Al MIT è stato osservato e predetto il vuoto quantistico: ovvero tutta quelle serie di increspature nel segnale che rendono complesse le osservazioni della meccanica quantistica
I ricercatori del MIT, il prestigioso Massachusetts Institute of Technology, sono riusciti, per la prima volta nella storia della fisica quantistica, ad osservare e predire quello chiamato in gergo “vuoto quantistico”. Infatti, in questa particolare branca della fisica, in vuoto non è visto come concretamente vuoto, ma è agitato da alcune fluttuazioni imprevedibili ed invisibili (ad occhio nudo) che danno spontaneamente vita a coppie di particelle definite virtuali. Per fare un paragone, pur sempre astratto, il vuoto quantistico può essere immaginato come la superficie del mare, che da distante appare assolutamente ferma e piatta, ma da vicino è agitata da piccoli difetti che appaiono in modo casuale.
L’importanza di osservare il vuoto quantistico
Insomma, il vuoto quantistico per quanto ad occhio nudo possa essere definito a tutti gli effetti vuoto, senza nessuna tipo di movimento, presenta delle importanti increspature dei segnali, con l’esito che in meccanica quantisticarumore quantistico” e rappresenta uno dei più importanti limiti per le ricerche, che non riescono talvolta a giungere ad alcuna conclusione per via, appunto, del rumore.
L’idea su cui è basata l’osservazione del vuoto quantistico da parte del MIT è proprio quella di prevedere e limitare al minimo quel rumore. Prevedendolo in termini di 0 ed 1, infatti, si può ottenere uno schema, che alla fine dell’osservazione permette di eliminare tutti gli 1 oggetto del rumore, ripulendo l’osservazione ed ottenendo risultati precisi ai calcoli, anche complessi. Inoltre, secondo i ricercatori che hanno condotto lo studio sul vuoto quantistico, questo tipo di osservazione e previsione potrebbe costituire una svolta nei calcoli probabilistici, con effetti soprattutto dal punto di vista della modellazione fisica fondamentale. Ma non solo, perché potrebbe anche aiutare a risolvere i problemi di ottimizzazione, fornendo risposte sul reale funzionamento dei meccanismi di apprendimento profondo alla base delle intelligenze artificiali.
