Un sistema di AI su computer quantistici ispirato a quanto avviene in natura nel cervello. Lo Studio della Statale di Milano
Osservare la natura per accelerare il progresso tecnologico non è un approccio nuovo, soprattutto nel campo dell’intelligenza artificiale (AI). Tuttavia, la ricerca condotta dall’Università degli Studi di Milano introduce un elemento di discontinuità: un algoritmo che non solo si ispira al funzionamento del cervello umano, ma sfrutta attivamente il “rumore”, tradizionalmente considerato un ostacolo, per migliorare le prestazioni nei sistemi di calcolo quantistico.
Lo studio, pubblicato sulla rivista NPJ Quantum Information, descrive un modello di intelligenza artificiale in grado di elaborare e organizzare grandi quantità di dati replicando una delle caratteristiche più sorprendenti dei neuroni: la capacità di operare efficacemente in ambienti altamente disturbati.
“I risultati mostrano che questo metodo apre la strada a un’intelligenza artificiale quantistica più robusta, scalabile ed efficiente, applicabile a futuri computer quantistici”, si legge nel comunicato dell’ateneo.
Dal cervello umano ai computer quantistici
Alla base della ricerca vi è un parallelismo tra il funzionamento dei neuroni biologici e quello dei qubit, le unità fondamentali dei computer quantistici. Entrambi operano in contesti intrinsecamente “rumorosi”. Nel cervello, il rumore è rappresentato da segnali e interferenze che possono disturbare la comunicazione tra neuroni; nei sistemi quantistici, invece, deriva da interazioni incontrollate con l’ambiente esterno che alterano lo stato quantistico dei qubit.
Tradizionalmente, questa rumorosità è stata considerata un problema da minimizzare. Il lavoro dei ricercatori milanesi propone invece un cambio di paradigma: trasformare il rumore in una risorsa.
“Una delle caratteristiche sorprendenti dei neuroni è che lavorano bene nonostante siano immersi in un contesto molto rumoroso”, spiega Enrico Prati, docente di Fisica Teorica della Materia presso il Dipartimento di Fisica “Aldo Pontremoli” e coordinatore dello studio: “Questo ha ispirato modelli di intelligenza artificiale in cui il rumore diventa un ingrediente chiave, utile a eliminare informazioni obsolete. Il processo è noto come memoria evanescente”.
Un’idea anticipata, ora resa possibile
Il gruppo di ricerca aveva individuato già nel 2015 una famiglia di algoritmi in grado di sfruttare il rumore. Tuttavia, all’epoca mancavano le infrastrutture tecnologiche per verificarne l’efficacia.
La svolta è arrivata con i finanziamenti del Piano Nazionale di Ripresa e Resilienza (PNRR), avviati alla fine del 2023. “Dopo due anni di ricerca siamo riusciti non solo a dimostrare che l’idea funzionava, ma anche a identificare un meccanismo per indurre questa condizione in modo controllato”, ha aggiunto Prati.
L’“AI ad eco” e le sue applicazioni
Il modello sviluppato viene definito “intelligenza artificiale ad eco”, per via del progressivo decadimento dell’informazione nel tempo, simile a un riverbero. Questa caratteristica lo rende particolarmente adatto all’elaborazione di dati sequenziali e dinamici.
Le possibili applicazioni sono ampie e trasversali: dall’analisi di sequenze genomiche alla gestione di serie finanziarie, fino alla previsione di reti energetiche e scenari meteorologici. In prospettiva, il modello potrebbe contribuire allo sviluppo di gemelli digitali (digital twin) della Terra, strumenti sempre più strategici per la simulazione e la gestione di sistemi complessi.
La ricerca della Statale di Milano si inserisce in un filone emergente che punta a integrare intelligenza artificiale e calcolo quantistico, due delle tecnologie più promettenti per il prossimo decennio. L’idea di utilizzare il rumore come leva, anziché come limite, potrebbe rappresentare un passo significativo verso sistemi più resilienti e performanti.
Novità su Google, per aggiungere Key4Biz tra le tue fonti preferite, clicca qui
