Ogni due secondi, i sensori che misurano la rete elettrica degli Stati Uniti raccolgono 3 petabyte di dati, l'equivalente di 3 milioni di gigabyte. L'analisi dei dati su quella scala è una sfida quando le informazioni cruciali sono archiviate in un database inaccessibile.

Ma i ricercatori della Purdue University stanno lavorando a una soluzione, combinare algoritmi quantistici con l'informatica classica su computer quantistici su piccola scala per accelerare l'accessibilità del database. Stanno usando i dati dei sensori del Dipartimento dell'Energia degli Stati Uniti dei National Labs, chiamate unità di misura del fasore, che raccolgono informazioni sulla rete elettrica su tensioni, correnti e generazione di energia. Poiché questi valori possono variare, mantenere stabile la rete elettrica comporta il monitoraggio continuo dei sensori.

Saber Kais, professore di fisica chimica e ricercatore principale, guiderà lo sforzo per sviluppare nuovi algoritmi quantistici per il calcolo dei dati estesi generati dalla rete elettrica.

"Gli algoritmi non quantistici utilizzati per analizzare i dati possono prevedere lo stato della griglia, ma poiché nella rete elettrica vengono impiegate sempre più unità di misura dei fasori, abbiamo bisogno di algoritmi più veloci, " ha detto Alex Pothen, professore di informatica e co-investigatore del progetto. "Gli algoritmi quantistici per l'analisi dei dati hanno il potenziale per accelerare i calcoli sostanzialmente in senso teorico, ma rimangono grandi sfide nel realizzare computer quantistici in grado di elaborare così grandi quantità di dati".

Il metodo del gruppo di ricerca ha il potenziale per una serie di applicazioni pratiche, come aiutare le industrie a ottimizzare la loro catena di approvvigionamento e la gestione della logistica. Potrebbe anche portare a nuove scoperte chimiche e materiali utilizzando una rete neurale artificiale nota come macchina quantistica di Boltzmann. Questo tipo di rete neurale viene utilizzato per l'apprendimento automatico e l'analisi dei dati.

"Abbiamo già sviluppato un algoritmo quantistico ibrido che utilizza una macchina quantistica Boltzmann per ottenere calcoli accurati della struttura elettronica, " ha detto Kais. "Abbiamo una prova del concetto che mostra risultati per piccoli sistemi molecolari, che ci permetterà di vagliare le molecole e accelerare la scoperta di nuovi materiali".

Un articolo che descrive questi risultati è stato pubblicato mercoledì sulla rivista Comunicazioni sulla natura .

Algoritmi di apprendimento automatico sono stati utilizzati per calcolare le proprietà elettroniche approssimative di milioni di piccole molecole, ma la navigazione in questi sistemi molecolari è impegnativa per i fisici chimici. Kais e il co-investigatore Yong Chen, direttore del Purdue Quantum Center e professore di fisica e astronomia e di ingegneria elettrica e informatica, sono fiduciosi che il loro algoritmo di apprendimento automatico quantistico potrebbe risolvere questo problema.

I loro algoritmi potrebbero essere utilizzati anche per ottimizzare i parchi solari. La durata di una fattoria solare varia a seconda del clima poiché le celle solari si degradano ogni anno a causa delle condizioni meteorologiche, secondo Muhammad Alam, professore di ingegneria elettrica e informatica e co-investigatore del progetto. L'utilizzo di algoritmi quantistici semplificherebbe la determinazione della durata delle fattorie solari e di altre tecnologie energetiche sostenibili per una determinata posizione geografica e potrebbe contribuire a rendere le tecnologie solari più efficienti.

Inoltre, il team spera di lanciare un centro di ricerca collaborativo tra industria e università (IUCRC) finanziato esternamente per promuovere ulteriori ricerche sull'apprendimento automatico quantistico per l'analisi e l'ottimizzazione dei dati. I vantaggi di un IUCRC includono l'utilizzo di partnership accademiche-aziendali, espansione della ricerca scientifica dei materiali, e agendo sugli incentivi di mercato. Sono necessarie ulteriori ricerche sull'apprendimento automatico quantistico per l'analisi dei dati prima che possa essere utile alle industrie per l'applicazione pratica, Chen ha detto, e un IUCRC farebbe progressi tangibili.

"Siamo vicini allo sviluppo degli algoritmi classici per questa analisi dei dati, e ci aspettiamo che siano ampiamente utilizzati, Pothen ha detto. "Gli algoritmi quantistici sono ad alto rischio, ricerca ad alto rendimento, ed è difficile prevedere in quale arco di tempo questi algoritmi troveranno un uso pratico".

Il progetto di ricerca del team è stato uno degli otto selezionati dalla Integrative Data Science Initiative della Purdue per essere finanziato per un periodo di due anni. L'iniziativa incoraggerà la collaborazione interdisciplinare e si baserà sui punti di forza di Purdue per posizionare l'università come leader nella ricerca sulla scienza dei dati e si concentrerà su una delle quattro aree:assistenza sanitaria; difesa; etica, società e politica; fondamenti, metodi, e algoritmi. Le spinte della ricerca dell'Integrative Data Science Initiative sono ospitate dal Discovery Park di Purdue.

"Questo è un momento entusiasmante per combinare l'apprendimento automatico con l'informatica quantistica, "Ha detto Kais. "Recentemente sono stati compiuti notevoli progressi nella costruzione di computer quantistici, e le tecniche di apprendimento automatico quantistico diventeranno potenti strumenti per trovare nuovi modelli nei big data".