Visto l’attuale stato dell’arte delle librerie per lo sviluppo di programmi quantistici e la loro tendenza a concentrarsi sul linguaggio di programmazione Python, lo scopo di questo lavoro è la realizzazione di un framework che consenta di scrivere, simulare e mandare in esecuzione su hardware reale circuiti quantistici basati sull’ecosistema Quil in un qualunque linguaggio di programmazione. Tale obiettivo sarà raggiunto mediante un’architettura incentrata su una libreria a basso livello realizzata in Rust e una interfaccia API basata sulla FFI di C.
Visto l’attuale stato dell’arte delle librerie per lo sviluppo di programmi quantistici e la loro tendenza a concentrarsi sul linguaggio di programmazione Python, lo scopo di questo lavoro è la realizzazione di un framework che consenta di scrivere, simulare e mandare in esecuzione su hardware reale circuiti quantistici basati sull’ecosistema Quil in un qualunque linguaggio di programmazione. Tale obiettivo sarà raggiunto mediante un’architettura incentrata su una libreria a basso livello realizzata in Rust e una interfaccia API basata sulla FFI di C.
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.
La crittografia si sviluppa e perfeziona per rispondere all'esigenza di segretezza nella trasmissione delle informazioni. La crittografia quantistica consente, al contrario di quella correntemente usata, di inviare messaggi che non potranno essere decifrati e di vanificare al massimo i tentativi di una loro intercettazione. Partendo dalla storia dei codici segreti, il libro affronta gli sviluppi pertinenti della teoria quantistica, per approdare infine alla più avanzata ricerca scientifica e tecnologica. Lo scopo è quello di richiamare l'attenzione su un tema le cui applicazioni pratiche coprono molti settori d'interesse strategico e sono destinate, nel prossimo futuro, a rivoluzionare i metodi di scambio delle informazioni.
Il Quantum Computing (QC) è rimasto a lungo un’idea nell’immaginario della comunità scientifica, ma grazie agli enormi progressi degli ultimi decenni sta acquistando una credibilità crescente al punto da ritenere realistica la sua applicazione su larga scala su un orizzonte temporale relativamente vicino. I computer quantistici implementano una nuova modalità di processare le informazioni e, se la tecnologia riuscirà a rendere disponibile la capacità di calcolo che promette, potranno essere utilizzati per analizzare problemi non trattabili dai computer classici, aprendo nuove opportunità in termini di scoperte, innovazione e applicazione con impatti che potrebbero essere rivoluzionari in tutti i settori. Anche se la tecnologia non ha raggiunto ancora la piena maturità, è già conveniente utilizzare il QC eventualmente con opportuni adattamenti, capendo le modalità e le logiche della programmazione quantistica, beneficiando dei vantaggi e delle opportunità di sviluppo di nuovi use cases e di apertura di nuovi scenari. L’articolo si propone di fornire una panoramica sulle applicazioni, le tipologie di quantum computer, gli ambienti di sviluppo e la modellizzazione algoritmica per mostrare come il QC possa a tutti gli effetti essere preso in considerazione per sviluppare use case reali. In fondo il quantum non è poi così “spooky” come potrebbe sembrare...
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 di tesi e incentrato principalmente nelle tecniche avanzate di ottimizzazione per comunicazioni quantistiche, ed in generale applicazioni a regime di singolo fotone in spazio libero.
Si tratta di un’attivita inserita nell’ambito di vari progetti che coinvolgono i dipartimenti di Ingegneria dell’Informazione e Astronomia dell’Universita degli Studi di Padova. Il lavoro svolto e introdotto da una sezione dedicata alla crittografia classica, seguita da una parte dedicata alla crittografia quantistica che ne illustra i concetti base e i principali protocolli. Si da inoltre particolare risalto alle tecnologie attualmente impiegate per l’implementazione di sistemi reali QKD (Quantum Key Distribution).
In particolare verra descritto QuAKE: il sistema di crittografia quantistica basato su protocollo B92, le cui fasi di composizione e collaudo sono state svolte presso i laboratori LUXOR dell’Universita degli Studi di Padova. Si iniziera da una descrizione generale del sistema, in cui si espongono e analizzano le scelte progettuali per la realizzazione
dell’apparato; in seguito si esporranno le soluzioni adottate per
l’assemblaggio dell’ottica del trasmettitore e del ricevitore, andando a caratterizzare singolarmente tutti i componenti utilizzati nel sistema.
Si illustrera in dettaglio la fase di montaggio di QuAKE, mettendo
in rilievo le difficolta incontrate e le relative soluzioni adottate. Ampio risalto verra riservato ai test sperimentali effettuati. Verranno inoltre descritti con accuratezza tutti i software, proprietari e non, utilizzati, in modo da rendere questa tesi una guida utile per il setup completo del sistema. Alla fine si esporranno i risultati empirici ottenuti in laboratorio e i possibili sviluppi futuri
Come tutte le grandi scoperte, il computer quantistico nasce da un'idea visionaria. Nel caso specifico, l'idea fu avanzata dal premio Nobel Richard P. Feynman che in uno dei suoi più famosi articoli lo suggerì come una possibile soluzione al problema: `Can physics be simulated by a universal computer?'. In questo articolo, racconteremo l'evoluzione della ricerca teorica e sperimentale in quell'area che oggi è nota come `computazione quantistica', dall'idea di Feynman ai nostri giorni, descrivendo i risultati ottenuti sia nell'ambito della realizzazione fisica del computer quantistico, sia riguardo ad aspetti più prettamente informatici relativi alla teoria della calcolabilità e degli algoritmi e complessità.