Negli ultimi anni, l'intelligenza artificiale è diventata onnipresente, con applicazioni come l'interpretazione del parlato, il riconoscimento delle immagini, la diagnosi medica e molti altri. Allo stesso tempo, la tecnologia quantistica si è dimostrata capace di una potenza di calcolo ben oltre la portata anche del più grande supercomputer del mondo. I fisici dell'Università di Vienna hanno ora dimostrato un nuovo dispositivo, chiamato memristore quantistico, che potrebbe permetterci di combinare questi due mondi, sbloccando capacità senza precedenti. L'esperimento, condotto in collaborazione con il Consiglio Nazionale delle Ricerche (CNR) e il Politecnico di Milano in Italia, è stato realizzato su un processore quantistico integrato operante su singoli fotoni. Il lavoro è pubblicato nell'attuale numero della rivista Nature Photonics .

Al centro di tutte le applicazioni di intelligenza artificiale ci sono modelli matematici chiamati reti neurali. Questi modelli si ispirano alla struttura biologica del cervello umano, fatta di nodi interconnessi. Proprio come il nostro cervello impara riorganizzando costantemente le connessioni tra i neuroni, le reti neurali possono essere addestrate matematicamente sintonizzando la loro struttura interna fino a diventare capaci di compiti a livello umano:riconoscere il nostro viso, interpretare le immagini mediche per la diagnosi, persino guidare le nostre auto. Avere dispositivi integrati in grado di eseguire i calcoli coinvolti nelle reti neurali in modo rapido ed efficiente è quindi diventato un importante focus di ricerca, sia accademica che industriale.

Uno dei principali cambiamenti del gioco nel campo è stata la scoperta del memristor, fatta nel 2008. Questo dispositivo cambia la sua resistenza a seconda di una memoria della corrente passata, da cui il nome memory-resistor, o memristor. Immediatamente dopo la sua scoperta, gli scienziati si sono resi conto che (tra molte altre applicazioni) il comportamento peculiare dei memristori era sorprendentemente simile a quello delle sinapsi neurali. Il memristor è così diventato un elemento costitutivo fondamentale delle architetture neuromorfiche.

Un gruppo di fisici sperimentali dell'Università di Vienna, del Consiglio Nazionale delle Ricerche (CNR) e del Politecnico di Milano, guidati dal Prof. Philip Walther e dal Dr. Roberto Osellame, hanno ora dimostrato che è possibile ingegnerizzare un dispositivo che ha il stesso comportamento di un memristor, mentre agisce su stati quantistici ed è in grado di codificare e trasmettere informazioni quantistiche. In altre parole, un memristore quantistico. Realizzare un tale dispositivo è difficile perché la dinamica di un memristor tende a contraddire il tipico comportamento quantistico.

Utilizzando singoli fotoni (cioè singole particelle quantistiche di luce) e sfruttando la loro capacità unica di propagarsi simultaneamente in una sovrapposizione di due o più percorsi, i fisici hanno superato la sfida. Nel loro esperimento, i singoli fotoni si propagano lungo guide d'onda scritte al laser su un substrato di vetro e sono guidati su una sovrapposizione di più percorsi. Uno di questi percorsi viene utilizzato per misurare il flusso di fotoni che attraversa il dispositivo e questa quantità, attraverso un complesso schema di feedback elettronico, modula la trasmissione sull'altra uscita, ottenendo così il comportamento memristivo desiderato.

Oltre a dimostrare il memristore quantistico, i ricercatori hanno fornito simulazioni che mostrano che le reti ottiche con il memristore quantistico possono essere utilizzate per apprendere sia compiti classici che quantistici, suggerendo il fatto che il memristore quantistico potrebbe essere l'anello mancante tra l'intelligenza artificiale e l'informatica quantistica .

"Sbloccare il pieno potenziale delle risorse quantistiche all'interno dell'intelligenza artificiale è una delle maggiori sfide dell'attuale ricerca in fisica quantistica e informatica", afferma Michele Spagnolo, primo autore della pubblicazione sulla rivista Nature Photonics . Il gruppo di Philip Walther dell'Università di Vienna ha anche recentemente dimostrato che i robot possono apprendere più velocemente quando utilizzano risorse quantistiche e prendono in prestito schemi dal calcolo quantistico. Questo nuovo traguardo rappresenta un ulteriore passo verso un futuro in cui l'intelligenza artificiale quantistica diventa realtà. + Esplora ulteriormente

Accelerare l'intelligenza artificiale