Un super-computer quantistico capace di simulare contemporaneamente tutte le possibili evoluzioni di un processo fisico e mettere a confronto i risultati: la sua esistenza è possibile, come hanno dimostrato i ricercatori della Griffith University e Nanyang Technological University di Singapore, realizzando il prototipo descritto sulla rivista Nature Communications.
Un sistema che potrebbe aiutare l’intelligenza artificiale a imparare molto più rapidamente di quanto riesce a fare oggi, rendendo più vicina la realizzazione di computer quantistici così potenti. Il funzionamento dell’apparecchio è ispirato al lavoro del premio Nobel Richard Feynman, che aveva capito che quando una particella quantistica viaggia da un punto A al punto B, non segue necessariamente un singolo percorso, ma può contemporaneamente attraversare tutti i possibili percorsi che collegano i punti.
In questo caso i ricercatori, guidati da Geoff Pryde, hanno simulato simultaneamente ed in maniera efficiente 16 futuri. L’innovazione di questo approccio è l’utilizzo di meno memoria rispetto ad un computer classico e la possibilità di essere esteso a sistemi più ampi. Un risultato che anticipa l’inizio di una nuova era per i computer quantistici, secondo Ghafari, primo autore dell’articolo: “pochi all’inizio degli anni ’60 potevano immaginare i tanti usi dei computer moderni. Noi siamo ancora nell’oscurità sulle potenzialità dei computer quantistici”.
Oggi l’intelligenza artificiale impara analizzando esempio dopo esempio, cercando dei modelli in grado di riprodurre i dati osservati e prevedere successive osservazioni. Con i computer quantistici si potrebbero analizzare tanti casi simultaneamente sfruttando il cosiddetto il parallelismo quantistico. E’ stato dimostrato, commenta Fabio Sciarrino, docente di Informazione e computazione quantistica presso il Dipartimento di Fisica della Sapienza di Roma, che è “possibile sfruttare completamente l’informazione presente nel mondo quantistico di un simulatore fotonico.
Un risultato che potrebbe portare ad una classificazione dei dati più efficiente nell’ambito del machine learning. I processori quantistici attualmente disponibili sono ancora fortemente limitati come capacità di calcolo, ma è un settore di ricerca in crescita grazie ai forti investimenti al livello mondiale”.
