Computer quantistici: l’AI neurale contro il “rumore di fondo”

Un gruppo di ricercatori dell’Università degli Studi di Milano ha sviluppato un sistema di intelligenza artificiale per computer quantistici ispirato al funzionamento del cervello. Lo studio, pubblicato su NPJ Quantum Information, mostra come il “rumore di fondo”, da limite tipico del calcolo quantistico, possa diventare una risorsa per migliorare stabilità, controllo ed efficienza nell’elaborazione di grandi quantità di dati in sequenza.

Il lavoro è stato condotto da un team guidato da Enrico Prati, docente di Fisica teorica della materia presso il Dipartimento di Fisica “Aldo Pontremoli” dell’Università Statale di Milano. I risultati sono stati resi noti il 4 maggio 2026. L’obiettivo della ricerca è intervenire su uno dei problemi più noti dei computer quantistici: la loro forte sensibilità al rumore di fondo, cioè a ogni interazione incontrollata tra i qubit e l’ambiente esterno che ne altera lo stato quantistico.

Il parallelismo con il cervello umano

Proprio questa fragilità ha suggerito ai ricercatori un parallelismo con il cervello umano. I neuroni, infatti, operano in un ambiente ricco di disturbi, ma riescono comunque a elaborare informazioni in modo efficace. “Una delle caratteristiche sorprendenti dei neuroni è che lavorano bene nonostante siano immersi in un contesto molto rumoroso, pieno cioè di disturbi che tendono a coprire la comunicazione tra di loro. Questo ha ispirato in passato modelli di intelligenza artificiale in cui uno degli ingredienti chiave è proprio il rumore, che consente di ripulire l’elaborazione che avviene tra i neuroni dalle informazioni troppo vecchie. Il processo viene detto a memoria evanescente”, spiega Enrico Prati, docente di Fisica teorica della materia dell’Università Statale di Milano e coordinatore della ricerca.

Il modello su reti di bit quantistici

Partendo da questa analogia, i ricercatori hanno trasposto il modello su reti di bit quantistici. Il risultato non si limita a confermare che il rumore può essere sfruttato in modo utile in un sistema quantistico, ma individua anche un meccanismo per attivarlo in maniera controllata. Secondo il team, questo approccio evita la perdita di informazioni rilevanti e consente di analizzare sequenze di dati molto lunghe, migliorando la robustezza dell’intero sistema.

In prospettiva, il metodo può contribuire allo sviluppo di un’intelligenza artificiale quantistica più scalabile ed efficiente. I ricercatori ricostruiscono anche il percorso che ha portato al risultato. “L’idea è nata dal fatto che i computer quantistici sono intrinsecamente rumorosi e questo di solito è un problema. Nel 2015 ci siamo resi conto di una speciale famiglia di algoritmi di intelligenza artificiale che avrebbe potuto sfruttare il rumore, invece di soffrirne. Purtroppo però all’epoca non c’era, ad esempio, neppure l’hardware disponibile per dimostrarlo. Grazie al finanziamento del PNRR partito a fine 2023 abbiamo portato avanti la ricerca e, dopo due anni, di ricerca siamo riusciti non solo a dimostrare che l’idea funzionava, ma abbiamo anche identificato un meccanismo che genera questa condizione a comando, in modo controllato”.

Le applicazioni possibili

Questo tipo di intelligenza artificiale, definito “ad eco” per via del progressivo affievolirsi dell’informazione nel tempo, è pensato per processare dati in sequenza. Le applicazioni possibili toccano settori molto diversi, come ad esempio:

• l’analisi delle sequenze genetiche
• le serie storiche finanziarie
• la previsione del carico delle reti elettriche
• gli scenari meteorologici

Tra gli utilizzi citati dai ricercatori c’è anche la creazione di un digital twin della Terra, cioè un modello digitale capace di simulare fenomeni complessi su larga scala.

La natura come ispiratrice

Prati.

Il lavoro di ricerca è stato pubblicato su NPJ Quantum Information con il titolo Quantum reservoir computing induced by controllable damping. Gli autori del lavoro sono Ricci, E., Monzani, F., Nigro, L. e altri.