Come si può apprendere uno stato quantistico della luce? Come si può distribuire informazione quantistica attraverso un collegamento ottico? È possibile superare la sfida delle regolarizzazioni nella teoria di Shannon quantistica? Questa tesi affronta tutte e tre queste questioni. La prima parte della tesi studia l’intersezione tra due importanti ambiti di ricerca: la teoria dell’apprendimento quantistico e i sistemi a variabili continue (continuous-variable, CV). La teoria dell’apprendimento quantistico si occupa di come estrarre informazione classica da sistemi quantistici nel modo più efficiente possibile. I sistemi CV sono onnipresenti in natura e nelle tecnologie quantistiche, in quanto modellano sistemi bosonici e piattaforme di ottica quantistica. Questa intersezione solleva numerose domande aperte di grande interesse, alcune delle quali vengono affrontate in questa tesi. Una prima domanda naturale riguarda i limiti ultimi della tomografia per sistemi CV. Rispondiamo a questa domanda dimostrando che: (i) la tomografia di stati non gaussiani è estremamente inefficiente; (ii) la tomografia di stati gaussiani è efficiente; e (iii) la complessità campionaria della tomografia CV cresce esponenzialmente con il grado di non gaussianità dello stato incognito. Altre domande naturali affrontate in lavori successivi correlati includono l’apprendimento efficiente di processi gaussiani e il problema di testare in modo efficiente se uno stato CV incognito sia gaussiano oppure lontano dall’insieme degli stati gaussiani. Come sottoprodotto delle nostre analisi, otteniamo diversi limiti sulla distanza in traccia tra stati CV in funzione delle loro matrici di covarianza, che forniscono un utile insieme di strumenti per la ricerca nella teoria dell’apprendimento quantistico con sistemi CV e potenzialmente anche in altri contesti. La seconda parte della tesi si concentra sulla teoria di Shannon quantistica per sistemi CV. Uno degli obiettivi principali di questa disciplina è comprendere come trasmettere informazione classica o quantistica in modo efficiente attraverso canali quantistici. Iniziamo determinando il massimo livello di rumore compatibile con la distribuzione di chiavi quantistiche e con la distribuzione di entanglement su canali gaussiani bosonici a fase insensibile, che costituiscono modelli standard per fibre ottiche e collegamenti in spazio libero. Raggiungiamo questo obiettivo stabilendo limiti inferiori allo stato dell’arte per la capacità di chiave segreta e per la capacità quantistica a due vie nel regime di alto rumore. Studiamo poi la comunicazione quantistica bosonica sotto diversi vincoli realistici, inclusi l’effetto combinato di perdita di fotoni e decoerenza di fase, nonché la presenza di rumore non markoviano (con memoria); in lavori successivi correlati consideriamo inoltre il regime one-shot di un numero finito di usi del canale e tolleranza di errore non nulla. La parte finale della tesi si sposta sui sistemi a dimensione finita e affronta un ostacolo centrale nella teoria di Shannon quantistica: il problema delle regolarizzazioni, che rende computazionalmente intrattabile ottenere una comprensione quantitativa precisa dell’efficienza ultima di compiti operativi fondamentali quali la manipolazione dell’entanglement. In questo contesto, consideriamo il problema del calcolo del costo asintotico di entanglement per la preparazione esatta di stati quantistici rumorosi sotto operazioni PPT. Basandoci su una precedente caratterizzazione del costo di entanglement PPT in termini di una formula regolarizzata, costruiamo invece una gerarchia di programmi semidefiniti che aggira completamente il problema della regolarizzazione e converge esponenzialmente al vero valore asintotico del costo di entanglement. Per quanto a nostra conoscenza, questa è la prima volta in cui una misura di entanglement asintotica risulta essere computabile in modo efficiente nonostante l’assenza di una formula single-letter in forma chiusa.
Come si può apprendere uno stato quantistico della luce? Come si può distribuire informazione quantistica attraverso un collegamento ottico? È possibile superare la sfida delle regolarizzazioni nella teoria di Shannon quantistica? Questa tesi affronta tutte e tre queste questioni. La prima parte della tesi studia l’intersezione tra due importanti ambiti di ricerca: la teoria dell’apprendimento quantistico e i sistemi a variabili continue (continuous-variable, CV). La teoria dell’apprendimento quantistico si occupa di come estrarre informazione classica da sistemi quantistici nel modo più efficiente possibile. I sistemi CV sono onnipresenti in natura e nelle tecnologie quantistiche, in quanto modellano sistemi bosonici e piattaforme di ottica quantistica. Questa intersezione solleva numerose domande aperte di grande interesse, alcune delle quali vengono affrontate in questa tesi. Una prima domanda naturale riguarda i limiti ultimi della tomografia per sistemi CV. Rispondiamo a questa domanda dimostrando che: (i) la tomografia di stati non gaussiani è estremamente inefficiente; (ii) la tomografia di stati gaussiani è efficiente; e (iii) la complessità campionaria della tomografia CV cresce esponenzialmente con il grado di non gaussianità dello stato incognito. Altre domande naturali affrontate in lavori successivi correlati includono l’apprendimento efficiente di processi gaussiani e il problema di testare in modo efficiente se uno stato CV incognito sia gaussiano oppure lontano dall’insieme degli stati gaussiani. Come sottoprodotto delle nostre analisi, otteniamo diversi limiti sulla distanza in traccia tra stati CV in funzione delle loro matrici di covarianza, che forniscono un utile insieme di strumenti per la ricerca nella teoria dell’apprendimento quantistico con sistemi CV e potenzialmente anche in altri contesti. La seconda parte della tesi si concentra sulla teoria di Shannon quantistica per sistemi CV. Uno degli obiettivi principali di questa disciplina è comprendere come trasmettere informazione classica o quantistica in modo efficiente attraverso canali quantistici. Iniziamo determinando il massimo livello di rumore compatibile con la distribuzione di chiavi quantistiche e con la distribuzione di entanglement su canali gaussiani bosonici a fase insensibile, che costituiscono modelli standard per fibre ottiche e collegamenti in spazio libero. Raggiungiamo questo obiettivo stabilendo limiti inferiori allo stato dell’arte per la capacità di chiave segreta e per la capacità quantistica a due vie nel regime di alto rumore. Studiamo poi la comunicazione quantistica bosonica sotto diversi vincoli realistici, inclusi l’effetto combinato di perdita di fotoni e decoerenza di fase, nonché la presenza di rumore non markoviano (con memoria); in lavori successivi correlati consideriamo inoltre il regime one-shot di un numero finito di usi del canale e tolleranza di errore non nulla. La parte finale della tesi si sposta sui sistemi a dimensione finita e affronta un ostacolo centrale nella teoria di Shannon quantistica: il problema delle regolarizzazioni, che rende computazionalmente intrattabile ottenere una comprensione quantitativa precisa dell’efficienza ultima di compiti operativi fondamentali quali la manipolazione dell’entanglement. In questo contesto, consideriamo il problema del calcolo del costo asintotico di entanglement per la preparazione esatta di stati quantistici rumorosi sotto operazioni PPT. Basandoci su una precedente caratterizzazione del costo di entanglement PPT in termini di una formula regolarizzata, costruiamo invece una gerarchia di programmi semidefiniti che aggira completamente il problema della regolarizzazione e converge esponenzialmente al vero valore asintotico del costo di entanglement. Per quanto a nostra conoscenza, questa è la prima volta in cui una misura di entanglement asintotica risulta essere computabile in modo efficiente nonostante l’assenza di una formula single-letter in forma chiusa.
Nella teoria dell'informazione classica una delle proprietà utilizzate per descrivere un canale di comunicazione è la capacità, ovvero la grandezza che quantifica l'informazione massima che può essere trasmessa efficacemente con un uso del canale. La teoria dell'informazione quantistica nasce dal tentativo di estendere a livello quantistico i risultati della teoria classica, questo avviene anche per il concetto di capacità. Usare un sistema quantistico per trasmettere informazione offre più alternative di quelle disponibili classicamente: si possono estrarre sia informazione classica che informazione quantistica, e la capacità è caratterizzata diversamente nei due casi. L'obiettivo di questa tesi è quello di studiare la natura dei canali quantistici per, nota la definizione operativa della capacità nella teoria dell'informazione classica, ottenere le espressioni della loro capacità classica e della loro capacità quantistica. Per questa trattazione, si parte dalla riformulazione della meccanica quantistica con il formalismo dell'operatore densità, formalismo che permette di modellizzare matematicamente i canali quantistici come mappe completamente positive che conservano la traccia. Successivamente si dimostra il teorema di Shannon, teorema che dà l'espressione operativa della capacità classica e punto di partenza per tutte le generalizzazioni quantistiche. Proseguendo quindi, per la capacità classica di un canale quantistico si affronta la distinzione dovuta alla possibilità di avere in ingresso nel canale stati separabili o stati entangled; per la capacità quantistica si ottiene la formula regolarizzata generale e si presenta una classe di canali per cui non serve la regolarizzazione.
Questo lavoro esamina le applicazioni del quantum computing in data science, riformulando problemi di ottimizzazione e machine learning attraverso un formalismo ibrido quantistico-classico. Innanzitutto, vengono presentati i concetti fondamentali della meccanica quantistica, limitando lo studio all’area di interesse del quantum computing ma allo stesso tempo impostando il contesto matematico in modo rigoroso. Dopodiche, attraverso una panoramica dell’hardware presente ad oggi e di quello atteso per il futuro prossimo, e con l’esaminazione dei problemi legati al rumore e al ridotto numero di qubit disponibili nei dispositivi quantistici moderni, si motiva il bisogno di un approccio ibrido per risolvere problemi complessi, che permetta ad hardware classico e quantistico di lavorare sinergicamente. Lo scopo di questo lavoro e quello di presentare strategie per modellare problemi di ottimizzazione e supervised e reinforcement learning in modo da far lavorare una Quantum Processing Unit sulle parti degli algoritmi computazionalmente piu costose. Vengono discussi sia i benefici sia gli svantaggi: i primi sono strettamente legati alla scelta di un modello di computazione nuovo, dal quale ci si aspetta l’esecuzione di operazioni classicamente intrattabili e lo sfruttamento della velocita intrinseca dei sistemi quantistici di raggiungere il ground state; i secondi derivano principalmente dalle attuali limitazioni ingegneristiche che non permettono un controllo efficiente di sistemi quantistici a larga scala. Vengono esaminati quattro casi di studio: un problema di classificazione di immagini auto-costruite attraverso un algoritmo di Support Vector Machine, il quale sfrutta funzioni che portano i dati dallo spazio di input allo spazio degli stati quantistici, construendo cosi un kernel quantum-enhanced; un problema di reinforcement learning, formulato come Quadratic Unconstrained Binary Optimisation (QUBO), con lo scopo di trovare una strategia vincente per il gioco del Blackjack usando dati auto-simulati; il Number Partitioning Problem, formulato come QUBO, che rappresenta lo scenario piu complesso dal punto di vista della connettivita dei qubit e, per grandi istanze, e capace di raggiungere la complessita di problemi reali; infine, il problema del limited-assets Markowitz portfolio optimisation, riscritto come QUBO, al fine di implementare un’euristica quantum-inspired che possa sormontare la complessita del problema al crescere della dimensione dell’input. Nel corso di questo lavoro sono stati analizzati sia l’approccio di computazione universale gate-model, sia quello di adiabatic quantum computing, con particolare attenzione verso quest’ultimo attraverso la maggior parte dei casi di studio. Per uno di questi, il Number Partitioning Problem, e stato sfruttato l’accesso in cloud ad un quantum annealer, che ha permesso uno studio completo delle capacita di tale macchina, in grado di risolvere tra i problemi piu complessi che i quantum computer moderni possano affrontare. Infine, non solo questo lavoro valuta l’accuratezza e la qualita delle soluzioni dei problemi esaminati, ma si concentra anche sul paragone tra strategie quantistiche e classiche, evidenziando le differenze e i benefici che un approccio quantistico o ibrido quantistico-classico puo portare nella risoluzione di problemi di ottimizzazione e machine learning, specialmente con l’eventuale disponibilita, nel futuro prossimo, di dispositivi a piu larga scala.
Il dibattito sui fondamenti e sulla filosofia della meccanica quantistica si è arricchito negli ultimi decenni di nuove riflessioni e nuove idee, che difficilmente trovano posto però nei testi divulgativi e nei manuali. Questo volume si propone di colmare tale lacuna, accompagnando il lettore lungo un percorso che parte dai concetti di base della teoria (vettore di stato, funzione d’onda, dinamica e proprietà dei sistemi) e arriva alla spiegazione dei fenomeni quantistici più importanti (dualismo onda-corpuscolo, principio di sovrapposizione, entanglement), per approdare infine all’analisi delle sfide interpretative più complesse, come il problema della misura, il carattere statistico e il rapporto tra formalismo e ontologia. Ampio spazio è dedicato al significato del principio di indeterminazione, alla descrizione di alcuni apparenti paradossi (gatto di Schrödinger, scatola di Einstein) e alla teoria della decoerenza, che descrive il passaggio dalla meccanica quantistica alla meccanica classica. Il testo è corredato di riquadri di approfondimento in cui vengono esaminati temi più avanzati e tracciati collegamenti fra i diversi argomenti. Il volume si inserisce, dunque, nella discussione attuale sui fondamenti, offrendo al lettore una chiave di lettura chiara e rigorosa dell’interpretazione standard della meccanica quantistica.
Gli organismi viventi, dal punto di vista termodinamico, sono simili a dei sistemi aperti, che operano lontano dall’equilibrio. Infatti, i processi metabolici della vita si basano su continui flussi interni e scambi di energia, materia e informazioni degli organismi con l’ambiente circostante. Ad un livello fisico più profondo, tuttavia, questi scambi sono mediati da oscillazioni quantistiche ondulatorie che comprendono, ad esempio: oscillazioni meccaniche, elettromagnetiche, nucleari e termiche. Anche il vuoto, secondo la Teoria Quantistica dei Campi (Quantum Field Theory – QFT), è sede di inarrestabili fluttuazioni quantistiche. Alla luce di questo, è ragionevole sostenere che gli organismi viventi sono sistemi aperti lontani non solo dall’equilibrio termodinamico, ma anche dall’equilibrio quantistico. Questo determina ed influenza anche i diversi livelli di coscienza degli organismi viventi. L’articolo propone un modello della coscienza degli organismi viventi, basato su un approccio più ampio rispetto a quello della Meccanica Quantistica e della QFT: questo nuovo approccio si propone infatti di considerare i processi della coscienza, oltre l’equilibrio quantistico, caratteristica fondamentale della vita. Il modello di coscienza proposto fa leva sulla teoria di de Broglie-Bohm che ha portato alla definizione del campo e potenziale quantistico: in particolare, la coscienza viene definita come un campo quantistico, il cui potenziale associato viene elaborato dall’organismo vivente, come informazione attiva. In analogia con il campo quantistico della teoria di de Broglie-Bohm per la materia inanimata, anche il campo quantistico della coscienza della materia vivente non ha sorgenti e la sua forma o curvatura ha più importanza fisica dell’ampiezza: in particolare, si propone che tale curvatura sia associata a condensazioni dei bosoni di Nambu Goldstone (come previsto dalla QFT) a seguito di rotture di simmetria di tale campo.
La fisica quantistica, rappresenta una delle maggiori scientifiche e culturali nella storia umana. Gran parte della moderna tecnologia e della nostra comprensione della realtà fisica si basano su di essa. La fisica quantistica rappresentò una reale rivoluzione culturale in quanto prevede un comportamento delle particelle che contraddice radicalmente il nostro modo di comprendere la realtà quotidiana e i presupposti su cui è stata fondata tutta la fisica precedente. Eppure, a distanza di un secolo dalla sua fondazione, a causa principalmente del formalismo matematico astratto e complesso su cui si basa, rimane per i non addetti ai lavori e per gli studenti di liceo qualcosa di misterioso e bizzarro. In questo lavoro illustriamo un approccio didattico, che prende spunto da recenti tentativi di riformulare questa teoria sulla base di principi fisici elementari. Tale approccio ha il vantaggio di non utilizzare il formalismo matematico degli spazi di Hibert e degli operatori Hermitiani, e di ricavare in modo intuitivo e ragionevole i concetti fondamentali di indeterminazione ed entanglement. Ci auguriamo che questo approccio possa contribuire ad una maggiore diffusione e comprensione di questo patrimonio scientifico e culturale.
Questa tesi esplora metodi computazionali quantistici per la risoluzione di problemi chiave nell'elettromagnetismo computazionale, affrontando i limiti di scalabilità dei risolutori classici quando si tratta di sistemi elettromagnetici di grandi dimensioni, ad alta frequenza o altamente complessi. Sfruttando l'analogia formale tra le equazioni di Maxwell e la dinamica di tipo Schrödinger, il lavoro sviluppa algoritmi quantistici in grado di rappresentare ed evolvere campi elettromagnetici in modo efficiente all'interno di framework di meccanica quantistica. Il primo contributo è l'applicazione del Variational Quantum Eigensolver (VQE) per calcolare i modi elettrici trasversali (TE) e magnetici trasversali (TM) in guide d'onda rettangolari e cilindriche. Riformulando l'equazione di Helmholtz come un problema di autovalori hamiltoniano quantistico, si dimostra che il VQE estrae accuratamente i modi fondamentali e di ordine superiore utilizzando simulatori a pochi qubit, evitando il calcolo a spettro completo. La seconda parte analizza l'algoritmo di ottimizzazione approssimata quantistica (QAOA) per la configurazione di superfici intelligenti riconfigurabili (RIS). Modellando il controllo RIS come un'hamiltoniana a vetro di spin, l'algoritmo identifica configurazioni di fase ottimali in ambienti multipath e fornisce un'analisi di plateau sterili e dinamiche di training, evidenziando sia i limiti potenziali che quelli attuali dell'era NISQ. Infine, la tesi introduce la simulazione hamiltoniana alle differenze finite (FDHS) delle equazioni di Maxwell utilizzando sia la decomposizione di Trotter-Suzuki (TSD) che la formulazione di Riemann-Silberstein. Questi metodi consentono l'evoluzione temporale unitaria dei campi elettromagnetici su hardware quantistico e dimostrano uno stretto accordo con i risultati FDTD classici. Insieme, questi contributi stabiliscono un quadro unificato per l'elettromagnetismo computazionale quantistico, mostrando come gli algoritmi quantistici possano affrontare l'analisi modale, l'ottimizzazione elettromagnetica e la simulazione full-wave con una migliore scalabilità e rappresentazioni quantistiche native.