Federico II, raggiunto il vantaggio quantistico nell’intelligenza artificiale – È quanto dimostrato dal team di ricerca federiciano

Federico II, raggiunto il vantaggio quantistico nell’intelligenza artificiale – È quanto dimostrato dal team di ricerca federiciano coordinato dal professore Giovanni Acampora del Dipartimento di Fisica ‘Ettore Pancini’

I computer quantistici potranno “ragionare” più velocemente dei calcolatori classici. È quanto dimostrato dal team di ricerca federiciano coordinato dal professore Giovanni Acampora, del Dipartimento di Fisica ‘Ettore Pancini’ dell’Università Federico II, che ha realizzato un algoritmo quantistico in grado di eseguire i cosiddetti motori inferenziali, le componenti principali di alcune metodologie di intelligenza artificiale, sfruttando meno risorse computazionali dei calcolatori elettronici.

Lo studio, condotto con il dottorando Roberto Schiattarella e la dottoressa Autilia Vitiello, intitolato “On the Implementation of Fuzzy Inference Engines on Quantum Computers”, è stato pubblicato sulla prestigiosa rivista IEEE Transactions on Fuzzy Systems.

Oltre al vantaggio computazionale, l’algoritmo offre un ulteriore vantaggio: esso consente di programmare computer quantistici usando l’approccio linguistico tipico del ragionamento umano, semplificando l’interazione con questi strumenti particolarmente complessi da gestire.

Il risultato raggiunto da Acampora, Schiattarella e Vitiello potrà avere importanti ripercussioni nella progettazione dei metodi di intelligenza artificiale del futuro che dovranno avere significative capacità di elaborazione e una estrema semplicità di programmazione per poter gestire la sempre crescente quantità di dati messa a disposizione dalla interconnessione e dalla interazione di diversi sistemi collegati tra loro dalle moderne tecnologie di comunicazione cablati come la fibra ottica, e quelle per dispositivi mobili come 5G e 6G.

I motori inferenziali sono algoritmi che simulano le modalità con cui la mente umana trae delle conclusioni logiche attraverso il ragionamento e sono usati in molte applicazioni dell’intelligenza artificiale riguardanti diverse sfere del quotidiano come, ad esempio, sistemi di diagnosi medica, sistemi di controllo industriale, automotive, e sistemi di automazione e di supporto alle decisioni in genere. I motori inferenziali su cui si basa lo studio condotto da Acampora, Schiattarella e Vitiello sono quelli che utilizzano le cosiddette regole linguistiche fuzzy. Tali regole implementano uno schema di ragionamento in grado di creare un legame tra le variabili di ingresso e quelle di uscita di un sistema, usando un approccio di tipo linguistico, cioè usando espressioni testuali tipiche del pensiero umano. Questo è reso possibile dall’utilizzo della fuzzy logic, uno strumento matematico in grado di modellare il ragionamento umano e abilitare il calcolo basato su parole e costrutti del linguaggio naturale. Seppur ampiamente utilizzate in diverse tipologie di sistemi, i motori inferenziali possono soffrire di una significativa problematica computazionale: il numero di regole che modellano il comportamento di un sistema può crescere esponenzialmente con il numero di variabili di ingresso del sistema stesso rendendo il motore inferenziale poco efficiente nel trarre conclusioni logiche. Di conseguenza c’è la forte necessità di pensare a metodi di calcolo inferenziale in grado di valutare le regole in maniera efficiente anche al crescere del numero delle variabili di ingresso.

I computer quantistici, strumenti di calcolo che sfruttano principi della meccanica quantistica come superposition, entanglement e interferenza, possono rappresentare una possibile soluzione al suddetto problema. Infatti, questi innovativi strumenti informatici abilitano un parallelismo massivo nel calcolo che, come dimostrato dal gruppo del professor Acampora, offre le potenzialità per il raggiungimento di un vantaggio di tipo esponenziale nella esecuzione dei motori inferenziali. Ciò significa che, anche in presenza di sistemi di grandi dimensioni, i motori inferenziali quantistici potranno essere eseguiti efficientemente, ovvero con un tempo di esecuzione inferiore rispetto ai motori inferenziali eseguiti sui classici calcolatori elettronici.

Il risultato raggiunto dal professor Acampora e dal suo gruppo arriva a seguito di numerosi riconoscimenti e premi internazionali ottenuti per i risultati ottenuti nell’ambito della attività di ricerca svolte nell’area della intelligenza artificiale quantistica. Tra tali riconoscimenti si evidenziano il 2019 Canada-Italy Innovation Award ottenuto dal professore Acampora e rilasciato dalla ambasciata canadese in Italia, il Best Paper Award@Fuzz-IEEE 2021 conseguito dal profesore Acampora e dalla dottoressa Vitiello, l’IEEE Computer Society Award on Emerging Technologies ottenuto dal professore Acampora e dalla dottoressa Vitiello, e il 2022 IEEE CIS Graduate Student Research Grant conseguito da Roberto Schiattarella e che gli consentirà di testare il motore inferenziale quantistico sui sistemi di controllo degli acceleratori di particelle del CERN di Ginevra.