Simulazione quantistica, cos'è, come funziona e a cosa serve

La simulazione quantistica è la ragione originaria per cui il calcolo quantistico è stato immaginato, cioè usare un sistema quantistico controllabile per capire i sistemi quantistici naturali, molecole, materiali e nuclei, che i computer classici possono solo approssimare.

È anche l'applicazione con il vantaggio teorico più solido e i casi d'uso industriali più concreti, dalla farmaceutica ai nuovi materiali o nuove batterie. Questa guida copre l'intero territorio, dalla difficoltà che la motiva alla differenza con l'emulazione quantistica, dalle due famiglie di simulatori al flusso di lavoro con cui si simula una molecola, fino ai metodi classici concorrenti e a come si valida tutto prima di spendere in hardware, il terreno su cui HumanQ sviluppa già oggi i propri progetti di emulazione.

Che cos'è la simulazione quantistica?

La simulazione quantistica è l'uso di un sistema quantistico ben controllato per riprodurre il comportamento di un altro sistema quantistico che non sappiamo calcolare, come le proprietà di una molecola, la dinamica di elettroni in un solido o le fasi di un materiale magnetico. L'idea sfrutta un'affinità di natura, perché il simulatore obbedisce alle stesse leggi del simulato, e quindi rappresenta nativamente ciò che una macchina classica deve codificare a costo esponenziale. Ne esistono due incarnazioni, i simulatori analogici dedicati e la simulazione algoritmica su computer quantistico universale, trattate più sotto. La voce di Wikipedia offre l'inquadramento storico.

Perché i sistemi quantistici sono difficili per i computer classici?

La difficoltà nasce dalla crescita esponenziale dello spazio degli stati, dato che descrivere esattamente n particelle quantistiche interagenti richiede un numero di coefficienti che raddoppia a ogni particella aggiunta.

Cinquanta spin superano la memoria di qualunque supercomputer, mentre una molecola di taglia farmaceutica è fuori discussione.

I metodi classici aggirano l'ostacolo con approssimazioni, spesso eccellenti, ma esistono regimi, come la correlazione elettronica forte e le dinamiche fuori equilibrio, in cui le approssimazioni falliscono sistematicamente. È esattamente il confine dove la simulazione quantistica promette il suo valore, perché non punta a sostituire la chimica computazionale dove funziona, ma a sbloccare i problemi dove essa oggi si deve arrendere.

La stima quantitativa aiuta, dato che aggiungere particelle a una descrizione esatta moltiplica le risorse classiche in modo esponenziale, mentre su un simulatore quantistico il costo cresce in modo lineare con l'aumentare del dimensionamento di sistema.

Qual è la differenza tra simulazione ed emulazione quantistica?

La coppia di termini genera confusione costante, e la distinzione è il fondamento del glossario di questo sito. La simulazione quantistica riproduce la natura, perché il suo bersaglio è un sistema fisico, una molecola o un reticolo di spin. L'emulazione quantistica riproduce invece la macchina, dato che il bersaglio è il processore quantistico stesso, ricostruito su infrastruttura classica per sviluppare e testare circuiti.

Le due attività si incastrano in un flusso di lavoro preciso, in cui il circuito che simulerà la molecola viene progettato, verificato e calibrato in emulazione, dove ogni grandezza è ispezionabile, e solo dopo, se il problema lo richiede, eseguito su hardware reale. Simulare è il fine, mentre emulare è il mezzo con cui ci si arriva preparati, ed è proprio su questo mezzo che HumanQ concentra i propri progetti, per mantenere il focus su ciò che si può sviluppare già oggi.

Cosa sono i simulatori analogici e digitali?

Il simulatore analogico è un sistema fisico costruito su misura, come atomi ultrafreddi in reticoli ottici, ioni intrappolati o array di atomi di Rydberg, i cui parametri vengono regolati perché la sua hamiltoniana coincida con quella del sistema da studiare, dopodiché si prepara, si lascia evolvere e si misura. È potente e già operativo su centinaia di particelle, ma rigido, dato che ogni piattaforma simula la famiglia di modelli per cui è nata. La simulazione digitale usa invece un processore universale, in cui l'evoluzione viene scomposta in porte, con piena programmabilità e, in prospettiva, correzione d'errore, al prezzo di profondità di circuito oggi molto impegnative. La distinzione ricalca quella tra calcolatore analogico e digitale del Novecento, e la storia suggerisce come andrà a regime.

Come si simula una molecola?

Il flusso di lavoro standard ha quattro passaggi.

1. Hamiltoniana. Dalla molecola si costruisce l'hamiltoniana elettronica in una base di orbitali, un oggetto della chimica quantistica classica.
2. Mappatura. Gli operatori fermionici vengono tradotti in operatori di qubit con trasformazioni come Jordan-Wigner o Bravyi-Kitaev.
3. Preparazione e stima. Un circuito quantistico parametrico (chiamato ansatz) prepara uno stato quantistico di prova sul coprocessore. La macchina esegue quindi le misure per stimare il valore di aspettativa dell'energia, calcolando i singoli termini dell'hamiltoniana mappata.
4. Ottimizzazione. I risultati delle misure vengono inviati a un ottimizzatore classico, che aggiorna i parametri del circuito per abbassare l'energia. Il processo itera in un ciclo feedback fino a convergere verso lo stato fondamentale, seguendo l'algoritmo VQE (Variational Quantum Eigensolver) descritto tra gli algoritmi quantistici.

Sulle macchine future, la stima di fase sostituirà il ciclo variazionale con una lettura diretta ed esatta dell'energia.

Quali applicazioni in farmaceutica e materiali?

Le applicazioni più citate, in ordine di concretezza, sono tre.

• Chimica di legame e catalisi. Capire siti attivi ed energie di reazione, con il caso simbolo della nitrogenasi e della fissazione dell'azoto, oggi processo industriale ad altissimo costo energetico.
• Farmaceutica. Affinità di legame e conformazioni dove la correlazione elettronica conta, a integrazione, non in sostituzione, delle pipeline computazionali esistenti.
• Materiali. Batterie, catodi ed elettroliti, superconduttori, magnetismo quantistico, etc. etc.

La serietà della ricerca impone la scala temporale, dato che i sistemi oggi trattabili sono ancora acerbi, e il valore attuale sta nel costruire metodo e competenze sui problemi ridotti, in modo da scalare quando l'hardware lo farà. I programmi europei della Quantum Flagship finanziano esattamente questa traiettoria. Un indicatore concreto da seguire è la dimensione dei sistemi trattati nelle pubblicazioni di punta, la cui crescita è costante, e il sorpasso sui metodi classici avverrà per gradi, problema per problema, non con un solo evento.

Cosa disse Feynman e perché è ancora attuale?

Nel 1982, chiudendo la conferenza che ha sancito l'atto di nascita del calcolo quantistico, Richard Feynman osservò che la natura non è classica e che, per simularla fedelmente, è necessaria una macchina quantistica. Non era una provocazione, ma un manifesto scientifico: l'obiettivo non è semplicemente accelerare gli algoritmi esistenti, ma mappare la realtà su un'architettura che ne rispetti le leggi intrinseche, evitando le approssimazioni forzate dei computer tradizionali.

A distanza di decenni questa diagnosi resta inattaccabile. La simulazione quantistica rappresenta l'applicazione con la giustificazione teorica più solida dell'intero settore: in questo dominio, il vantaggio non dipende da congetture algoritmiche o scorciatoie software, ma dalla corrispondenza strutturale perfetta tra il problema chimico-fisico e il modello di emulazione.

Quali metodi classici competono?

I metodi classici sono concorrenti formidabili ed evoluti, ed è con loro che ogni nuova architettura deve confrontarsi prima di promettere rivoluzioni. La frontiera dell'emulazione quantistica si misura infatti rispetto a baseline d'eccellenza, e non contro la diagonalizzazione a forza bruta:

Ogni claim serio di superiorità nella simulazione deve dichiarare quale di queste baseline classiche ha superato e con quale scarto. Si tratta di una competizione sinergica: la sfida quantistica sta spingendo gli stessi algoritmi classici a progressi straordinari, a beneficio dell'intera ricerca computazionale.

Come si valida una simulazione in emulazione?

La validazione in emulazione è il collaudo che separa un progetto credibile da una demo, perché la catena di approssimazioni viene verificata anello per anello. Si confronta lo stato evoluto con la soluzione esatta sulle istanze piccole, si misura l'errore di discretizzazione al variare del passo, si stima l'effetto del rumore attivando modelli calibrati, e si dimensionano il numero di misure e la profondità del circuito. Quando il circuito approda all'hardware, ogni discrepanza ha così già una spiegazione attesa. È esattamente il flusso di lavoro per cui è HumanQ, dove questi progetti di validazione si sviluppano già oggi, senza attendere l'hardware di domani.

Quando conviene investire nella simulazione quantistica?

Conviene investire quando tre condizioni si incontrano.

• Un limite documentato. Nel portafoglio problemi dell'organizzazione esiste chimica o scienza dei materiali dove i metodi classici mostrano limiti documentati, non generici.
• Un valore che giustifica. Il valore economico di sbloccare quel limite giustifica un programma pluriennale, perché di questo si tratta.
• La volontà di costruire competenze interne. Il vantaggio competitivo starà nel saper porre i problemi, non nell'accesso all'hardware, che sarà commodity.

Il percorso raccomandato parte in piccolo, con un'istanza ridotta del problema reale, prototipata in emulazione con baseline classica a fianco, dentro un progetto di quantum readiness con metriche di uscita chiare. E se le tre condizioni non ci sono ancora, la risposta onesta è aspettare monitorando, perché nella simulazione quantistica arrivare secondi con giudizio costa meno che arrivare primi senza metodo.