Computer quantistico: quali problemi può risolvere

Si parla sempre più spesso dei computer quantistici e di come permetteranno di risolvere problemi che i computer tradizionali non riescono a risolvere.
Di recente IBM ha installato in Germania, presso il Fraunhofer Institute, un suo computer quantistico a 27 qubit chiamato Quantum System One.

A febbraio 2020 Google affermò di aver raggiunto la supremazia quantistica usando il suo sistema Sycamore a 53 qubit. Una presa di posizione che IBM ha aspramente criticato osservando che non si dovrebbero scegliere ad arte problemi matematici da risolvere quanto piuttosto concentrarsi sull’ottenimento del cosiddetto vantaggio quantistico: fare in modo che i computer quantistici possano eseguire compiti specifici più velocemente o in maniera più efficiente rispetto ai sistemi tradizionali basati su 0 e 1.

IBM insomma ritiene che sia opportuno mettere da parte i test di scarsa valenza pratica e concentrarsi, in ottica futura, sulla risoluzione di quei problemi che possono far compiere un importante balzo in avanti all’intero genere umano. Lontano da logiche di marketing e facili “spot”.
Delle due visioni di IBM e Google parliamo in un altro articolo ma va tenuto presente che sono decine le aziende impegnate nello sviluppo di soluzioni per il quantum computing.

Sì, perché i computer quantistici non sostituiranno i computer tradizionali: sono solo destinati a risolvere problemi diversi da quelli risolvibili con i computer classici.
Ciò premesso, qualsiasi problema che è impossibile da risolvere con i computer classici sarà impossibile da risolvere anche con i computer quantistici (i cosiddetti “problemi indecidibili”).
E i computer tradizionali saranno sempre più abili rispetto ai computer quantistici in attività quali l’invio e la ricezione di messaggi di posta elettronica, la gestione di documenti e fogli di calcolo, il desktop publishing e così via.

Non c’è nulla di “magico” nei computer quantistici: la matematica e la fisica che ne governano il funzionamento sono solamente un po’ più complesse.

Alcune informazioni di carattere generale sui computer quantistici

I computer quantistici rappresentano una rivoluzione epocale nell’informatica così come l’abbiamo conosciuta fino ad oggi.

Se infatti i computer tradizionali memorizzano i dati sotto forma di 0 e 1 (codice binario) l’unità di informazione fondamentale nel caso dei computer quantistici, chiamata qubit, permette di memorizzare uno stato intermedio che può assumere diversi valori.

Grazie all’utilizzo del principio della sovrapposizione degli effetti e all’entanglement un computer quantistico può risultare estremamente più potente rispetto a qualunque sistema sino ad oggi realizzato riuscendo a elaborare molti più calcoli in parallelo ma, come detto, possono assolvere compiti ben specifici e in più, per la stessa natura del qubit, sono più soggetti a errori. I qubit sono instabili quindi i computer quantistici devono essere accuratamente isolati dal calore, dalle vibrazioni e dagli atomi vaganti.
I risultati restituiti dal computer quantistico, anche nelle migliori condizioni, possono essere inoltre ritenuti affidabili nel giro di alcuni millisecondi: se trascorre più tempo loro stato quantistico viene destabilizzato e il risultato non può più essere considerato attendibile.

Probabilmente starete pensando che se i computer quantistici risolvono solo problemi affrontabili anche con computer tradizionali, sono complicati da realizzare, installare e gestire, costano pure moltissimo, allora cos’è tutto questo clamore?
I computer quantistici hanno il potenziale per risolvere alcuni problemi meglio più velocemente e più efficientemente dei computer tradizionali. Ordini di grandezza in modo più veloce ed efficiente.

Quali problemi risolvono i computer quantistici

Nell’informatica si classificano i problemi in base a quanti passaggi computazionali ci vorrebbero per risolverli usando gli algoritmi più noti. Ciò si traduce in una valutazione del tempo che impiegherà un computer per risolvere ciascun problema (teoria della complessità computazionale).
Le categorie di problemi sono vaste e spesso si sovrappongono ma le tre categorie più usate sono P, NP, NP-completi.

I problemi P sono quelli che i computer tradizionali possono risolvere in modo efficiente in un tempo polinomiale.
Un esempio? Abbiamo n numeri e un numero k. Ci sono uno o più numeri nell’insieme n più grandi di k? Il problema può essere risolto facilmente in tempo lineare.

Per i problemi NP le soluzioni sono facili da verificare ma difficili da implementare in modo efficiente da un punto di vista informatico.
Ogni problema P è anche un problema NP, quindi la classe P è una sottoclasse della classe NP.

Gli NP-completi sono i problemi più difficili da risolvere. Un esempio di questi problemi è: data una mappa, si può colorarla usando solo tre colori in modo che nessun paese vicino sia dello stesso colore?

Se si riuscisse a progettare una soluzione efficiente per un problema NP-completo allora si potrebbe ad arrivare a una soluzione efficiente per tutti i problemi NP. Fino ad oggi, però, nessun algoritmo conosciuto può risolvere un problema NP-completo in modo efficiente.

I computer quantistici possono risolvere problemi NP-completi in modo efficiente poiché offrono la possibilità di accelerare esponenzialmente i calcoli rispetto all’approccio classico.

Crittografia e sicurezza informatica

Le applicazioni più ovvie dei computer quantistici hanno a che fare con la crittografia e la cybersecurity.
Il complesso problema matematico che rappresenta il cuore della progettazione dei vari schemi crittografici a chiave pubblica è la fattorizzazione di un prodotto di due numeri primi. La ricerca della coppia giusta con i metodi classici richiede “un’eternità”.

La quantum key distribution (QKD) è una metodologia basata proprio sul computing quantistico che permette a due parti di produrre, condividere e usare una chiave segreta casuale in modo assolutamente sicuro. Qualunque tentativo da parte di terzi di risalire alla chiave viene immediatamente riconosciuto perché perturba il canale di comunicazione.

Ricerca nell’ambito della chimica

I sistemi biologici sono straordinariamente complessi: ecco perché è molto impegnativo modellarli e simularli. Con i computer classici è complesso se non impossibile prevedere il comportamento delle molecole biologiche e le interazioni biochimiche.
Per questo motivo la ricerca biomedica, almeno nella fase iniziale, richiede lavorare chimicamente sulle cellule e con sperimentazioni su cavie animali per arrivare eventualmente a fissare condizioni riproducibili.
Utilizzando i computer quantistici la simulazione dei sistemi biologici diventa non soltanto fattibile ma facilmente realizzabile anche sulle macchine attuali suscettibili di enormi migliorie in futuro.

Analisi dei dati

Viviamo nell’era dell’informazione informazioni: la dimensione e la complessità dei dati con i quali dobbiamo interagire cresce anno dopo anno.
Arriverà un tempo in cui anche i supercomputer non riusciranno a gestire l’enorme quantità di dati e non permetteranno di analizzare i big data in modo efficiente estraendo informazioni di valore da montagne di dati.

I computer quantistici possono completare calcoli complessi in pochi secondi, gli stessi calcoli che i computer di oggi impiegherebbero migliaia di anni a elaborare.
Permetteranno alle aziende di analizzare e ottimizzare le informazioni, di esaminare velocemente moli di dati importanti e cercare insiemi di dati da sorgenti non strutturate creando rapidamente dei modelli.

Problemi di ottimizzazione

I problemi di ottimizzazione sono incentrati sulla ricerca della soluzione migliore tra tutte le soluzioni percorribili.
Il modo in cui i computer classici affrontano questo tipo di problemi consiste nell’utilizzo della “forza bruta” per controllare sequenzialmente tutte le possibili risposte: in tante situazioni si tratta di un approccio dispendioso e spesso inapplicabile.
I computer quantistici permettono di usare la sovrapposizione e meccanismi di parallelismo per controllare tutte le risposte possibili risolvendo i problemi di ottimizzazione in modo più efficiente.