significativa soppressione degli errori. Questa efficace riduzione degli errori si è rivelata cruciale per ottenere un vantaggio prestazionale rispetto al parallel tempering con spostamenti di cluster isoenergetici (PT-ICM), che rappresenta attualmente l’algoritmo classico più efficiente per la risoluzione di problemi di ottimizzazione simili.
Valutazione delle performance dei computer quantistici: l’efficienza “Tempo-Epsilon”
Lo studio ha fornito una prova tangibile del vantaggio quantistico attraverso l’impiego di diverse metodologie di ricerca, concentrandosi su una specifica famiglia di problemi bidimensionali a vetro di spin caratterizzati da interazioni ad alta precisione. Il professor Lidar ha chiarito la natura di tali problemi, definendoli “una classe di complesse sfide di ottimizzazione che derivano da modelli di fisica statistica di sistemi magnetici disordinati“.
Invece di focalizzarsi sulla ricerca di soluzioni esatte, i ricercatori hanno adottato un approccio pragmatico per confrontare l’efficacia dei diversi metodi computazionali. Hanno valutato le prestazioni in termini di “tempo-epsilon”, una metrica che misura la rapidità con cui ciascun algoritmo riusciva a identificare soluzioni che rientrassero in una percentuale predefinita della risposta ottimale. Questa metrica permette di quantificare l’efficienza nel trovare soluzioni di elevata qualità entro un margine di accettabilità.
Guardando al futuro, i ricercatori si pongono l’obiettivo di estendere i risultati ottenuti a problemi caratterizzati da una maggiore densità di interazioni e da una dimensionalità più elevata e intendono esplorare le potenziali applicazioni di questa tecnologia nell’ambito dell’ottimizzazione di problemi concreti del mondo reale. Il professor Lidar ha inoltre sottolineato come ulteriori progressi nell’hardware quantistico e nelle tecniche di soppressione degli errori potrebbero amplificare significativamente il vantaggio quantistico già osservato: “Questo apre nuove strade per gli algoritmi quantistici in attività di ottimizzazione in cui soluzioni quasi ottimali sono sufficienti“, ha concluso.
La ricerca è stata pubblicata su Physical Review Letters.
