L'informatica quantistica ha un primo caso d'uso nel mondo reale?

Quantistica, intelligenza artificiale e fotonica: una nuova rivoluzione informatica

L'informatica e le tecnologie dell'informazione stanno attraversando contemporaneamente diverse rivoluzioni tecnologiche: l'ascesa dell'intelligenza artificiale, l'avvento dell'informatica quantistica e il passaggio alla fotonica per superare i limiti dell'informatica classica al silicio.

Finora, ciascuno di questi nuovi settori ha lavorato per lo più in compartimenti stagni: la formazione e l'elaborazione dell'intelligenza artificiale vengono eseguite su classici chip di silicio, l'informatica quantistica sta cercando di migliorare la sua tecnologia finché non troverà un utilizzo pratico e la tecnologia fotonica sta ancora sperimentando progetti e applicazioni.

Forse non sorprende che sia proprio dalla fusione di questi campi che emergono nuove possibilità. Sembra che l'informatica quantistica abbia appena trovato un caso d'uso pratico e non necessiti nemmeno di ulteriori miglioramenti prima di essere utile.

I ricercatori del Vienna Center for Quantum Science and Technology (VCQ) (Austria), del Politecnico di Milano (Italia), del Consiglio Nazionale delle Ricerche (IFN-CNR) (Italia) e dell'azienda Quantinuum (Regno Unito) hanno scoperto che i computer quantistici esistenti potrebbero superare i computer classici nell'addestramento dell'intelligenza artificiale, utilizzando un processore fotonico.

Hanno pubblicato i loro risultati su Nature Photonics¹, sotto il titolo “Apprendimento automatico sperimentale basato sul kernel quantistico su un processore fotonico".

Perché l'addestramento all'intelligenza artificiale e il calcolo quantistico presentano dei limiti

I costi crescenti e la richiesta energetica della formazione sull'intelligenza artificiale

Di recente, la tecnologia dell'intelligenza artificiale ha compiuto enormi progressi. Tuttavia, ciò è stato possibile solo grazie all'impiego di una potenza di calcolo sbalorditiva, che ha richiesto decine di miliardi di dollari in chip ed elettricità.

Certamente, si possono fare dei progressi in termini di efficienza, come dimostrato dall'intelligenza artificiale DeepSeek addestrata con costi di elaborazione e denaro estremamente bassi, superando di gran lunga i concorrenti occidentali. Tuttavia, in definitiva, il miglioramento del software non sarà sufficiente a rendere l'addestramento dell'IA meno dispendioso in termini di elaborazione e consumo energetico.

Le sfide della scalabilità e del rumore del calcolo quantistico

Nel frattempo, il calcolo quantistico è una tecnologia promettente, ma finora ha sofferto di un difetto fatale. L'estrema fragilità della materia che deve essere mantenuta affinché il calcolo quantistico funzioni la rende costosa e poco scalabile.

Ciò significa anche che i risultati ottenuti sono “rumorosi”, con errori regolari, ritardi e risultati inaffidabili.

Anche in questo caso, le innovazioni potrebbero significare che: una rete di computer quantistici più piccoli or una nuova architettura di progettazione hardware, che utilizza un nuovo stato della materia chiamato topoconduttori, consentendo la scalabilità, potrebbe risolvere il problema.

Finché non verrà confermato, ciò metterà comunque in discussione la rilevanza del calcolo quantistico, una tecnologia ancora in cerca di un caso d'uso pratico che abbia senso dal punto di vista economico.

Metodi kernel quantistici per l'intelligenza artificiale

Come i kernel quantistici aggiungono potenza dimensionale all'apprendimento automatico

I metodi kernel sono strumenti ampiamente utilizzati nell'apprendimento automatico e sfruttano un metodo matematico per aggiungere dimensioni a un set di dati per una migliore identificazione di modelli nascosti.

Fonte: MDPI

Questo, ovviamente, implica calcoli matematici piuttosto complessi, che saranno comprensibili solo a un numero limitato di specialisti che già lavorano in questo campo. Potete vedere una rappresentazione visiva del funzionamento in questo video:

E calcoli così complessi potrebbero adattarsi perfettamente alle capacità uniche dei computer quantistici.

I processori fotonici incontrano i kernel quantistici per l'intelligenza artificiale

Per questo esperimento è stato utilizzato un processore fotonico integrato, creato tramite scrittura laser a femtosecondi su un substrato di vetro borosilicato, per codificare i dati in uno stato elaborabile da un computer quantistico.

Fonte: Nature Photonics

In questo modo, per il calcolo sono stati utilizzati kernel che presentavano interferenza quantistica e confrontati con i metodi classici.

Fonte: Nature Photonics

Risultati sperimentali: kernel quantistici vs. classici

Gli scienziati hanno testato quattro diverse dimensioni di set di dati, che andavano da 40 a 100 punti dati, in cui il kernel quantistico (in blu) è stato confrontato con il kernel classico (in arancione).

Fonte: Nature Photonics

In entrambi gli esperimenti, il kernel quantistico ha funzionato meglio di quello del calcolo classico.

"Abbiamo scoperto che per compiti specifici il nostro algoritmo commette meno errori rispetto alla sua controparte classica."

Philip Walther – Professore presso l’Università di Vienna.

Prossimi passi verso la formazione sull'intelligenza artificiale quantistica nel mondo reale

Passaggio dalla demo alla produzione: formazione sull'intelligenza artificiale quantistica

Questo esperimento ha dimostrato che i computer quantistici oggi esistenti possono superare in prestazioni i computer classici nei compiti comunemente utilizzati nell'addestramento delle reti neurali.

Si tratta di un aspetto fondamentale, perché fino ad ora si dava per scontato che solo un computer quantistico più affidabile potesse essere utilizzato per questo tipo di applicazione. Ora che è stato dimostrato sperimentalmente che ciò non è vero, il passo successivo sarà quello di effettuare anche solo una limitata sessione di addestramento di intelligenza artificiale in situazioni reali con questa tecnologia.

Per questo potrebbero essere progettati nuovi algoritmi ispirati alle architetture quantistiche, raggiungendo prestazioni migliori.

“Ciò implica che i computer quantistici esistenti possono mostrare buone prestazioni senza necessariamente andare oltre lo stato dell’arte della tecnologia”

Zhenghao Yin – Dottorando presso l’Università di Vienna.

Come la fotonica quantistica riduce il consumo energetico dell'intelligenza artificiale

Le piattaforme fotoniche possono offrire prestazioni di calcolo equivalenti o superiori con un consumo energetico notevolmente inferiore. Poiché l'energia sta diventando sempre più il collo di bottiglia del settore dell'intelligenza artificiale, più della capacità di calcolo o delle innovazioni, questo potrebbe rendere l'uso della scoperta di computer basati sulla fotonica quantistica particolarmente importante.

“Ciò potrebbe rivelarsi cruciale in futuro, dato che gli algoritmi di apprendimento automatico stanno diventando irrealizzabili a causa delle richieste energetiche troppo elevate”.

Iris Agresti – Dottoranda presso l’Università di Vienna.

 Tecnologia quantistica a ioni intrappolati vs. tecnologia superconduttiva: cosa ci riserva il futuro?

Potrebbe avere conseguenze importanti per l'orientamento del settore dell'informatica quantistica.

Finora, il campo è stato diviso tra la tecnologia degli ioni intrappolati, con elevata affidabilità, ma bassa capacità di calcolo quantistico (qubit) per dispositivo, e progetti più complessi basati sulla superconduttività, finora molto rumorosi, ma che hanno anche maggiori probabilità di essere in definitiva scalabili a un grande volume di qubit.

La ricerca è stata realizzata in stretta collaborazione con Quantinuum, con 4 dei 12 scienziati citati nell'articolo che lavorano presso questa azienda. Essendo specializzata nella tecnologia degli ioni intrappolati, è logico per Quantinuum ricercare una situazione in cui il basso numero di qubit dei suoi computer possa già rappresentare un business case rilevante.

Se ciò si rivelasse vero, potrebbe rendere l'azienda un fornitore chiave di capacità di elaborazione per il settore dell'intelligenza artificiale, forse imitando almeno una frazione di Nvidia (NVDA ) realizzazioni.

Investire nel calcolo quantistico

Honeywell / Quantinuum

Quantinuum è il risultato della fusione di Honeywell Quantum Solutions e Cambridge Quantum.

Honeywell rimane l'azionista di maggioranza della società (probabilmente il 52% della proprietà) dopo un round di raccolta fondi che lo ha valutato a 5 miliardi di dollariSi dice che il fondatore Ilyas Khan possieda circa il 20% della società. Tra gli altri azionisti figurano JSR Corporation, Mitsui, Amgen, IBM e JP Morgan.

Una potenziale IPO di Quantinuum in futuro, potenzialmente come parte di una più ampia ristrutturazione aziendale, si stima che valga fino a 20 miliardi di dollari and potrebbe verificarsi tra il 2026 e il 2027.

L'informatica quantistica non è il fulcro dell'attività di Honeywell, che è più incentrata su prodotti nei settori aerospaziale, dell'automazione e dei materiali e prodotti chimici speciali.

Ciascuno di questi domini potrebbe, tuttavia, trarre vantaggio dal calcolo quantistico, in particolare chimica computazionale e la sicurezza informatica quantistica, che potrebbero dare a Honeywell un vantaggio rispetto ai suoi concorrenti.

Per ora, il modello principale dell'azienda è l'H2, un chip a 56 qubit con ioni intrappolati, con una fedeltà del gate a due qubit del 99.895%.

L'azienda ha perseguito un calcolo di alta qualità con errori minimi, aggiungendo quanti più qubit possibili e creando il cosiddetto "calcolo quantistico a prova di errore".

Questo approccio è definito dall'azienda "Migliori qubit, migliori risultati", con una quantità simile di qubit che consente di ottenere risultati da 100 a 1,000 volte più affidabili.

Fonte: Quantino

Ciò potrebbe in particolare fare la differenza nella crittografia resistente ai quanti, di cui c'è urgente bisogno, con la società di difesa Thales (HO.PA -0.96%) già collaborando con Quantino così come la banca internazionales HSBC and JP Morgan.

Quantinuum offre anche la sua chimica computazionale quantistica proprietaria InQuanto, utilizzabile per applicazioni farmaceutiche, nelle scienze dei materiali, chimiche, energetiche e aerospaziali.

Come molte altre aziende di informatica quantistica, Quantinuum offre Helios  “hardware come servizio”, consentendo agli utenti di trarre vantaggio dall'informatica quantistica senza dover affrontare personalmente la complessità del funzionamento del sistema.

Quantinuum ha firmato a novembre 2024 una partnership con la tedesca Infineon, il più grande produttore di semiconduttori in Europa. Infineon porterà la sua tecnologia integrata di fotonica e di elettronica di controllo per contribuire a creare la prossima generazione di computer quantistici a ioni intrappolati.

Con l'avvicinarsi della fotonica integrata a casi d'uso pratici, diventa ora chiaro quanto questa partnership possa essere importante per il futuro di Quantinuum. A questo punto, sembra che il prossimo passo per l'azienda sarà il lancio del primo chip fotonico-quantistico al mondo incentrato sull'intelligenza artificiale.

Nei prossimi mesi, Quantinuum condividerà i risultati delle collaborazioni in corso, evidenziando il potenziale rivoluzionario dei progressi quantistici nell'ambito dell'intelligenza artificiale generativa.

L'innovativa capacità Gen QAI migliorerà e accelererà l'uso di Metallic Organic Frameworks per la somministrazione di farmaci, aprendo la strada a opzioni di trattamento più efficienti e personalizzate. I dettagli saranno svelati al lancio di Helios.

Quantinuum annuncia una svolta nell'intelligenza artificiale quantistica generativa con un enorme potenziale commerciale

L'annuncio contenuto in questa pubblicazione fa parte di una serie di notizie relative ai rapidi progressi della connessione tra intelligenza artificiale e informatica quantistica realizzata presso Quantinuum.

Un maggior numero di casi d'uso continuativi potrebbe incrementare notevolmente il valore futuro dell'azienda e, di conseguenza, l'investimento di Honeywell e i potenziali profitti che gli investitori potrebbero ricavarne.

Ultime notizie e sviluppi sulle azioni Honeywell / Quantinuum (HON)

Studio referenziato

^{1. Yin, Z., Agresti, I., de Felice, G. et al. Apprendimento automatico sperimentale basato sul kernel e potenziato da algoritmi quantistici su un processore fotonico. Fotonica della natura. (2025). https://doi.org/10.1038/s41566-025-01682-5}