Il calcolo quantistico progredisce verso sistemi cosiddetti tolleranti ai guasti, capaci di correggere i propri errori, e la riduzione di questi errori rimane una sfida centrale. In ottobre, Google e Nvidia hanno annunciato ciascuno progressi intorno alla tecnica magic state cultivation, che mira a produrre più efficacemente gli stati necessari per i calcoli quantistici universali.
I qubit, unità di base dell’informatica quantistica, sono molto fragili: possono perdere la loro coerenza, e un sistema che commette troppi errori non è utile. I fornitori creano quindi qubit logici a partire da numerosi qubit fisici, capaci di rilevare e correggere gli errori senza interrompere lo stato quantistico. Tuttavia, un singolo qubit logico può richiedere diverse migliaia di qubit fisici, il che complica la scalabilità.
Un computer quantistico universale deve combinare porte di Clifford, come le porte S e CNOT, e porte non-Clifford, come le porte T. La maggior parte dei codici di correzione degli errori sa gestire le prime, ma non le seconde. Gli stati magici, introdotti nel 2004 da ricercatori, sono indispensabili per questi calcoli, ma sono fragili, difficili da produrre con alta fedeltà e non possono essere riutilizzati.
Per compensare, la distillazione degli stati magici trasforma numerosi stati rumorosi, cioè imprecisi, in un numero ridotto di stati ad alta fedeltà. Questa operazione può tuttavia mobilitare fino al 95% della capacità di un sistema quantistico, creando un collo di bottiglia. Nel 2024, ricercatori di Google hanno presentato la magic state cultivation: invece di produrre un gran numero di stati rumorosi per poi scartarne una gran parte, si colloca uno stato rumoroso in una piccola area del chip e si procede con misurazioni che individuano gli errori ed eliminano i tentativi difettosi, fino a ottenere uno stato con un tasso di errore più basso.
Una dimostrazione su chip
Il 15 ottobre, Google e Nvidia hanno annunciato progetti che, secondo loro, fanno progredire in modo significativo lo sviluppo di questa tecnica. I ricercatori di Google Quantum AI riferiscono la prima implementazione hardware del metodo, eseguita sul chip superconduttivo Willow. Secondo l’azienda, la dimostrazione ha permesso di ridurre gli errori 40 volte rispetto agli stati non coltivati, e di ottenere T-states che raggiungono 99,99% di fedeltà logica.
Meno di una settimana dopo, ricercatori di Nvidia hanno annunciato di aver condotto una simulazione di 104 qubit su Jupiter, il primo supercomputer exascale europeo, ospitato al Jülich Supercomputing Centre, in Germania, e equipaggiato con superchip Nvidia GH200. Secondo Nvidia, il metodo utilizza il 90% in meno di qubit rispetto ad altri approcci.
Sam Stanwyck, direttore prodotto quantistico di Nvidia, ha definito i lavori delle due aziende una tappa critica verso l’informatica quantistica tollerante ai guasti. A proposito di Google, ha dichiarato: « È complementare ai lavori di Google. Quello che Google ha fatto è una dimostrazione su piccola scala su hardware. Era una prova di concetto che mostra che la magic state cultivation funziona realmente su hardware reale. »
I ricercatori di Google, dopo due anni di lavoro per portare il metodo dalla teoria alla pratica, hanno dettagliato i loro risultati in un articolo pubblicato sulla rivista Science. Riconoscono di dover dimostrare la tecnica su scala più ampia per renderla realistica in un sistema quantistico pratico, stimando tuttavia che « questa realizzazione trasforma un’idea teorica chiave in una realtà dimostrata sperimentalmente ».
Simulare per progettare
Secondo Sam Stanwyck, la simulazione è indispensabile per progettare l’hardware e il software intorno a questi approcci. « Bisogna simularli il più approfonditamente possibile, per capire il loro comportamento e soprattutto il modo in cui gestiscono gli errori », ha affermato. Ha anche menzionato i lavori di Amazon Web Services e Quantum Elements, con l’University of Southern California e Harvard University, che hanno anch’essi utilizzato una simulazione per trattare la correzione degli errori.
Nvidia ha impiegato la sua piattaforma quantistica-classica CUDA-Q e il suo kit di sviluppo software cuQuantum per modellare errori hardware, inclusi errori coerenti e perdite. « Sono errori sistematici molto piccoli nelle operazioni quantistiche, che si accumulano durante un calcolo e limitano ciò che il computer può fare », ha spiegato Sam Stanwyck. Il progetto è iniziato su un sistema equipaggiato con GB200 NVL72 all’Accelerated Quantum Research Center di Boston, prima di essere esteso a Jupiter, dove i test sono passati da quattro GPU a diverse centinaia, poi a 8.192 GPU.
