Principali applicazioni del computer quantistico in informatica

In questo articolo informatico si approfondiscono gli ambiti applicativi del computer quantistico.

La potenza del calcolo quantistico è impressionante, tuttavia ciò non significa che il quantum computing sia più efficiente per tutti i tipi di problemi. Di seguito sono elencate alcune delle principali applicazioni.

Intelligenza artificiale

Un’applicazione primaria è l’intelligenza artificiale. Per la maggior parte delle applicazioni industriali dell’intelligenza artificiale, come il riconoscimento delle immagini o la previsione dei consumi, viene utilizzato l’apprendimento supervisionato.

Esso si basa sul principio dell’apprendere dall’esperienza, diventando più accurato con il feedback, fino a quando il programma sembra esibire “intelligenza”.

Il feedback si basa sul calcolo delle probabilità per molte possibili scelte, e quindi per stati differenti.

Come detto in precedenza, una delle particolarità del nuovo sistema di calcolo è di consentire la rappresentazione di più stati quantistici contemporaneamente, il che è particolarmente conveniente quando si usano le tecniche di intelligenza artificiale. l’IA, quindi, è un candidato ideale per il calcolo quantistico. Promette di sconvolgere ogni settore, dagli autoveicoli alla medicina.

Usare la velocità quantistica per le attività di apprendimento automatico porterebbe a calcoli più veloci e algoritmi più efficienti in termini di risorse, inoltre consentirebbe all’IA di affrontare problemi che sono attualmente irrealizzabili a causa della loro complessità e dimensione.

Lockheed Martin, ad esempio, prevede di utilizzare il suo computer quantistico DWave per testare un software di pilota automatico che attualmente risulta troppo complesso per i computer classici. Google, invece, sta utilizzando un computer quantistico per progettare software in grado di distinguere le automobili da altri oggetti.

Gli assistenti vocali potrebbero trarre grande vantaggio da questa implementazione, poiché quantum potrebbe contribuire in modo esponenziale a migliorare la loro precisione, aumentando sia la loro potenza di elaborazione che la quantità di dati che sarebbero in grado di gestire. Il calcolo quantistico aumenta il numero di variabili di calcolo che le macchine possono destreggiare e quindi consente loro di fornire risposte più rapide, proprio come farebbe una persona.

Il team di ricerca quantistica di IBM ha recentemente scoperto che utilizzando qubit entangled per eseguire un esperimento di classificazione dei dati, il tasso di errore si è dimezzato rispetto a quello ottenuto usando qubit non districati. La ricerca di IBM è arrivata sulla scia di un altro promettente algoritmo di classificazione dell’apprendimento automatico: un ibrido quantistico classico eseguito su una macchina a 19 qubit costruita da Rigetti Computing. È un passo importante e potrebbe portare ad assistenti virtuali “intelligenti” o personaggi dei videogiochi non controllati dal giocatore che si comportano in modo iperrealistico.

Modellistica Molecolare

L’universo funziona fondamentalmente in modo quantistico, quindi si potrà capire meglio la natura dell’universo grazie a questi nuovi computer.

Un altro tipo di applicazione, allora, è la modellazione delle interazioni molecolari; in particolare, la ricerca delle configurazioni ottimali per le reazioni chimiche.

La “chimica quantistica” è molto complessa e solo le molecole più semplici vengono analizzate dai computer digitali attuali.

I computer quantistici sviluppati finora, invece, non avrebbero alcuna difficoltà ad analizzare anche i processi chimici più complessi. Questa è una tecnologia nuova e ciò che rende la meccanica quantistica innovativa è la capacità di simulare molecole e processi molecolari. La scoperta di farmaci è un ottimo esempio.

Google ha già fatto incursione in questo campo simulando l’energia delle molecole di idrogeno. Le implicazioni vanno dalle celle solari alle droghe farmaceutiche, e in particolare alla produzione di fertilizzanti; poiché i fertilizzanti rappresentano il 2 percento del consumo globale di energia, le conseguenze per l’energia e l’ambiente sarebbero profonde.

Una società che si concentra sulla simulazione molecolare, in particolare sul comportamento delle proteine, è la startup biotecnologica di Toronto ProteinQure. Con un finanziamento iniziale di 4 milioni di dollari, collabora con i leader dell’informatica quantistica (IBM, Microsoft e Rigetti Computing) e con gruppi di ricerca farmaceutica (SRI International, AstraZeneca) per esplorare il potenziale di QC nella modellazione delle proteine.

Questa è una strada profondamente complicata ma ad alto rendimento per lo sviluppo di farmaci progettati per scopi medici mirati.

Come ha osservato il Boston Consulting Group, la semplice modellazione di una molecola di penicillina richiederebbe un computer classico incredibilmente grande, con bit di potenza da 10 a 86. Per i computer quantistici avanzati, tuttavia, lo stesso processo potrebbe essere un gioco da ragazzi e potrebbe portare alla scoperta di nuovi farmaci per malattie gravi come il cancro, l’Alzheimer e le malattie cardiache.

Crittografia

Molti aspetti importanti della sicurezza IT si basano sulla crittografia a chiave pubblica, i messaggi quindi vengono criptati.

Ciò è essenziale per il commercio elettronico e la protezione delle informazioni segrete.

Le tecniche di criptografia si basano su algoritmi matematici molto difficili da “rompere”. Gli algoritmi moderni con lunghezze di chiave adeguate (ad es. AES-128, RSA-2048, ECDSA-256, ecc.) non sono suscettibili all’attacco di forza bruta e, anche con enorme potenza di calcolo, sarebbero necessari secoli o anche più tempo. Tuttavia, è possibile “romperli” con algoritmi univoci per computer quantistici (ad esempio “l’algoritmo di Shor”).

Gli algoritmi simmetrici utilizzati per la crittografia, come AES, sono ancora considerati sicuri (con una lunghezza della chiave sufficiente ad es. AES-256 o superiore); mentre, gli attuali algoritmi asimmetrici come RSA ed ECDSA saranno resi sostanzialmente inutili quando i computer quantistici raggiungeranno una certa scala.

Ciò interromperà quasi tutte le applicazioni pratiche della crittografia in uso oggi, rendendo l’e-commerce e molte altre applicazioni digitali, su cui facciamo affidamento nella nostra vita quotidiana, totalmente insicure.

Per affrontare questa minaccia, il National Institute of Standards and Technology (NIST) degli Stati Uniti, la cui carta è promuovere l’innovazione e la competitività industriale attraverso un ampio spettro di tecnologie e attività, inclusa la sicurezza informatica, ha avviato il processo di standardizzazione di nuovi algoritmi crittografici a chiave pubblica che non può essere attaccato in modo efficiente nemmeno con l’aiuto del computer quantistico. Con partecipanti da tutto il mondo, l’obiettivo di questo progetto è identificare nuovi algoritmi crittografici resistenti agli attacchi dei computer quantistici e quindi standardizzarli per un ampio utilizzo.

Modello Finanziario

L’elenco dei partner che compongono il cosiddetto Quantum Network di Microsoft include una sfilza di università di ricerca e gruppi tecnici incentrati sul quantum, ma pochi preziosi affiliati aziendali.

I mercati moderni si basano su alcuni dei sistemi esistenti più complicati.

Mentre i sistemi scientifici e matematici sono in continuo sviluppo, il sistema finanziario soffre ancora di una grande quantità di problemi e a differenza degli altri campi scientifici non esiste un ambiente controllato in cui eseguire esperimenti.

Investitori e analisti, dunque, si sono rivolti al calcolo quantistico. Il fatto che le società di servizi finanziari estremamente redditizie vogliano sfruttare la tecnologia che cambia paradigma non è certo uno shock.

Gli investitori spesso desiderano valutare la distribuzione dei risultati in un numero estremamente elevato di scenari generati casualmente. Questo lavoro viene svolto senza sforzi da un computer quantistico, inoltre i modelli quantistici e finanziari hanno una corrispondenza naturale grazie alle somiglianze strutturali, infatti un vantaggio immediato è che la casualità inerente ai computer quantistici è congruente alla natura stocastica dei mercati finanziari.

Un altro vantaggio offerto da quantum è che operazioni finanziarie come l’arbitraggio possono richiedere molti passaggi dipendenti dal percorso e il numero di possibilità supera rapidamente la capacità di un computer digitale, ritorna molto utile quindi l’utilizzo di un computer quantistico.

Affinché un settore finanziario trovi il giusto mix per investimenti fruttuosi basati sui rendimenti attesi, il rischio associato e altri fattori sono importanti per sopravvivere nel mercato. Per ottenere ciò, la tecnica delle simulazioni “Monte Carlo” viene continuamente eseguita su computer convenzionali, che però impiegano molto tempo prima di arrivare a una soluzione.

Applicando la tecnologia quantistica per eseguire questi calcoli massicci e complessi, le aziende possono non solo migliorare la qualità delle soluzioni, ma anche ridurre i tempi per svilupparle.

Di conseguenza molte ricerche si sono concentrate specificamente sul cercare di accelerare notevolmente il modello Monte Carlo, che essenzialmente misura la probabilità di vari risultati e i rischi corrispondenti.

Il trading algoritmico è un’altra potenziale applicazione in cui la macchina utilizza algoritmi complessi per attivare automaticamente le transazioni azionarie analizzando le variabili di mercato, il che è un vantaggio, soprattutto per le transazioni ad alto volume. A parte la sua applicazione apparentemente chiara per la valutazione del rischio, il quantum nella finanza potrebbe avere un ampio futuro.

Previsioni del tempo

Attualmente, il processo di analisi delle condizioni meteorologiche con i computer tradizionali a volte può richiedere più tempo di quello necessario affinché avvenga la condizione climatica che si sta cercando di prevedere.

Le previsioni meteorologiche includono diverse variabili da considerare, come la pressione atmosferica, la temperatura e la densità dell’aria, il che rende difficile una previsione accurata.

La capacità di un computer quantistico di elaborare grandi quantità di dati in un breve periodo e l’applicazione dell’apprendimento automatico quantistico può aiutare a migliorare il riconoscimento dei modelli meteorologici, che a sua volta permetterà di prevedere i cambiamenti climatici in pochissimo tempo e con eccellente precisione. In questo modo sarà possibile anche prevedere eventi meteorologici estremi e potenzialmente salvare migliaia di vite all’anno. Si avrà una visione più approfondita del cambiamento climatico con particolare attenzione al riscaldamento globale e si potranno adottare le misure adeguate ad attenuarne i danni.

Il Met Office del Regno Unito ha già investito molto nell’informatica quantistica per migliorare le previsioni, mentre IBM Research ha collaborato con The Weather Company, la University Corporation for Atmospheric Research (UCAR) e il National Center for Atmospheric Research (NCAR) in America per sviluppare un modello i scala delle tempeste, in rapido aggiornamento, in grado di prevedere i temporali a livello locale.

Questo modello è il primo a coprire l’intero globo e fornirà previsioni ad alta risoluzione anche nelle aree meno servite.

Fisica delle particelle

I modelli di fisica delle particelle sono spesso straordinariamente complessi e richiedono enormi quantità di tempo di calcolo per la simulazione numerica.

I ricercatori dell’Università di Innsbruck e dell’Istituto per l’ottica quantistica e l’informazione quantistica (IQOQI) hanno recentemente utilizzato un sistema quantistico programmabile per eseguire tale simulazione. Pubblicato su Nature, il team ha utilizzato una versione semplice del computer quantistico in cui gli ioni eseguivano operazioni logiche. Questa simulazione ha mostrato un eccellente accordo rispetto agli esperimenti reali della fisica.

“Questi due approcci si completano perfettamente a vicenda”, afferma il fisico teorico Peter Zoller. “Non possiamo sostituire gli esperimenti effettuati con collisori di particelle. Tuttavia, sviluppando simulatori quantistici, un giorno potremmo essere in grado di comprendere meglio questi esperimenti”.

Sebbene il calcolo quantistico stia già influenzando i campi sopra elencati, l’elenco non è affatto esaustivo e come per tutte le nuove tecnologie, verranno sviluppate applicazioni attualmente inimmaginabili, man mano che l’hardware continua ad evolversi, e create nuove opportunità.