Tecnologie come l’intelligenza artificiale e il quantum computing stanno ridisegnando i confini dell’innovazione, ciascuna con traiettorie proprie ma sempre più interconnesse.
Da un lato, l’intelligenza artificiale è il trend innovativo per eccellenza; dall’altro, il quantum computing è un ambito in rapida ascesa, di cui iniziano ad emergere applicazioni concrete in diversi contesti. È proprio dalla loro convergenza, alimentata dalla necessità di risolvere problemi sempre più complessi in tempi ridottissimi, che le organizzazioni potranno trarre il massimo valore dal paradigma quantistico.
In questo articolo approfondiamo la convergenza tra AI e quantum computing, analizzando le principali sfide tecnologiche, gli ambiti applicativi più promettenti e le prospettive evolutive. Al centro, l’esperienza di QuantumNet, startup italiana nata come spin-off di NetCom in collaborazione con l’Università Federico II di Napoli, che sta contribuendo a portare il paradigma quantistico dal laboratorio all’impresa.
Cos’è l’AI quantistica? Un’alleanza in rapida evoluzione
Oggi, il calcolo quantistico viene esplorato soprattutto in due direzioni: la sicurezza – ad esempio attraverso la Quantum Key Distribution (QKD), che sfrutta direttamente i principi della fisica quantistica per rendere la trasmissione delle chiavi crittografiche realmente inviolabile– e le applicazioni nel campo dell’ottimizzazione e della classificazione, dove la traiettoria del quantum si incrocia con quella dell’intelligenza artificiale.
Quantum AI, le direttrici di sviluppo
Molti dei problemi che l’AI affronta ogni giorno, dalla classificazione delle immagini alla previsione di pattern, fino a problemi di ottimizzazione in molteplici contesti (ricerca della miglior soluzione possibile), sono oggetto di sperimentazione in chiave quantistica, con risultati molto promettenti.
I computer quantistici possono infatti sfruttare il principio di sovrapposizione per esplorare simultaneamente molteplici soluzioni, offrendo un’accelerazione significativa rispetto agli algoritmi classici nei problemi ad alta dimensionalità.
Questo approccio, ovviamente, richiede un cambio di paradigma significativo, che investe non solo gli algoritmi, ma anche i linguaggi di programmazione e le architetture di calcolo. È precisamente da qui che nascono i principali filoni di ricerca dell’AI quantum computing, come le reti neurali quantistiche e gli algoritmi quantistici per il machine learning.
Molti algoritmi di machine learning, infatti, risolvono problemi di algebra lineare in spazi vettoriali ad alta dimensionalità, rispetto ai quali il calcolo quantistico può garantire performance molto superiori.
In molti casi, anche in prospettiva futura, l’integrazione tra infrastrutture classiche e quantistiche – grazie anche all’evoluzione costante dei supercomputer (HPC) – diventerà la via maestra. Gli approcci ibridi, in cui gli algoritmi vengono progettati per sfruttare i punti di forza sia dei computer classici che di quelli quantistici, sono destinati a restare al centro dello sviluppo tecnologico nei prossimi anni.
Il rapporto con il computing tradizionale
Nell’ambito dell’intelligenza artificiale avanzata, scegliere la tecnologia più adatta – quantistica, classica, o una loro integrazione – richiede sempre una valutazione attenta delle caratteristiche specifiche del problema da risolvere.
In alcuni casi, l’approccio quantistico consente di affrontare scenari che un calcolatore tradizionale non è in grado di gestire, o che richiederebbero tempi e risorse computazionali non sostenibili, offrendo performance eccellenti e quindi la “vera” soluzione ai problemi. In altri casi, invece, il rischio è quello di attribuirgli compiti per cui un’infrastruttura classica ad alte prestazioni sarebbe non solo adeguata, ma anche più efficiente.
Quanto detto descrive uno degli errori più comuni nel valutare questa tecnologia: confondere la sua natura di (forte) acceleratore selettivo con l’idea di un sostituto universale del calcolo convenzionale; il quantum computing non si pone come evoluzione del calcolo classico ma come paradigma diverso, che parte su basi differenti ed è destinato a convivere e a integrarsi con esso.
Quantum AI, le sfide principali da affrontare
La convergenza tra intelligenza artificiale e calcolo quantistico rappresenta una delle traiettorie più promettenti dell’innovazione tecnologica. Ma come tutte le frontiere, porta con sé sfide importanti che vanno affrontate con visione strategica.
1. Le competenze
Il primo grande tema è quello delle competenze. La logica quantistica rompe i paradigmi su cui si basa il calcolo e la programmazione tradizionale: non si parla più di uno e zero, ma di sovrapposizione di stati, di entanglement e trasformazioni complesse che richiedono un cambio completo di prospettiva.
Come in ogni frontiera, la scarsità di figure in grado di muoversi tra fisica quantistica, AI e ingegneria del software è un freno tangibile per le organizzazioni che si muovono su questo terreno.
Per rispondere a questa esigenza, QuantumNet – una delle prime startup innovative italiane dedicate al quantum computing, ha promosso la nascita della Quantum Computing Academy, un programma formativo intensivo da 400 ore giunto alla 2° edizione e pronto alla terza nel prossimo autunno.
L’Academy combina lezioni teoriche e project work su casi industriali reali, sviluppati in collaborazione con grandi aziende. È la prima esperienza strutturata in Italia pensata per formare studenti STEM sulle competenze necessarie per applicare il paradigma quantistico in contesti Enterprise.
2. Hardware in continua evoluzione
L’infrastruttura quantistica è in costante sviluppo, e ad oggi non esiste ancora un computer in grado di supportare in modo stabile e scalabile tutte le applicazioni possibili.
I dispositivi attuali sono limitati dal rumore, dall’instabilità e dal numero ridotto di qubit, e spesso richiedono condizioni ambientali controllate per operare.
L’evoluzione in corso, tuttavia, è orientata verso architetture sempre più scalabili e apre scenari concreti anche sul piano applicativo.
Un esempio virtuoso è rappresentato proprio dalla Campania, territorio d’origine sia di NetCom che di QuantumNet, che si sta affermando come la Quantum Valley italiana. Proprio qui convergono Università di eccellenza, un ecosistema di ricerca dinamico e installazioni di computer quantistici nelle Università di Napoli e Salerno. È da contesti come questi che passa il futuro dell’infrastruttura quantistica e la sua industrializzazione.
3. L’importanza dell’ecosistema
Volendo estendere il punto precedente, il quantum non è una tecnologia che si può sviluppare da soli – anche perché richiede investimenti estremamente elevati per infrastrutture, sistemi di raffreddamento avanzati e tecnologie altamente specializzate.
Attualmente, questi costi sono una barriera significativa e fanno sì che la tecnologia quantistica sia oggi appannaggio di pochi grandi attori a livello mondiale. Proprio per questo, sono indispensabili forti sinergie tra ricerca, industria e istituzioni: da un lato per superare le barriere scientifiche, dall’altro per estendere le opportunità anche a start-up e piccole imprese, che hanno un grande potenziale innovativo, ma da sole non riuscirebbero ad accedere a queste risorse.
QuantumNet ha fatto di questo principio un elemento fondante del proprio modello, promuovendo progetti congiunti e laboratori di frontiera in collaborazione con gli Atenei e partecipando a iniziative di sistema come Borgo 4.0, il progetto di Smart City italiana per la quale l’azienda ha sviluppato algoritmi quantistici per l’ottimizzazione dei flussi veicolari.
Ambiti di applicazione: dove l’AI quantistica può fare la differenza
La combinazione tra AI e quantum computing si presta a un’ampia gamma di applicazioni, in particolare in quei settori dove la complessità dei sistemi, la quantità di dati da elaborare e la velocità di risposta superano i limiti delle infrastrutture classiche. Vediamo alcuni casi dove quantum AI può concretamente fare la differenza.
1. Gestione intelligente della mobilità urbana
La regolazione di traffico e incroci in tempo reale è una delle grandi sfide delle città intelligenti.
L’utilizzo di algoritmi meta-euristici ibridi consente di regolare la temporizzazione dei semafori, ottimizzare le precedenze e coordinare in modo predittivo l’interazione tra veicoli e infrastrutture, migliorando la fluidità e riducendo congestioni e tempi di attesa.
2. Rilevamento precoce di anomalie nei sistemi industriali
Grazie a modelli di classificazione quantistica – basati su metodi variazionali – è possibile potenziare i sistemi di anomaly detection in contesti come la produzione industriale o le reti di telecomunicazione.
3. Algoritmi di ottimizzazione per migliorare l’accessibilità e la fruizione degli spazi
Alcuni algoritmi quantistici, come il QAOA (Quantum Approximate Optimization Algorithm), si prestano alla risoluzione di problemi complessi di routing e navigazione all’interno di spazi fisici.
Integrati in applicazioni mobili, questi modelli possono supportare la pianificazione intelligente dei percorsi per migliorare l’accessibilità, ridurre i tempi di percorrenza e ottimizzare l’esperienza utente in contesti ad alta affluenza.
4. Modelli di deep learning per il riconoscimento di immagini
L’integrazione tra deep learning e quantum computing potenzia le performance dei task di image recognition, soprattutto in contesti ad alta variabilità.
L’adozione di modelli ibridi classico-quantistici in quest’ambito apre nuove possibilità nella classificazione automatica di elementi visivi complessi, con impatti concreti in settori in trasformazione come l’agroalimentare, l’ambiente o il manifatturiero.
NetCom e QuantumNet: un modello di innovazione integrata
Fondata nel 2021 dalla collaborazione tra NetCom e un gruppo di ricercatori dell’Università di Napoli, QuantumNet è tra le prime startup italiane focalizzate esclusivamente sul quantum computing, con l’obiettivo di colmare il divario tra ricerca scientifica e applicazioni reali.
La forza distintiva di QuantumNet risiede nella capacità di operare al confine tra ricerca accademica e innovazione industriale, grazie a collaborazioni con istituzioni universitarie e alla sinergia più ampia con il gruppo NetCom, che consente di mettere a sistema competenze multidisciplinari e know-how ingegneristico, aprendo a nuove modalità di gestione di tematiche complesse come quelle legate ad AI e software development o all’accessibilità digitale per la PA.
I principali settori e ambiti applicativi includono telecomunicazioni, automotive, media, finanza, pubblica amministrazione e difesa, tutti contraddistinti per l’elevata complessità operativa e l’esigenza di elaborare grandi volumi di dati in tempi ridottissimi. In questi contesti, QuantumNet sviluppa soluzioni avanzate in ambito di ottimizzazione, classificazione e analisi delle informazioni, sfruttando le potenzialità uniche offerte dal paradigma quantistico.