Uno studio rivoluzionario condotto da un team internazionale guidato dall’Università di Vienna ha dimostrato che anche i computer quantistici di piccola scala possono incrementare notevolmente le prestazioni del machine learning utilizzando un innovativo circuito quantistico fotonico.
I ricercatori hanno mostrato che la tecnologia quantistica attuale non è solo sperimentale: può già superare i sistemi classici in compiti specifici. L’esperimento ha utilizzato un computer quantistico fotonico per classificare punti dati e ha dimostrato che processori quantistici di piccole dimensioni possono ottenere risultati migliori rispetto agli algoritmi convenzionali. "Abbiamo scoperto che per compiti specifici il nostro algoritmo commette meno errori rispetto alla sua controparte classica", spiega Philip Walther dell’Università di Vienna, responsabile del progetto.
L’apparato sperimentale comprende un circuito quantistico fotonico realizzato al Politecnico di Milano (Italia), che esegue un algoritmo di machine learning proposto inizialmente da ricercatori di Quantinuum (Regno Unito). "Ciò implica che i computer quantistici esistenti possono già offrire buone prestazioni senza necessariamente superare lo stato dell’arte tecnologico", aggiunge Zhenghao Yin, primo autore della pubblicazione su Nature Photonics.
Uno degli aspetti più promettenti di questa ricerca è che le piattaforme fotoniche possono consumare molta meno energia rispetto ai computer tradizionali. "Questo potrebbe rivelarsi cruciale in futuro, dato che gli algoritmi di machine learning stanno diventando insostenibili a causa delle loro elevate richieste energetiche", sottolinea la coautrice Iris Agresti. Poiché nel circuito scorre solo luce, e non corrente, i chip fotonici richiedono meno raffreddamento. Unendo ciò a prestazioni e densità di calcolo superiori, si ottengono risparmi energetici sostanziali. Alcuni acceleratori di IA fotonica promettono di consumare fino a 30 volte meno energia rispetto a una GPU (Graphics Processing Unit).
Il risultato ha un impatto sia sul calcolo quantistico, poiché identifica compiti che beneficiano degli effetti quantistici, sia sull’informatica tradizionale. Infatti, si potrebbero progettare nuovi algoritmi ispirati alle architetture quantistiche, raggiungendo prestazioni migliori e riducendo i consumi energetici. Questa scoperta dimostra che i computer quantistici fotonici di piccola scala possono superare i sistemi classici in compiti specifici di machine learning, con i ricercatori che hanno utilizzato un algoritmo potenziato quantisticamente su un circuito fotonico per classificare i dati in modo più accurato rispetto ai metodi convenzionali.
Man mano che i sistemi di IA continuano a crescere in complessità e richieste energetiche, questa ricerca apre la strada a tecnologie di intelligenza artificiale più sostenibili e potenti, che sfruttano i vantaggi quantistici già oggi e non solo in un futuro teorico. L’integrazione tra fotonica quantistica e machine learning rappresenta una delle frontiere più promettenti della tecnologia informatica, con applicazioni pratiche immediate già in fase di sviluppo.