Il calcolo quantistico ha raggiunto un momento cruciale, offrendo vantaggi pratici per le applicazioni di intelligenza artificiale, secondo le recenti scoperte di diversi gruppi di ricerca.
Un team dell’Università di Vienna, in collaborazione con altri istituti, ha dimostrato che i computer quantistici su piccola scala possono già superare i sistemi classici in specifici compiti di apprendimento automatico. Utilizzando un processore quantistico fotonico, i ricercatori hanno mostrato che gli algoritmi potenziati dal quantistico possono classificare i dati con maggiore accuratezza rispetto ai metodi convenzionali. L’esperimento, pubblicato su Nature Photonics, ha impiegato un circuito quantistico realizzato al Politecnico di Milano per eseguire un algoritmo di machine learning proposto inizialmente dai ricercatori di Quantinuum.
"Questo potrebbe rivelarsi cruciale in futuro, dato che gli algoritmi di apprendimento automatico stanno diventando insostenibili a causa delle elevate richieste energetiche", ha sottolineato la coautrice Iris Agresti. La piattaforma quantistica fotonica ha mostrato vantaggi in termini di velocità, accuratezza ed efficienza energetica rispetto alle tecniche di calcolo classico, in particolare per le applicazioni di machine learning basate su kernel.
In una svolta parallela, un team multinazionale composto da ricercatori della Chalmers University of Technology, dell’Università di Milano, dell’Università di Granada e dell’Università di Tokyo ha sviluppato un algoritmo che permette ai normali computer di simulare fedelmente un circuito quantistico tollerante agli errori. Questa innovazione affronta il codice bosonico di Gottesman-Kitaev-Preskill (GKP), notoriamente difficile da simulare ma fondamentale per la realizzazione di computer quantistici stabili e scalabili.
Nel frattempo, ricercatori della USC e della Johns Hopkins University hanno raggiunto quello che molti considerano il "sacro graal" del calcolo quantistico: un’accelerazione esponenziale incondizionata utilizzando i processori Eagle da 127 qubit di IBM. Il team ha dimostrato questo vantaggio su un classico rompicapo "indovina il modello", provando senza assunzioni che le macchine quantistiche possono superare i migliori computer classici. Hanno utilizzato tecniche come la correzione degli errori e l’hardware quantistico avanzato di IBM per raggiungere questo traguardo.
Questi sviluppi indicano che il calcolo quantistico sta passando dalla promessa teorica all’applicazione pratica. Mentre IBM prosegue la sua ambiziosa roadmap verso un sistema da oltre 4.000 qubit entro il 2025, e con i ricercatori che dimostrano vantaggi quantistici in settori che vanno dal machine learning alla produzione di semiconduttori, la tecnologia sembra pronta a offrire capacità trasformative in molteplici industrie.