Roberto Marini La sfida di trasformare un difetto in un’opportunità è al centro di una nuova ricerca italiana: un team della Università Statale di Milano ha sviluppato un algoritmo che prende ispirazione dal funzionamento del cervello umano per utilizzare il rumore di fondo come risorsa. Invece di considerare l’interferenza ambientale come un ostacolo insormontabile per i sistemi quantistici, i ricercatori hanno progettato una strategia che mantiene l’informazione e consente di elaborare lunghe sequenze di dati in modo più stabile e controllabile.
Dal cervello ai bit quantistici
Il punto di partenza è l’osservazione biologica che i neuroni operano efficacemente in un ambiente pieno di disturbi: se da un lato il contesto è rumoroso, dall’altro il sistema nervoso riesce a filtrare e a valorizzare le informazioni utili. I ricercatori hanno tradotto questo principio in ambito informatico, pensando al computer quantistico e ai suoi qubit, che sono estremamente sensibili a qualsiasi interazione esterna.
L’innovazione è passare da una visione che subisce il rumore a una che lo impiega come ingrediente operativo per migliorare la capacità di analisi.
Il ruolo del rumore
In questo contesto il rumore non è più soltanto un nemico: diventa un meccanismo che favorisce la pulizia dell’elaborazione, evitando che informazioni obsolete o irrilevanti contaminino la corrente di calcolo.
Il team ha dimostrato che, comandando opportunamente questo effetto, è possibile replicare un comportamento noto in certi modelli neuroscientifici: la memoria evanescente, ossia la capacità di mantenere tracce di informazioni recenti mentre quelle più vecchie svaniscono in modo utile per il compito in corso. Applicata a reti quantistiche, questa idea migliora la capacità di processare sequenze temporali estese.
Come funziona l’algoritmo
La soluzione proposta non si limita a un’analogia: gli scienziati della Statale hanno concretamente implementato un algoritmo che induce in modo controllato il meccanismo ispirato al cervello. Grazie a protocolli che sfruttano e modulano le interazioni tra qubit e ambiente, il sistema evita la perdita di informazione e raggiunge maggiore stabilità. Il risultato è una forma di intelligenza artificiale quantistica più robusta, scalabile ed efficiente, pronta a essere integrata nei futuri computer quantistici quando l’hardware sarà adeguato.
Memoria evanescente a comando: origine del progetto
L’idea ha radici nel 2015, quando il gruppo ha identificato una famiglia di algoritmi che avrebbe potuto beneficiare del rumore piuttosto che subirlo, ma all’epoca mancavano le piattaforme hardware adeguate per la dimostrazione pratica. Grazie al finanziamento del Pnrr partito a fine 2026, il progetto è stato rilanciato e, dopo due anni, il team coordinato da Enrico Prati è riuscito non solo a verificare la fattibilità dell’approccio ma anche a trovare il modo per generare il meccanismo in modo controllato. Lo studio è stato pubblicato su Npj Quantum Information, confermando la solidità dei risultati.
Applicazioni potenziali e conclusioni
Le prospettive applicative sono ampie: dalla lettura di sequenze genomiche all’analisi di dati finanziari, dal calcolo del carico nelle reti elettriche alla modellazione meteorologica e alla costruzione di un digital twin della Terra. L’approccio mostra come tecniche ispirate alla natura possano fornire soluzioni efficaci a problemi tecnologici attuali, trasformando i limiti intrinseci dei sistemi quantistici in vantaggi operativi. In conclusione, come ricordato dai ricercatori, la natura rimane una fonte preziosa di idee e strategie, frutto di un’evoluzione lunga milioni di anni, che può guidare innovazioni nel campo del machine learning e della computazione quantistica.