Quantum computing, è vera rivoluzione? Dove ci porterà e come arrivare preparati

Il quantum computing è emerso, negli ultimi anni, come una delle tecnologie che potrebbero rivoluzionare, nei prossimi anni, le tecnologie.^[1]

L’idea alla base del quantum computing è quella di costruire computer che utilizzino componenti elementari che siano descritti dalle leggi della meccanica quantistica.

Quantum computing: dove siamo davvero al di là degli annunci

La possibilità di sfruttare queste leggi per costruire computer estremamente potenti è nota fin dall’inizio degli anni ‘80.^[2] Solo negli ultimi anni, però, il progresso tecnologico ha permesso di costruire, in pratica, i primi prototipi di quantum computer, grazie anche agli investimenti di molte big tech, tra cui Amazon, Google, e Microsoft. Nonostante questi prototipi non siano ancora abbastanza potenti da permettere di superare l’efficienza di un computer classico, questo gap potrebbe essere chiuso nei prossimi anni.^[3]

È quindi fondamentale comprendere i principi che sono alla base del quantum computing per poter valutare l’impatto che questa nuova tecnologia potrà avere in ogni ambito della scienza e della tecnologia.

Come funziona un computer quantistico

Cosa serve per costruire computer quantistici efficienti

Grazie a questa capacità di rappresentare dati in maniera estremamente compatta, già un computer quantistico formato da poche decine di qubits può effettuare uno specifico task in maniera più efficiente di un computer classico e, quindi, permette di osservare una practical quantum advantage. La possibilità di rappresentare dati in maniera estremamente compatta non basta, però, per costruire computer quantistici efficienti. È necessario sviluppare anche algoritmi che possano processare ed elaborare i dati rappresentati nei qubits, sempre sfruttando i principi di meccanica quantistica come, ad esempio, l’entanglement. Supponiamo, ad esempio, di avere un database con entries (ad esempio, una lista di numeri di telefono) e di dover fare identificare, tramite una query, l’unico elemento che soddisfa una particolare condizione (ad esempio, un numero che inizia con un certo prefisso). È inutile rappresentare il database in maniera efficiente su un quantum computer se poi non esiste un modo per identificare un determinato elemento in maniera efficiente. In questo caso, l’algoritmo esiste, prende il nome di algoritmo di Grover,^[4] ed è più efficiente del suo analogo classico.

Quantum computing e simulazioni molecolari

Problemi per cui 1) è possibile sfruttare la potenza di rappresentazione dei qubits e 2) esiste un algoritmo quantistico che permetta di risolverli in maniera efficiente sono potenziali killer applications per quantum computer. Le simulazioni molecolari e, in particolare, la chimica quantistica sono state identificate come uno dei campi in cui è possibile osservare la practical quantum advantage. Lo scopo principale di una simulazione molecolare è quello di predire virtualmente le proprietà di un composto chimico. Per poter ottimizzare computazionalmente, ad esempio, lo sviluppo di nuovi farmaci o il design di nuovi catalizzatori per processi industriali. Una molecola è composta da particelle, i nuclei e gli elettroni, le cui proprietà sono descritte dalla meccanica quantistica. Un computer basato su componenti elementari quantistici, come un quantum computer, è quindi la piattaforma ideale per simulare le proprietà di una molecola.

Per questo motivo, le simulazioni molecolari sono il target ideale per il quantum computing: il loro costo computazionale su un computer classico è estremamente elevato e, allo stesso tempo, esiste un algoritmo, che prende il nome di quantum phase estimation, che permette di ridurre questo costo computazionale esponenzialmente. In pratica, un computer quantistico con soli 100/200 qubits è sufficiente per effettuare simulazioni molecolari che sono intrattabili per un computer classico. La roadmap proposta dai laboratori di ricerca IBM^[5] nel 2020 prevede che hardware quantistici di queste dimensioni saranno disponibili nei prossimi anni.

L’algoritmo di Shor e la cybersecurity

Le simulazioni molecolari non sono l’unico campo di applicazione per il quantum computing. Uno dei primi algoritmi quantistici che sono stati ideati è l’algoritmo di Shor,^[6] che permette di fattorizzare un numero intero nei suoi numeri primi. Come nel caso delle simulazioni molecolari, anche questo problema è computazionalmente intrattabile su un computer classico ma diventa, grazie all’algoritmo di Shor, un target semplice per un quantum computer. La possibilità di fattorizzare efficientemente un numero nei suoi fattori primi avrebbe un impatto dirompente nell’ambito della cybersecurity. Infatti, la sicurezza di molti algoritmi di crittografia asimmetrica si basa sull’assunzione che fattorizzare un numero intero sia un problema computazionalmente intrattabile. Questa assunzione è valida solo per un computer classico ma non per il suo analogo quantistico.

Il fatto che esistano problemi che un quantum computer può risolvere in maniera estremamente efficiente non implica, però, che i quantum computer possano sostituire in toto i computer classici. Esistono, infatti, molti task che possono essere effettuati in maniera estremamente efficiente su un computer classico. Ad esempio, un quantum computer è inefficiente nel leggere dati di input, come ad esempio le entries di un database e, per questo motivo, non è chiaro se, in futuro, il quantum computing potrà trovare applicazioni pratiche nell’ambito del machine learning.

Diverse tecniche sono state proposte per realizzare, in pratica, qubits, basate, ad esempio, su materiali semiconduttori o su trapped ions (cioè atomi confinati attraverso radiazione elettromagnetica). In ogni caso, un qubit è un oggetto estremamente sensibile. Perturbazioni esterne come, ad esempio, effetti termici sono sufficienti per modificare lo stato di un qubit. Queste perturbazioni possono alterare lo stato di un qubit e, quindi, corrompere l’informazione che codifica. Per questo motivo, un quantum computer deve essere mantenuto a temperature molto vicine allo zero assoluto per poter preservare la sua stabilità. Questo limite tecnologico impedisce, attualmente, di poter utilizzare i quantum computer per risolvere problemi di utilità pratica. Ad esempio, hardware quantistici sono attualmente in grado di fattorizzare solo numeri molto piccoli (il numero più grande che è stato fattorizzato è 21^[7]), e non sono abbastanza stabili per poter simulare le proprietà di molecole complesse, come il sito attivo di un farmaco. Per questo motivo, rimane ancora impensabile poter utilizzare quantum computer su larga scala.

Conclusioni

In conclusione, il quantum computing si è trasformato, negli ultimi 10 anni, da un’idea astratta a una realtà concreta. Esistono limiti tecnologici che, attualmente, impediscono di utilizzare un quantum computer su larga scala in ambito industriale. Nonostante ciò, lo sviluppo tecnologico potrebbe permettere, nei prossimi anni, di avere quantum computers stabili composti da più di 100 qubits stabili. Un hardware di queste dimensioni potrebbe permettere di risolvere problemi che sono attualmente computazionalmente intrattabili. È quindi fondamentale valutare l’impatto che il quantum computing potrà avere in ogni campo, sia di ricerca che industriale, per poter adattare ogni nostro strumento computazionale all’avvento della quantum revolution.

Note

1. https://www.forbes.com/sites/forbestechcouncil/2022/02/01/the-four-technology-trends-that-are-most-likely-to-shape-innovation-in-2022/?sh=74285b9f1f97 ↑
2. R. P. Feynman “Simulating physics with computers” Int. J. Theoret. Phys. 21, 467 (1982) ↑
3. https://www.technologyreview.com/2022/03/28/1048355/quantum-computing-has-a-hype-problem/ ↑
4. L. K. Grover (1996), “A fast quantum mechanical algorithm for database search”, Proceedings of the 28th Annual ACM Symposium on the Theory of Computing (STOC 1996) ↑
5. https://research.ibm.com/blog/ibm-quantum-roadmap ↑
6. Shor, P.W. (1994). “Algorithms for quantum computation: discrete logarithms and factoring”. Proceedings 35th Annual Symposium on Foundations of Computer Science. IEEE Comput. Soc. Press: 124–134. ↑
7. Martín-López, Enrique; Martín-López, Enrique; Laing, Anthony; Lawson, Thomas; Alvarez, Roberto; Zhou, Xiao-Qi; O’Brien, Jeremy L. “Experimental realization of Shor’s quantum factoring algorithm using qubit recycling”. Nature Photonics, 6, 773 (2012) ↑