Tempo di lettura: 3 minutes
Uno studio, coordinato dall’IFN-CNR pubblicato in copertina sulla rivista Advanced Quantum Technologies parla di una rete di neuroni artificiali, programmata su un computer quantistico, che supera la velocità di apprendimento di quella della NASA. 

di Piero Mastroiorio

Il risultato di una ricerca, pubblicata sulla rivista Advanced Quantum Technologies, come storia di copertina, che sviluppato un nuovo modello di intelligenza artificiale su un computer quantistico, è stato ottenuto, da un team di ricercatori italiani, coordinati da Enrico Prati dell’IFN-CNR, Istituto di fotonica e nanotecnologie del Consiglio Nazionale delle Ricerche, di Milano, in collaborazione con l’Università di Milano ‘Bicocca’ , programmando il computer D-Wave 2000 da 2.048 bit quantistici, qubit.
«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. 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 chiamata ‘embedding’, per raggruppare più qubit perché si comportino come un unico oggetto, chiamato qubit virtuale, che 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», spiega il ricercatore dell’IFN-CNR, Enrico Prati.
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, come sottolinea il coordinatore della ricerca: «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.».
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 qubits, ma una volta che saranno giunti a maturità risulteranno molto più veloci, per questo l’interesse delle industrie sta crescendo in modo esponenziale», conclude Prati.

error: Content is protected !!