La descrizione della meccanica quantistica tramite l’integrale di cammino permette l’introduzione di metodi di approssimazione utili per la descrizione del limite semiclassico dei sistemi quantistici. Si rivedranno questi metodi, con particolare enfasi sul metodo perturbativo, su quello degli istantoni e il metodo WKB. Si confronteranno queste tecniche applicate al problema del decadimento di un vuoto metastabile.
La descrizione della meccanica quantistica tramite l’integrale di cammino permette l’introduzione di metodi di approssimazione utili per la descrizione del limite semiclassico dei sistemi quantistici. Si rivedranno questi metodi, con particolare enfasi sul metodo perturbativo, su quello degli istantoni e il metodo WKB. Si confronteranno queste tecniche applicate al problema del decadimento di un vuoto metastabile.
La tesi e un'introduzione ai metodi della meccanica quantistica supersimmetrica e alle conseguenti applicazioni. Tali metodi permettono di determinare lo spettro e le autofunzioni di un certo Hamiltoniano, attraverso l’analisi di concetti basati sulla meccanica quantistica supersimmetrica: potenziali partner, condizioni di invarianza in forma e trasformazioni tramite operatori detti supercariche. Il primo capitolo contiene un’introduzione alle proprieta dell’algebra supersimmetrica in ambito quantistico, con accenni non rigorosi in teoria di campo. Nel secondo capitolo si passa all’analisi del processo di fattorizzazione di un problema a potenziale unidimensionale, evidenziandone lo stretto legame con spettro e autofunzioni di un secondo Hamiltoniano, il partner supersimmetrico. Nel terzo capitolo si accenna, poi, alle implicazioni della rottura spontanea di supersimmetria. Il quarto e quinto capitolo sono finalizzati alla costruzione di una metodologia che permetta di determinare in maniera analitica gli autovalori e autofunzioni per una vasta classe di Hamiltoniani: nello specifico con potenziali a forma invariante. Il metodo studiato viene infine applicato al caso dell’oscillatore armonico 3D e dell’atomo di idrogeno.
Il concetto di trasformazione tra sistemi di riferimento è racchiuso nell'idea di simmetria. Definiti, nel primo capitolo, i concetti di simmetria fisica e algebrica, si osserva come in meccanica quantistica ogni simmetria algebrica possa essere estesa ad una simmetria fisica. Usando alcuni risultati della teoria delle rappresentazioni, brevemente esposti nel secondo capitolo, verrà affrontato l'argomento principale del lavoro di tesi: la ricerca di una descrizione quanto-meccanica della fisica in sistemi di riferimento non inerziali. Nel terzo capitolo si propone un'analisi della generalizzazione del gruppo delle rototraslazioni: un gruppo di dimensione infinita ad un parametro, chiamato gruppo lineare euclideo. Trovati i generatori del gruppo ad un parametro si costruiscono gli operatori unitari associati: essi, agendo sull'hamiltoniana, danno luogo a termini analoghi alle forze fittizie nell'equazione di Schroedinger. Viene infine proposta una discussione dei termini aggiuntivi che appaiono nell'hamiltoniana e della loro relazione con la presenza di un potenziale gravitazionale. Dall'analisi risulta che il prinipio di equivalenza, illustrato nell'introduzione, viene generalmente violato in meccanica quantistica.
La meccanica quantistica ha radicalmente modificato la nostra rappresentazione del mondo introducendo due elementi di rottura rispetto alla meccanica classica; da una parte ha accolto l'idea che i fenomeni fisici siano intrinsecamente non deterministici, dall'altra ne ha dato una descrizione mediante un formalismo che non ha le proprietà usuali della teoria della probabilità. Negli ultimi anni, tuttavia, è stato proposto un approccio matematico alternativo che interpreta e descrive il comportamento casuale dei sistemi quantistici non relativistici con un linguaggio probabilistico classico. Lo scopo di questo resoconto è di illustrare brevemente questo approccio e di mostrare come è possibile ottenerne un'estensione al dominio relativistico.
Il “problema della misura” viene affrontato considerando il necessario accoppiamento tra sistema da osservare e apparato di misura, rendendo il sistema stesso aperto ad un certo ambiente. Un sistema aperto subisce decoerenza, ovvero la scomparsa di alcuni elementi non diagonali della matrice densita che ne descrive lo stato. Dopo aver mostrato che la decoerenza e’ equivalente ad un’acquisizione di informazione sul sistema da parte dell’ambiente, discutiamo la possibilita di fornirne una trattazione dinamica. Sono, quindi, proposti due modelli tali da descrivere la dinamica dei sistemi aperti, uno in approssimazione Markoviana e uno non-Markoviana, evidenziando sotto quali ipotesi aggiuntive tali modelli possono descrivere un processo dinamico di misura ideale di prima specie.
Infine, discutiamo l'irreversibilita di un tale processo per mezzo della produzione di Entropia durante lo stesso, mostrando come cio e’ in accordo con una corretta descrizione dinamica di una misura ideale irreversibile.
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.