Milano, AI quantistica ispirata ai neuroni: studio della Statale

Un algoritmo di intelligenza artificiale per computer quantistici, ispirato al funzionamento dei neuroni, è stato sviluppato da un team dell’Università degli Studi di Milano guidato dal professor Enrico Prati. La ricerca, pubblicata su NPJ Quantum Information, mostra come il “rumore di fondo” dei sistemi quantistici possa essere utilizzato per rendere l’elaborazione dei dati più stabile, controllabile ed efficiente.

Il lavoro della Statale di Milano parte da un problema noto nel calcolo quantistico: i qubit, cioè le unità fondamentali dell’informazione quantistica, sono estremamente sensibili alle interferenze con l’ambiente esterno. Questo rumore, normalmente considerato un ostacolo perché può alterare lo stato quantistico e causare perdita di informazioni, è stato invece trasformato dai ricercatori in una risorsa per processare lunghe sequenze di dati.

Il parallelismo con il cervello umano

L’intuizione nasce dall’osservazione del comportamento dei neuroni, capaci di elaborare informazioni anche in ambienti biologici pieni di disturbi. Secondo il professor Enrico Prati, docente di Fisica Teorica della Materia al Dipartimento di Fisica Aldo Pontremoli dell’Università Statale di Milano, proprio questa caratteristica ha ispirato modelli di intelligenza artificiale nei quali il rumore permette di eliminare progressivamente le informazioni ormai troppo vecchie.

Il meccanismo viene definito memoria evanescente: le informazioni non utili si dissolvono nel tempo, mentre il sistema mantiene la capacità di elaborare correttamente i dati più rilevanti. Applicato ai computer quantistici, questo principio consente di affrontare sequenze informative molto lunghe senza perdere stabilità e senza accumulare dati che renderebbero l’elaborazione meno efficace.

Dal rumore quantistico a un algoritmo controllabile

La ricerca dell’Università Statale di Milano ha confermato che il rumore interno dei computer quantistici può essere sfruttato per alimentare una forma di intelligenza artificiale più robusta. Il gruppo di lavoro non si è limitato a dimostrare la validità dell’idea, ma ha individuato anche un meccanismo per generare questa condizione in modo controllato.

I ricercatori spiegano che l’ipotesi era nata già nel 2015, quando era stata identificata una famiglia di algoritmi di intelligenza artificiale potenzialmente adatta a utilizzare il rumore invece di subirlo. All’epoca, però, mancavano le condizioni hardware necessarie per una verifica sperimentale. Il percorso ha ricevuto nuovo impulso grazie al finanziamento del PNRR avviato alla fine del 2023, che ha permesso al team di portare avanti la ricerca e arrivare alla dimostrazione del metodo.

Le possibili applicazioni nei futuri computer quantistici

Il modello sviluppato rientra nell’ambito dell’intelligenza artificiale detta “ad eco”, chiamata così per il riverbero dell’informazione che si attenua progressivamente nel tempo. Questa caratteristica la rende adatta a processare dati in sequenza, un compito centrale in numerosi settori scientifici, industriali ed economici.

Tra le applicazioni indicate dai ricercatori ci sono l’analisi di sequenze genetiche, lo studio di serie finanziarie, la previsione del carico delle reti di distribuzione elettrica e l’elaborazione di scenari meteorologici. Il metodo potrebbe contribuire anche alla creazione di modelli complessi come il digital twin della Terra, una rappresentazione digitale del pianeta utile per simulazioni ambientali e climatiche avanzate.

Per Prati, il risultato conferma il valore dell’osservazione dei sistemi naturali nello sviluppo tecnologico. Il cervello, capace di lavorare in condizioni di disturbo e instabilità, diventa così un modello per costruire algoritmi quantistici più resilienti, capaci di sfruttare una caratteristica finora considerata prevalentemente problematica.