Circuiti superficiali indotti dal rumore e l’assenza di barren plateaus

Perché i chip quantistici rumorosi sono ancora rilevanti

I computer quantistici promettono di risolvere certi problemi molto più velocemente dei calcolatori convenzionali, ma i dispositivi odierni sono fragili e soggetti a rumore. Questo lavoro pone una domanda semplice con grandi conseguenze pratiche: cosa possono realmente fare i chip quantistici imperfetti e realistici prima dell’arrivo della correzione completa degli errori? Analizzando come il rumore rimodella il comportamento dei circuiti quantistici tipici, gli autori mostrano che molti algoritmi ambiziosi nel breve termine si riducono silenziosamente alla potenza di circuiti molto più superficiali, che spesso possono essere imitati su un computer classico.

Circuiti profondi che si comportano come superficiali

Gli algoritmi quantistici moderni spesso si basano sull’esecuzione di circuiti molto profondi, impilando strato su strato di porte quantistiche su molti qubit. In teoria, più strati permettono comportamenti quantistici più complessi. Ma non appena ogni qubit è esposto a rumore locale realistico, la maggior parte di quegli strati smette di avere effetto sulle grandezze di interesse per i fisici e i progettisti di algoritmi: i valori attesi di osservabili, come energie medie o magnetizzazioni. Gli autori dimostrano che, per circuiti casuali tipici, l’influenza di qualsiasi porta su tali valori attesi decresce esponenzialmente con la distanza dallo strato finale. In pratica, solo un numero di strati che cresce approssimativamente in modo logaritmico con la dimensione del sistema contribuisce in modo significativo.

Rumore che previene paesaggi di addestramento piatti

Gli algoritmi quantistici variazionali e i metodi di apprendimento automatico quantistico vengono addestrati regolando molti parametri delle porte per minimizzare una funzione di costo costruita su medie di osservabili. Una preoccupazione importante è l’emergere di barren plateaus, dove il paesaggio del costo diventa quasi perfettamente piatto e i gradienti quasi scompaiono, rendendo impraticabile l’addestramento. Studi precedenti hanno mostrato che certi tipi di rumore “bilanciato” possono scatenare questi plateau. Qui gli autori esaminano invece il rumore più realistico “squilibrato” che tende a spingere i qubit verso stati particolari. Sotto questo tipo di rumore trovano che, per funzioni di costo composte da osservabili locali, il paesaggio non si appiattisce: la dispersione dei valori di costo resta consistente e i gradienti mantengono una dimensione ragionevole, indipendentemente dalla profondità del circuito.

Ma solo gli ultimi strati sono davvero addestrabili

Questa assenza di barren plateaus potrebbe sembrare una buona notizia per l’apprendimento automatico quantistico, ma c’è un colpo di scena. Lo stesso rumore che mantiene vivi i gradienti rende anche quasi tutti irrilevanti. Gli autori mostrano che i parametri posti in profondità nel circuito hanno un effetto trascurabile sulle osservabili locali; l’informazione utile del gradiente risiede quasi interamente negli ultimi pochi strati, il cui numero peraltro cresce solo in modo logaritmico con la dimensione del sistema. In altre parole, un circuito variazionale molto profondo e rumoroso si comporta, ai fini dell’addestramento, come uno molto più superficiale: la maggior parte delle porte regolabili è di fatto congelata dal rumore.

I computer classici tengono il passo più facilmente

Una volta che i circuiti profondi e rumorosi agiscono come superficial i, diventano molto più facili da imitare con algoritmi classici. Gli autori usano il loro modello di profondità effettiva per progettare procedure classiche che stimano le stesse medie di osservabili con una precisione target fissata, con alta probabilità di successo, per quasi ogni architettura di circuito. Concentrandosi sulla regione d’influenza delle osservabili locali ed sfruttando come il rumore sopprime schemi multi‑qubit complessi, mostrano che i tempi di esecuzione classici possono restare efficienti anche quando i circuiti quantistici sottostanti sono estremamente profondi. Per molti obiettivi di precisione pratici ciò vale su un’ampia gamma di architetture, da catene monodimensionali a disposizioni completamente connesse.

Cosa significa per il vantaggio quantistico nel breve termine

Per compiti basati sulla stima di valori attesi, come molti algoritmi variazionali proposti e schemi di apprendimento quantistico, questi risultati dipingono un quadro sobrio. Nelle situazioni tipiche, i circuiti quantistici rumorosi con rumore realistico, eventualmente squilibrato, non offrono sostanzialmente più potenza di circuiti superficiali scelti con cura che i computer classici spesso possono gestire. Sebbene progettazioni di circuito appositamente studiate possano ancora sfruttare il rumore in modo ingegnoso per superare questo limite, tali casi sono l’eccezione più che la regola. Per il dispositivo rumoroso medio, il rumore stesso comprime i calcoli quantistici in una forma superficiale e accessibile classicamente.

Citazione: Mele, A.A., Angrisani, A., Ghosh, S. et al. Noise-induced shallow circuits and the absence of barren plateaus. Nat. Phys. 22, 751–756 (2026). https://doi.org/10.1038/s41567-026-03245-z

Parole chiave: rumore quantistico, circuiti quantistici rumorosi, algoritmi quantistici variazionali, simulazione classica, barren plateaus