Quantum computing

Cnr, Unimi e Polimi, sviluppato un nuovo modello per computer quantistici

Il team di ricercatori guidato da Enrico Prati del Cnr-Ifn di Milano insieme a Università Statale di Milano e Politecnico di Milano ha messo a punto un nuovo sistema per addestrare le porte logiche dei computer quantistici

18 Ago 2021

“Oggi i computer quantistici sono prototipi che hanno ancora relativamente pochi fragili bit quantistici e quindi consentono di programmare algoritmi su scala ridotta. Per questo motivo sono stati studiati algoritmi di correzione quantistica degli errori per prolungare la vita dei qubit, che al tempo stesso però richiedono maggiori risorse. Questo processo di convergenza tra hardware e software dei computer quantistici dovrebbe portare a disporre di nuovi strumenti in grado di risolvere problemi oggi non risolvibili con i supercomputer tradizionali. Tra le applicazioni che abbiamo in mente vi sono cybersecurity, drug discovery, intelligenza artificiale quantistica, finanza e molto altro”, spiega a Startupbusiness Enrico Prati, ricercatore dell’Istituto di fotonica e nanotecnologie del Consiglio nazionale delle ricerche (Cnr-Ifn) di Milano in occasione dell’annuncio da parte del team da lui coordinato di un compilatore quantistico per programmare un algoritmo su qualsiasi computer quantistico basato su porte logiche.

Il risultato della ricerca, ottenuto dalla collaborazione con Matteo Paris dell’Università Statale di Milano e con Marcello Restelli del Politecnico di Milano, è stato pubblicato sulla rivista di Nature Communications Physics. Gli hardware dei computer quantistici sono complessi e offrono solo alcune porte logiche fondamentali, mentre un algoritmo potrebbe richiedere operazioni basate su porte logiche che non si trovano tra quelle disponibili. Ma esiste sempre un modo per costruire una porta logica quantistica a partire da quelle effettivamente implementabili su uno specifico hardware? “Esiste una teoria che assicura di sì ma non dice come procedere – aggiunge Prati in una nota -. È un po’ come cercare un modo per partire da Roma Fiumicino e arrivare in tutte le città del mondo, potendo fare solo tragitti di esattamente 15mila chilometri lungo due precise direzioni, lungo meridiani o paralleli, e avendo a disposizione tutto il carburante che si vuole. Per arrivare a Roma Ciampino bisognerà fare moltissime volte il giro del mondo prima di atterrare e la sfida è stata risolvere il problema affidandosi alla capacità di astrazione dell’intelligenza artificiale”.

La sfida è stata affidata a Lorenzo Moro, all’epoca laureando in Fisica dell’Università degli Studi di Milano e oggi dottorando del Politecnico di Milano. “Abbiamo chiesto all’intelligenza artificiale di trovare l’ordine per giocare le 5-6 carte a disposizione, anche con sequenze lunghe centinaia di giocate, scegliendo una per una quelle giuste per formare l’intera sequenza – spiega Moro – Dopo una fase di addestramento, che va da qualche ora a un paio di giorni, l’intelligenza artificiale impara a costruire la sequenza per ogni porta logica quantistica partendo dalle operazioni disponibili, ma impiegando pochi millisecondi”.

La ricerca è stata anche brevettata. “Il nostro modello supera infatti un brevetto simile di Google che utilizza l’intelligenza artificiale dopo l’addestramento ma per una sola porta logica, poi è richiesto un nuovo addestramento. Noi abbiamo invece individuato come costruire tutte le porte logiche quantistiche con un addestramento unico, dopo il quale si può richiamare subito la soluzione per una qualsiasi porta logica, con il cosiddetto deep learning – conclude Prati – I computer quantistici promettono di risolvere problemi di calcolo molto più rapidamente che con l’hardware attualmente esistente e i compilatori quantistici sono un elemento fondamentale per un loro controllo efficiente”. (Photo by Anton Maksimov juvnsky on Unsplash )

@RIPRODUZIONE RISERVATA

Articolo 1 di 4