The Signal
Un preprint dimostra un risultato condizionato di hiding per il GBS con diversi numeri di ingressi compressi
Un preprint su arXiv dimostra un risultato di hiding per il campionamento bosonico gaussiano con un numero arbitrario di ingressi compressi: l’errore tende a zero quando il numero di fotoni è o(√K). La riduzione alla difficoltà computaziona
Quantum.world Team · Scritto con l’IA · verificato ·
Un preprint su arXiv presenta una dimostrazione della congettura di hiding per il campionamento bosonico gaussiano (GBS) con un numero arbitrario di modalità di ingresso compresse. Il risultato sulle distribuzioni è condizionato: per un interferometro con M modalità, K ingressi compressi allo stesso modo e N fotoni rilevati, l’errore indicato è O(N/√K), che tende a zero quando N=o(√K). Il preprint è stato presentato il 19 agosto 2026; non è l’articolo di Quantum precedentemente associato a questo risultato.
«Completiamo la dimostrazione della congettura di hiding per il campionamento bosonico gaussiano con un numero arbitrario K di compressori, che costituisce parte dell’argomentazione sulla difficoltà di simulare il GBS con un computer classico». Scrivono Laura Shou, Alexey V. Gorshkov, Victor Galitski e Sarah H. Miller, autori dell’articolo.
Che cosa la dimostrazione nasconde in un interferometro casuale
Nel campionamento bosonico gaussiano, la luce compressa attraversa una rete di modalità ottiche e i rivelatori registrano il numero di fotoni. Per gli esiti senza collisioni, la probabilità di un’uscita dipende dal quadrato del modulo dell’hafniano di una matrice, una funzione che somma sui possibili accoppiamenti degli elementi della matrice. Le argomentazioni sulla complessità collegano questo calcolo alla difficoltà di riprodurre la distribuzione delle uscite del campionatore su un computer classico.
Il passaggio di hiding consiste nel chiedersi se una matrice gaussiana complessa casuale possa essere incorporata, in termini di distribuzione, come sottomatrice della matrice che descrive la rete ottica. Se le distribuzioni sono vicine secondo la distanza di variazione totale, un ipotetico campionatore può essere usato in una riduzione per stimare gli hafniani di matrici gaussiane. Le dimostrazioni precedenti coprivano il regime con pochi ingressi compressi e il caso in cui tutti gli ingressi sono compressi; il preprint stabilisce il risultato di hiding per i restanti numeri di ingressi compressi, alle condizioni previste per i suoi parametri.
Il limite richiede N=o(√K)
Per un interferometro con M modalità, K ingressi compressi e N fotoni rilevati, gli autori mostrano che la sottomatrice opportunamente riscalata dista O(N/√K), in termini di variazione totale, da una matrice gaussiana complessa simmetrica con elementi indipendenti. Questo errore tende a zero solo nel regime asintotico indicato, N=o(√K), con N≤K≤M. Mostrano inoltre che, in questo regime, il corrispondente prodotto riscalato di una matrice gaussiana indipendente e della sua trasposta si avvicina alla stessa distribuzione gaussiana. L’intervallo N≤K≤M, da solo, non è la condizione che fa tendere a zero l’errore.
La distinzione è importante perché l’argomentazione di hiding richiede che la sottomatrice relativa al conteggio dei fotoni si comporti come le matrici casuali usate nell’analisi della difficoltà computazionale. Il risultato è matematico, non una dimostrazione sperimentale: non presenta un nuovo campionatore, un nuovo conteggio di fotoni o un nuovo benchmark di un dispositivo. Il limite sulle distribuzioni del preprint riguarda K arbitrario, ma non elimina le restrizioni su N.
Perché il precedente metodo di campionamento per rigetto non funziona
Dimostrare che le distribuzioni sono vicine non fornisce, di per sé, un modo efficiente per costruire le istanze nascoste necessarie a una riduzione alla difficoltà computazionale. Il consueto metodo di campionamento per rigetto basato sulle densità si fonda su un confronto puntuale tra la distribuzione delle sottomatrici e una distribuzione gaussiana. Gli autori mostrano che questo confronto fallisce quando K=cM con c<1/2: il rapporto tra le densità può crescere esponenzialmente con M, oppure la densità pertinente potrebbe non esistere.
Usano invece la generazione approssimata di istanze, adattando un metodo che produce matrici unitarie ottiche quasi casuali secondo la misura di Haar e posizioni di uscita distribuite in modo quasi uniforme. La riduzione alla difficoltà computazionale si basa sull’ipotesi che le matrici unitarie e le matrici casuali richieste possano essere rappresentate e calcolate con una precisione finita sufficiente. È una condizione dell’argomentazione, non un risultato sperimentale di ingegneria.
Un’argomentazione sulla difficoltà computazionale, non una dimostrazione del vantaggio quantistico
Il risultato del preprint sostiene una componente dell’argomentazione sulla difficoltà di simulare il campionamento bosonico gaussiano con un computer classico; non stabilisce che ogni esperimento di questo tipo sia intrattabile per un computer classico. La conclusione più ampia dipende anche da una congettura sul caso medio riguardante l’approssimazione dei quadrati dei moduli degli hafniani di matrici gaussiane complesse casuali. Gli autori affermano che, se questa congettura è valida, l’esistenza di un campionatore classico approssimato alle condizioni indicate dalla riduzione implicherebbe il collasso della gerarchia polinomiale.
Questa congettura segna un limite di quanto stabilito dal lavoro. Il preprint dimostra un risultato di hiding per diversi numeri di ingressi compressi, con il limite asintotico indicato, mentre la sua argomentazione sulla difficoltà computazionale dipende anche dalla congettura sugli hafniani e dall’ipotesi di implementazione a precisione finita.