Dal Cnr di Milano il super computer che batte Google

Jimmy Chen, Ph. D. nel laboratorio di ricerca di Google mentre lavora sul computer quantico.
Jimmy Chen, Ph. D. nel laboratorio di ricerca di Google mentre lavora sul computer quantico. EPA/MONICA M. DAVEY

MILANO. – Un lavoro di squadra paragonabile, anzi superiore, a quello delle big tech americane. Il Consiglio nazionale delle ricerche (Cnr-Ifn) di Milano, grazie al lavoro congiunto di più team, è riuscito infatti a superare un brevetto di Google nel merito del quantum computing.

I ricercatori guidati da Enrico Prati dell’Istituto di fotonica e nanotecnologie, hanno sviluppato un sistema che, tramite l’intelligenza artificiale e il deep learning, riesce a risolvere in pochi millisecondi il ‘problema’ nel costruire le porte logiche che un computer quantico può utilizzare per le sue attività.

Fino ad oggi, proprio compagnie come Google erano riuscite nell’intento di velocizzare le operazioni ma con dei concreti limiti, mentre il Cnr ha realizzato un algoritmo polivalente, applicabile a qualsiasi computer con porte logiche quantistiche.

Lo studio è stato pubblicato sull’ultimo numero dell’inserto di Nature “Communications Physics”, e dimostra la possibilità di applicare l’intelligenza artificiale e il deep learning ad un compilatore finalizzato a programmare un algoritmo ad oggi unico. Un risultato ottenuto con la collaborazione di Matteo Paris dell’Università Statale di Milano e Marcello Restelli del Politecnico di Milano.

Su Nature, Enrico Prati spiega che: “Analogamente ai computer convenzionali, in cui i bit sono sottoposti ai calcoli attraverso porte logiche, anche nei computer quantistici è necessario impiegare porte logiche quantistiche, che però vanno programmate da una sorta di sistema operativo, che conosce quali sono le operazioni realizzabili”.

Tuttavia, versioni diverse di hardware possono dar vita a scenari differenti, con la necessità di individuare le sequenze corrette con cui ‘attivare’ le porte logiche quantistiche necessarie. Il team fa l’esempio di un giocatore di carte che deve pensare a come fare le sue mosse, nonostante un numero limitato di tentativi.

“Abbiamo dunque sviluppato con il deep learning un algoritmo in grado di trovare l’ordine giusto per giocare le 5 o 6 carte a disposizione, anche con sequenze lunghe centinaia di giocate, scegliendo una per una quelle giuste per formare l’intera sequenza” sottolinea Lorenzo Moro del Cnr.

Dopo una fase di addestramento, che va da qualche ora a un paio di giorni, l’intelligenza artificiale impara a muoversi per creare la sequenza di attivazione di ogni porta logica. La ricerca del Cnr supera i contesti applicativi di altre organizzazioni, sicuramente più conosciute.

Il modello sorpassa un brevetto di Google, che ha dimostrato di poter utilizzare l’intelligenza artificiale per le porte logiche, ma con un addestramento valido una sola volta. Dopo la sequenza di attivazione, per averne un’altra, bisogna ricominciare daccapo. I ricercatori italiani hanno invece individuato come costruire tutte le porte logiche in maniera automatica.

“La tecnologia del quantum computer permette di risolvere problemi di calcolo impossibili con strumenti ordinari e, in tale scenario, i compilatori quantistici diventano fondamentali per un controllo efficiente dei sistemi” conclude Prati.