Rispetto ai computer classici, i computer quantistici possono risolvere problemi complessi in parallelo e quindi più velocemente, ma sono anche più inclini agli errori. I ricercatori della ZHAW stanno dimostrando come i punti di forza dei computer quantistici possano essere utilizzati in modo mirato con l’aiuto di un approccio ibrido.
I computer quantistici non solo conoscono lo stato 0 e 1, ma possono rappresentare diversi stati tra 0 e 1 attraverso i cosiddetti qubit - analoghi ai bit dei computer classici - e quindi calcolare molti risultati possibili contemporaneamente. Tuttavia, i qubit sono suscettibili di errori, ad esempio a causa di influenze esterne come le fluttuazioni di temperatura o le radiazioni elettromagnetiche. Ma anche i processi interni possono causare errori di calcolo, poiché i qubit rimangono in uno stato stabile solo per un breve periodo di tempo. Per questo motivo, sono necessari algoritmi il più possibile piccoli con cui i computer quantistici possano calcolare i risultati il più rapidamente possibile prima che i qubit diventino instabili.
Finora si è lavorato soprattutto a livello teorico su come questi vantaggi dei computer quantistici possano essere utilizzati nel campo dell’apprendimento automatico quantistico. Tuttavia, questa tecnologia informatica non è stata quasi mai applicata nella pratica. I ricercatori della ZHAW hanno ora scelto, per la prima volta, un nuovo metodo con cui i computer quantistici possono ottenere risultati più precisi per problemi complessi. "Utilizzando un approccio ibrido, abbiamo implementato la parte più complessa di un algoritmo in un computer quantistico, consentendo comunque a un computer classico di calcolare la parte restante", spiega Kurt Stockinger, ricercatore della ZHAW. L’algoritmo di apprendimento automatico utilizzato in questo caso serve a classificare gli oggetti. Poiché i computer quantistici sono particolarmente forti nei calcoli altamente complessi, ma non offrono alcun vantaggio rispetto ai computer classici nei compiti semplici, una combinazione di entrambi i sistemi potrebbe essere una soluzione efficiente.
I ricercatori della ZHAW hanno condotto i loro esperimenti con un totale di cinque serie di dati, facendo eseguire i calcoli a computer quantistici e classici e confrontando i risultati tra loro. Per farlo, hanno utilizzato la possibilità di agganciarsi direttamente a un computer quantistico IBM. In questo modo, hanno potuto simulare il calcolo e farlo eseguire da un computer quantistico. L’approccio è stato testato, tra l’altro, sul cosiddetto set di dati dell’iride, che contiene informazioni sui fiori e viene utilizzato per classificare le singole specie floreali. Il metodo ibrido ha portato a risultati più precisi. "Siamo riusciti a dimostrare che i classici problemi di apprendimento automatico possono essere risolti meglio con l’approccio ibrido che con i computer classici", riassume Stockinger.
I ricercatori della ZHAW hanno utilizzato anche le reti neurali perché sono in grado di riconoscere modelli complessi all’interno di grandi quantità di dati su più livelli. Il team guidato da Kurt Stockinger e Rudi Füchslin ha utilizzato un set di dati meteorologici con molti parametri interdipendenti come l’umidità, la pressione dell’aria o la temperatura e lo ha inserito in una rete neurale per ottenere alla fine il risultato "pioggia" o "sole". "Abbiamo implementato un certo livello di questa rete nel computer quantistico. In questo modo è possibile calcolare ed esaminare diverse dipendenze allo stesso tempo. In questo modo è possibile fare previsioni meteorologiche molto più accurate", descrive Stockinger i vantaggi del metodo. "Tuttavia, la ricerca in questo campo è ancora all’inizio, poiché sono necessarie ulteriori ricerche su come le reti neurali possano essere implementate nel modo più efficace in un computer quantistico".
"Siamo passati dalla teoria all’applicazione. Ciò significa che la tecnologia sta diventando interessante anche per le aziende", afferma Stockinger. Molte aziende stanno già mostrando grande interesse per i vantaggi dell’informatica quantistica, anche in vista delle possibilità offerte dalla tecnologia della sicurezza. "In particolare, le banche sono molto interessate a questa tecnologia, poiché i loro metodi di crittografia potrebbero essere violati dai computer quantistici", spiega il ricercatore della ZHAW. La tecnologia può essere utilizzata anche in molti altri settori, come lo sviluppo di materiali nuovi e migliori o di farmaci. "Si tratta delle stesse aree di applicazione dell’apprendimento automatico, con la differenza fondamentale che i computer quantistici possono fornire risultati più rapidi e accurati", riassume Kurt Stockinger.
