L’Università Statale di Milano sviluppa un algoritmo AI che imita i neuroni: il rumore diventa una risorsa per l’intelligenza artificiale quantistica
Lo studio pubblicato su Npj Quantum Information apre la strada a sistemi più stabili, scalabili ed efficienti per i futuri computer quantistici
I neuroni lavorano immersi nel rumore — e lo fanno bene. È partendo da questa osservazione che i ricercatori dell’Università degli Studi di Milano hanno sviluppato un algoritmo di intelligenza artificiale capace di sfruttare il “rumore di fondo” per elaborare grandi quantità di dati in sequenza, replicando il meccanismo con cui il cervello umano processa informazioni in ambienti altamente disturbati. I risultati della ricerca, coordinata da Enrico Prati, docente di Fisica Teorica della Materia del Dipartimento di Fisica Aldo Pontremoli, sono stati pubblicati sulla rivista scientifica Npj Quantum Information.
La memoria evanescente: come il cervello filtra il passato per restare efficiente
Il principio biologico alla base della ricerca è noto come “memoria evanescente”: i neuroni non solo tollerano il rumore ambientale, ma lo utilizzano attivamente per ripulire l’elaborazione dalle informazioni troppo vecchie, mantenendo così il sistema focalizzato sui dati più recenti e rilevanti. “Una delle caratteristiche sorprendenti dei neuroni è che lavorano bene nonostante siano immersi in un contesto molto rumoroso”, spiega Prati, “il rumore consente di ripulire l’elaborazione che avviene tra i neuroni dalle informazioni troppo vecchie.” Questo meccanismo ispira da tempo modelli di intelligenza artificiale, ma la novità dello studio milanese sta nell’aver trascritto e applicato questa logica su reti di bit quantistici, sfruttando le caratteristiche intrinseche dei computer quantistici.
Il salto quantistico: dal modello biologico all’intelligenza artificiale quantistica
Con l’avvento dei computer quantistici è diventato possibile tradurre questa architettura neuronale in un contesto radicalmente diverso. La ricerca ha confermato che l’utilizzo controllato del rumore tipico di un computer quantistico funziona come meccanismo di elaborazione, e ha compiuto un passo ulteriore: ha identificato la chiave per indurre questo meccanismo in modo deliberato e controllato. Il risultato è un sistema più stabile, capace di evitare la perdita di informazioni e di analizzare sequenze di dati molto lunghe senza degradazione delle prestazioni.
Verso un’AI quantistica robusta e scalabile: le prospettive applicative
I risultati aprono prospettive concrete per lo sviluppo di una intelligenza artificiale quantistica più robusta, scalabile ed efficiente, applicabile ai computer quantistici di prossima generazione. Un avanzamento che potrebbe avere ricadute significative in tutti i settori in cui è necessario processare grandi volumi di dati sequenziali in tempo reale – dalla medicina computazionale alla modellazione climatica, dalla finanza alla ricerca scientifica – segnando un passo importante nel percorso verso macchine quantistiche realmente operative.
