Salute 5 Maggio 2026 18:09

Intelligenza artificiale quantistica: dalla Statale di Milano un algoritmo che trasforma il rumore in risorsa

Uno studio pubblicato su npj Quantum Information mostra come sfruttare il “rumore” dei computer quantistici per migliorare l’analisi di dati complessi e sequenziali

di Isabella Faggiano
Intelligenza artificiale quantistica: dalla Statale di Milano un algoritmo che trasforma il rumore in risorsa

Nei computer quantistici il rumore è da sempre uno dei principali ostacoli: interferenze esterne che alterano lo stato dei qubit e compromettono i calcoli (qubit è l’abbreviazione di quantum bit, l’unità fondamentale di informazione nei computer quantistici, l’equivalente del “bit” nei computer tradizionali, ndr). Il team dell’Università degli Studi di Milano, guidato da Enrico Prati, ha invece ribaltato questa prospettiva, trasformando il problema in un’opportunità. L’idea, illustrata sulla rivista npj Quantum Information, nasce da un’analogia con il cervello umano, dove i neuroni operano in ambienti fortemente disturbati ma riescono comunque a elaborare informazioni in modo efficiente.

Un algoritmo ispirato ai neuroni

Come spiegano gli autori nell’abstract dello studio, il metodo utilizza un tipo di intelligenza artificiale pensato per analizzare dati che cambiano nel tempo. Il nuovo algoritmo controlla il comportamento dei qubit, evitando che il sistema diventi troppo “caotico” e perda informazioni. In questo modo riesce a elaborare anche sequenze di dati molto lunghe in modo stabile. Un elemento chiave del lavoro è il ruolo delle correlazioni tra qubit, che migliorano la capacità del sistema di “ricordare” le informazioni nel tempo. “L’algoritmo – aggiungono i ricercatori – è in grado di elaborare sequenze di lunghezza arbitraria, superando i limiti imposti dal tempo di coerenza dei singoli qubit”. Il risultato è un modello più robusto e scalabile, adatto anche a futuri computer quantistici tolleranti agli errori.

Dalla genomica al clima: le possibili applicazioni

Quuesta architettura – definita “a eco” per il modo in cui l’informazione si attenua progressivamente – risulta, dunque, particolarmente efficace nell’analisi di dati sequenziali. Le applicazioni potenziali sono ampie: dall’analisi di sequenze genetiche alle serie finanziarie, fino alla previsione di sistemi complessi come reti energetiche e modelli climatici. Alla base della ricerca c’è un principio sempre più ricorrente nell’innovazione: osservare la natura per trovare soluzioni tecnologiche. In questo caso, il cervello diventa un modello per progettare sistemi capaci di funzionare anche in condizioni di incertezza, trasformando il rumore da limite a risorsa.

Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato