Site icon Corriere Nazionale

Nuova intelligenza artificiale su un computer quantistico

Teletrasportare i Qubit è possibile grazie all'Intelligenza Artificiale: lo rivela uno studio coordinato dall’Istituto di fotonica e nanotecnologie del Cnr

Studio del Cnr-Isc e dell'Università di Firenze indica come sfruttare la perturbazione generata durante la misurazione di determinati sistemi fisici, per realizzare minuscole macchine termiche in grado, per esempio, di raffreddare le unità fondamentali di informazione quantistica, i qubit, così come richiesto per l'effettivo funzionamento dei computer quantistici

Programmata una rete di neuroni artificiali su un computer quantistico, che supera la velocità di apprendimento di quella della NASA

Un team di ricercatori italiani coordinati da Enrico Prati dell’Istituto di fotonica e nanotecnologie del Consiglio nazionale delle ricerche (Cnr-Ifn) di Milano ha sviluppato un nuovo modello di intelligenza artificiale su un computer quantistico. Il risultato, ottenuto in collaborazione con l’Università di Milano Bicocca programmando il computer D-Wave 2000 da 2.048 bit quantistici (qubit), è stato pubblicato sulla rivista Advanced Quantum Technologies come storia di copertina.

“Alla NASA avevano già sperimentato il trasferimento su un computer quantistico di un modello di intelligenza artificiale chiamato macchina di Boltzmann, ispirato a quello adottato tra gli altri da Netflix per raccomandare i film”, spiega Prati. “In quel caso però i risultati erano limitati dall’aver impiegato un solo qubit per rappresentare ciascun neurone artificiale, dal momento che le connessioni da ogni qubit verso quelli limitrofi sul chip sono poche per motivi di spazio. Nel nostro caso, invece, abbiamo fatto ricorso a una tecnica chiamta embedding per raggruppare più qubit perché si comportino come un unico oggetto, chiamato qubit virtuale. Il qubit virtuale eredita le connessioni di tutti i qubits che lo compongono, tranne che quelle tra i suoi costituenti, e quindi la connettività del nostro cervello quantistico è più elevata, da cui un apprendimento più rapido”.

Il metodo di apprendimento ha introdotto anche un’operazione preliminare durante l’apprendimento che si potrebbe paragonare a un’inversione dello scorrere del tempo nel computer quantistico, chiamata reverse annealing. “In precedenza, si lasciava che il sistema durante l’apprendimento ricercasse le soluzioni da imparare iniziando da uno stato di partenza generico. In questa ricerca invece il sistema è semantico, cioè parte da una soluzione nota: lo si porta mediante reverse annealing a un migliore stato di partenza, come se si riavvolgesse il nastro del tempo per qualche microsecondo, e poi si procede con la ricerca, che a sua volta dura alcuni microsecondi”, prosegue il coordinatore della ricerca.

Le ricadute dell’intelligenza artificiale quantistica spaziano su molti ambiti di applicazione, dalla salute all’aerospazio, dall’ottimizzazione dei processi industriali alla sicurezza, dal riconoscimento di immagini alla quantum finance. “I computer quantistici sono il fenomeno emergente che darà nuova linfa e potenza computazionale all’intelligenza artificiale. Stanno muovendo i primi passi con il crescere dei processori basati su qubitsma una volta che saranno giunti a maturità risulteranno molto più veloci”, conclude Prati, “per questo l’interesse delle industrie sta crescendo in modo esponenziale”.

La scheda

Chi: Istituto di fotonica e nanotecnologie del Cnr (Cnr-Ifn) – Milano; Dipartimento di Fisica dell’Università Miano Bicocca.

Che cosa: implementazione di un algoritmo di intelligenza artificiale quantistica sul computer quantistico D-Wave DOIhttps://doi.org/10.1002/qute.202000133

Vedi anche:

Exit mobile version