Simulazione quantistica di Sistemi Imperfetti. Dimostro che Posso

Come due ricercatori hanno risolto uno dei problemi più ostinati della fisica computazionale, aprendo la strada a simulazioni di tutto ciò che si degrada, si consuma e perde energia

---

Fino a ieri, i computer quantistici erano come quei meccanici d’epoca che sanno riparare solo automobili perfette: motori che non si usurano, freni che non perdono olio, pneumatici che non si consumano mai. Funzionali per i musei, meno utili per il traffico romano.

Il problema non era di poco conto. Guang Hao Low e Rolando Somma hanno appena pubblicato su arXiv la soluzione a uno dei grattacapi più ostinati della simulazione quantistica: come fare i conti con sistemi che si comportano come il mondo reale, cioè perdendo energia, consumandosi, interagendo in modo irreversibile con tutto ciò che li circonda.

Il Mondo Dei Sistemi Perfetti (E Perché Non Basta)

La simulazione quantistica classica funziona magnificamente con i cosiddetti sistemi unitari – matematichese per “sistemi reversibili che conservano l’energia”. È come studiare il moto di una palla da biliardo su un tavolo perfettamente liscio, senza attrito, dove ogni urto è elastico e niente si perde mai.

Bellissimo in teoria, inutile in pratica.

Il mondo reale è fatto di attrito, dispersione, perdite. Le molecole urtano e si scaldano. I fotoni sfuggono dai laser. Le reazioni chimiche producono scarti. I farmaci vengono metabolizzati. Tutto si consuma, sempre.

I precedenti tentativi di simulare questi sistemi non-unitari erano come cercare di aggiustare un’auto moderna con gli attrezzi dell’800: tecnicamente possibile, ma con una complessità computazionale tale da rendere il gioco non degno della candela.

La Svolta: Matematica Elegante per Fisica Disordinata

Low e Somma hanno risolto il problema generalizzando il Linear-Combination-of-Hamiltonian-Simulation – una tecnica che suona più complicata di quanto sia. L’idea di base è geniale nella sua semplicità: invece di simulare direttamente sistemi che si degradano, li rappresentano come combinazioni lineari di sistemi più semplici.

È un po’ come descrivere il sapore di un risotto non elencando ogni singolo chicco di riso, ma specificando la proporzione degli ingredienti base: tanto arborio, quanto parmigiano, una spolverata di zafferano.

Il risultato tecnico: complessità computazionale ottimale di O(t log(1/ε)), dove t è il tempo simulato e ε la precisione desiderata. Ma soprattutto, hanno dimostrato che nessuno potrà mai fare significativamente meglio – è matematicamente impossibile migliorare questo risultato di più di un fattore 3.

Non è “abbiamo trovato un buon algoritmo”. È “abbiamo trovato l’algoritmo perfetto, e ora possiamo smettere di cercarne di migliori”.

Un Mondo Nuovo Da Esplorare

Le implicazioni spaziano in praticamente ogni campo scientifico che si rispetti:

Chimica E Materiali

Simulare finalmente le reazioni chimiche reali, dove le molecole non solo si scontrano ma si scaldano, disperdono energia, formano prodotti di scarto. L’industria farmaceutica potrebbe accelerare la progettazione di nuovi farmaci testando come interagiscono davvero con l’organismo, perdite di efficacia incluse.

Per i materiali, significa progettare superconduttori, batterie, celle solari tenendo conto di come si degradano nel tempo. Non più “funziona in laboratorio”, ma “funziona nel mondo reale per i prossimi vent’anni”.

Biologia Quantistica

La fotosintesi è un processo quantistico che dissipa energia – il contrario di quello che sapevamo simulare prima. Le piante sono maestri dell’efficienza energetica proprio perché sanno gestire le perdite in modo ottimale. Ora possiamo studiare come fanno, e magari imitarle.

Lo stesso vale per il trasporto di energia nelle cellule, dove le proteine funzionano come minuscoli motori molecolari che perdono energia per attrito ma continuano a funzionare per decenni.

Scienze del Clima

L’atmosfera è il regno supremo della dissipazione energetica: correnti che frenano per attrito, gas che si mescolano irreversibilmente, radiazione che si disperde nello spazio. I modelli climatici quantistici potrebbero finalmente tenere conto di questi fenomeni con precisione atomica.

Informatica Quantistica

Paradossalmente, simulare meglio la perdita di informazione potrebbe migliorare la conservazione della stessa. Gli algoritmi di correzione degli errori quantistici beneficeranno di simulazioni più accurate di come i qubit perdono coerenza nell’ambiente reale.

Il Salto Concettuale

La vera eleganza di questo lavoro non sta nella tecnica matematica (per quanto sofisticata), ma nel cambio di prospettiva: invece di cercare di eliminare le imperfezioni del mondo reale, le hanno rese parte integrante della simulazione.

È come la differenza tra fotografare un modello in studio con luci perfette, e imparare a fare ritratti magnifici nella luce naturale, ombre e difetti inclusi. Il secondo approccio è più difficile, ma cattura qualcosa di più vero.

Prospettive Pratiche

Immediato: I simulatori quantistici di IBM, Google, IonQ possono implementare questi algoritmi praticamente subito.

Medio termine: Accelerazione della scoperta di nuovi farmaci, materiali per l’energia, catalizzatori più efficienti.

Lungo termine: Una nuova generazione di tecnologie basate su principi quantistici realistici, non idealizzati.

Il computer quantistico, insomma, sta imparando a vivere nel mondo reale. E questo mondo ha molto da insegnargli.

---

Riferimenti

Low, G.H., Somma, R.D. “Optimal quantum simulation of linear non-unitary dynamics” (2025). arXiv:2508.19238

Il lavoro fa parte di una nuova generazione di algoritmi quantistici che abbandonano l’idealizzazione per abbracciare la complessità del mondo fisico reale.