Con il chip Willow e l’algoritmo Quantum Echoes, Google raggiunge un vantaggio quantistico verificabile

Quantum-Echoes

Google annuncia l’aggiornamento raggiunto nel Quantum computing,  a poche settimane dal Nobel assegnato a Michel Devoret, chief scientist del Google Quantum Lab: nasce il primo algoritmo quantistico in assoluto con un vantaggio quantistico verificabile su hardware denominato “Quantum Echoes“.

Perché Quantum Echoes è importante

I computer quantistici saranno in grado di risolvere problemi del mondo reale che i supercomputer classici non possono affrontare, in campi che vanno dalla scoperta di farmaci alla progettazione di batterie, fino all’energia da fusione.

Raggiungere il vantaggio quantistico (quantum advantage) con l’algoritmo Quantum Echoes o qualsiasi altro algoritmo quantistico verificabile è stata una vera sfida, a causa degli elevati errori hardware o della lentezza delle frequenze di clock dell’hardware.

Con il chip Willow, Google ha dimostrato errori di gate quantistico migliori nella categoria e i tassi di esecuzione dei circuiti quantistici più elevati rispetto ad altre piattaforme di calcolo quantistico.

In totale, sono state eseguite un trilione di misurazioni per ottimizzare l’algoritmo Quantum Echoes e raggiungere il regime beyond-classical.

Verso la prima applicazione del Quantum nel mondo reale

L’algoritmo Quantum Echoes può spiegare le interazioni tra gli atomi in una molecola del mondo reale utilizzando la risonanza magnetica nucleare (NMR).

Eseguito sul chip Willow, l’algoritmo Quantum Echoes rivela un chiaro “eco” della struttura della molecola. Come l’uso degli echi per mappare una caverna, l’algoritmo può svelare strutture molecolari che sono difficili da mappare con i computer classici.

La NMR è una tecnica comune in chimica che misura le interazioni tra gli atomi all’interno di una molecola, per comprenderne la struttura e il comportamento. La NMR è anche la scienza alla base della tecnologia di risonanza magnetica per immagini.

Una NMR migliore potrebbe essere utile per la scoperta di farmaci, ad esempio determinando come i potenziali medicinali si legano ai loro target. E nella scienza dei materiali, per caratterizzare la struttura molecolare di nuovi materiali come polimeri, catalizzatori e componenti per batterie.