Teoria dei sistemi quantistici a molti corpi e dell’informazione e calcolo quantistici

Lo studio della materia, a partire dai suoi costituenti fondamentali sino alle sue strutture aggregate, si fonda sulla comprensione delle correlazioni e degli effetti quantistici che si manifestano –anche a livello macroscopico- in sistemi a molti corpi complessi. È questo il caso di sistemi sia di spin che bosonici/fermionici in bassa dimensionalità e a bassa temperatura, in cui si originano nuove fasi condensate della materia quali quella superfluida e superconduttrice o stati esotici come quelli che si manifestano in materiali topologici, che sono alla base di importanti innovazioni sperimentali e tecnologiche che avranno sempre maggiore impatto nella vita quotidiana.  Molti di questi modelli rappresentano un paradigma per lo studio di sistemi con forti interazioni, in cui gli effetti non-perturbativi e le correlazioni quantistiche giocano un ruolo predominante, creando un ponte tra lo studio dei sistemi di materia condensata e i modelli di teoria dei campi utilizzati nella fisica interazioni fondamentali delle particelle e della gravità.  Inoltre, lo studio dei fenomeni critici e delle fasi quantistiche in sistemi complessi si basa fortemente sulla teoria dell’informazione e della computazione quantistica, ambiti promettenti per le applicazioni nell’analisi ed elaborazione di grandi quantità di dati, tramite lo sviluppo di algoritmi quantistici e di tecniche quali il quantum machine learning.

Dettagli delle attività di ricerca quantum nel sito web del gruppo teorico (in inglese).

Attività

Transizione di fase quantistiche della materia in bassa dimensionalità

La struttura del diagramma di fase della materia quantistica in bassa dimensionalità è determinato dalle proprietà delle correlazioni quantistiche e dell’entanglement.  Se combinati con la teoria dell’informazione quantistica, tecniche di teoria di campo efficaci e l’utilizzo di algoritmi numerici (Monte Carlo quantistico, Tensor Networks) permettono lo studio delle transizioni e la classificazione delle fasi di modelli in una dimensione spaziale con una vasta classe di interazioni, sia a corto che a lungo raggio, in condizioni statiche ma anche fuori dall’equilibrio.

Fenomeni critici, integrabilità ed entanglement

La teoria conforme e la teoria dell’integrabilità quantistica forniscono strumenti d’analisi molto potenti per lo studio con tecniche esatte e non perturbative di modelli in 1+1 dimensioni che descrivono importanti paradigmi in fisica della materia (per es. il modello di Ising) così come in teoria dei campi (per es. il modello di sine-Gordon). Anche le correlazioni quantistiche e l’entanglement, sia all’equilibrio che non, mostrano proprietà universali che possono essere calcolate sfruttando tali tecniche per caratterizzare le transizioni e le fasi quantistiche del sistema.

Simulazioni quantistiche di teorie di campo

I sistemi di atomi/ioni ultrafreddi intrappolati in reticoli ottici rappresentano una piattaforma sperimentale in cui è possibile simulare la Hamiltoniana di teorie quantistiche dei campi di interesse non solo della materia condensata ma anche della fisica delle interazioni fondamentali in particelle e gravità. Combinando la teoria dei fenomeni critici con tecniche numeriche, quali DMRG e Tensor Networks che sfruttano le proprietà delle correlazioni quantistiche e dell’entanglement, studiamo Hamiltoniane su reticolo di teorie di campo (modello di Schwinger per la QED, teorie di gauge), concentrandosi su aspetti non-perturbativi -come il confinement- o fenomeni fuori dall’equilibrio -come il meccanismo di string breaking.

Computazione quantistica e quantum machine learning

Questo progetto si sviluppa su due linee di ricerca complementari. La prima riguarda principalmente le connessioni tra la meccanica statistica, la teoria dei sistemi a molti corpi e la computazione quantistica. Si svolge nell’ambito della teoria della correzione degli errori quantistici e la caratterizzazione di sistemi fisici in particolare di sistemi di ioni intrappolati che vengono utilizzati per l’implementazione di qubit. La seconda riguarda il possibile impiego sia di algoritmi classici per lo studio di sistemi a molti corpi che l’utilizzo di algoritmi quantistici per il machine learning e l’analisi dati.                             

Gas quantistici, superconduttori e crossover BCS-BEC

I gas ultrafreddi intrappolati hanno recentemente consentito l'esplorazione sperimentale del crossover BCS-BEC (ovvero l'evoluzione che collega il fenomeno della superconduttività alla condensazione di Bose-Einstein), sollevando allo stesso tempo diversi nuovi problemi teorici. Affrontiamo alcune di queste sfide combinando metodi diagrammatici a molti corpi con lo sviluppo di algoritmi efficienti per la loro implementazione numerica. Usiamo gli stessi metodi anche per analizzare nuovi superconduttori nella materia condensata.

Insegnamento e impatto sociale della fisica quantistica

Nell’era della “seconda rivoluzione quantistica” è strategico ripensare all’insegnamento della meccanica quantistica a livello sia di scuola superiore che universitario, tenendo conto anche dell’impatto che le nuove tecnologie (quantum networks, quantum computers, …) avranno sulla società. Questa attività è portata avanti in collaborazione con il gruppo di Didattica e Storia della Fisica del DIFA.

Progetti e collaborazioni nazionali e internazionali

  • QUANTUM  – INFN  initiative of Group IV.
  • QUANTHEP - QUANTERA Project (with Instituto de Telecomunicacoes of Lisbon; University of Latvia; INFN sections of Padua and Bari).
  • “Business Oriented Applications of Quantum Computations” - Project funded by  International Foundations Big data and Artificial Intelligence for Human Development” (con UNISTRA-CNRS, INFN, CINECA, LEITHÀ)
  • BAT-QuO - ISCRA Project - Bayesian Adaptive Techniques for Quantum Optimization on NISQ Devices (collaboration with Cineca and PASQAL)
  • CNR
  • University of Strasbourg
  • University of Aachen
  • University of Innsbruck
  • Kochi University - Japan
  • Università di Camerino

Membri dello staff DIFA

Elisa Ercolessi

Professoressa associata confermata

Pierbiagio Pieri

Professore associato

Francesco Ravanini

Professore associato confermato

Studenti PhD e post-doc DIFA

Claudio Massimiliano Sanavio

Professore a contratto

Simone Tibaldi

Dottorando

Tutor didattico

Principali collaboratori INFN e CNR