L’informatica quantistica (più nota con il suo termine inglese, quantum computing) è decisamente ancora nell’alveo delle tecnologie emergenti. Tuttavia, i computer quantistici sono già utilizzati per risolvere alcuni problemi complessi in modo completamente differente rispetto ai tradizionali computer ed all’informatica classica; sintetizzando e semplificando al massimo, il computer quantistico consente di “scomporre” il problema processandolo con il calcolo parallelo, accelerando notevolmente i risultati (che con un computer tradizionale richiederebbero tempi lunghissimi).
La possibilità di svolgere calcoli in parallelo (grazie al cosiddetto parallelismo quantistico, caratteristica della meccanica quantistica) rende ammissibile e praticabile il calcolo simultaneo dei valori di una funzione in un unico circuito. Per comprendere cosa significa basta ricordare come funzionano i computer tradizionali, basati sui bit: per abilitare il calcolo parallelo in un computer tradizionale è necessario utilizzare più circuiti elettronici identici (uno per ciascun valore che si deve calcolare). Nel computer quantistico la cui unità fondamentale è il qubit, o bit quantistico, invece, il calcolo parallelo avviene in un unico circuito. Questo genera notevoli potenzialità per tutte quelle applicazioni che richiedono una immensa capacità di elaborazione, applicazioni che, fino ad oggi, faticavano a “girare” sul computer tradizionali (richiedono tantissime risorse e molto molto tempo per l’elaborazione).
Indice dei contenuti
Le applicazioni del computer quantistico
I computer quantistici, come accennato, vengono già utilizzati, anche se non possiamo certo dire che ci sia un mercato aperto di questi sistemi. La strada per un uso commerciale esteso, che vada oltre i confini dei laboratori all’interno dei quali si trovano oggi questi computer, è ancora lunga, ma le opportunità per poterli utilizzare non mancano. Vediamo allora quali sono i campi applicativi che già oggi stanno beneficiando dei computer quantistici.
1) Machine Learning (e Intelligenza Artificiale)
Le applicazioni basate su tecniche di intelligenza artificiale, come per esempio il riconoscimento vocale o il riconoscimento facciale, che fanno ampio uso dell’apprendimento automatico (machine learning), sono in costante aumento e sempre più diffuse in ambiti differenti, dalle app sugli smartphone per classificare le fotografie fino a sistemi di sicurezza che sfruttano il riconoscimento di dati biometrici per concedere l’accesso ad un dispositivo o consentire l’ingresso delle persone in determinati luoghi. L’aumento costante del numero di applicazioni che sfruttano l’intelligenza artificiale e necessitano di “addestramento” con enormi moli di dati mette “sotto stress” i computer tradizionali; i computer quantistici diventano, in questo specifico ambito, una via per accelerare le fasi di machine learning, accelerando così anche il rilascio di nuove applicazioni.
2) Farmacologia: il computer quantistico per la ricerca e lo sviluppo di nuovi farmaci
La “progettazione” e lo sviluppo di nuovi farmaci seguono il metodo scientifico incentrato su “ipotesi, sperimentazione / tentativi, errori”. Un impegno che ha sempre richiesto moltissimo tempo e tante risorse (di competenze ma anche economiche), per altro con elevatissimi rischi di fallimento. Molti ricercatori nel campo della farmacologia stanno già oggi “toccando con mano” le potenzialità del quantum computing, soprattutto nell’ambito delle simulazioni (per sperimentare il comportamento di molecole e farmaci) e dell’analisi delle “reazioni” dei composti farmacologici sugli esseri umani. Problemi complessi che grazie ai computer quantistici possono essere risolti in minor tempo, con conseguente risparmio di denaro. Non solo, l’efficienza di simili processi consente una accelerazione della ricerca aumentando di fatto le possibilità di scoprire nuovi farmaci.
3) Chimica computazionale
Strettamente connesso al precedente ambito applicativo (quello della farmacologia), quello della chimica computazionale è forse uno dei settori di applicazione del calcolo quantistico più promettenti. Si ritiene, infatti, che il numero di stati quantistici, anche nella più piccola molecola, sia estremamente vasto e quindi decisamente complesso da elaborare attraverso un sistema di calcolo convenzionale. La peculiarità del quantum computing – che consente di sfruttare l’esistenza di 1 e 0 contemporaneamente (cioè di sfruttare i qubit) – sta nell’enorme capacità di calcolo che può consentire di mappare con successo le molecole, primo importantissimo step per accelerare la ricerca farmaceutica. Di fatto, già oggi i computer quantistici consentono al mondo della chimica di trovare soluzioni nell’ambito dei semiconduttori (per esempio creando semiconduttori a temperatura ambiente, partendo dalla ricerca di nuovi materiali), della lotta al cambiamento climatico (identificando nuove vie per rimuovere l’anidride carbonica), lo sviluppo di fertilizzanti eco-friendly… solo per citare alcuni esempi.
4) Previsioni del tempo
Le previsioni del tempo includono diverse variabili da considerare, come la pressione dell’aria, la temperatura e la densità dell’aria. Tutte condizioni che rendono molto complessi i calcoli e la risoluzione del problema, che dovrebbe coincidere con una previsione accurata.
Oggi questi calcoli richiedono moltissimo tempo (e capacità computazionale) e si basano su enormi moli di dati. Il computer quantistico potrebbe rappresentare la via per migliorare la modellazione del sistema meteorologico, in particolare consentendo agli esperti di prevedere i modelli meteorologici mutevoli in un tempo molto breve e con una precisione maggiore.
Con i computer quantistici, i meteorologi saranno a breve in grado di generare e analizzare anche modelli climatici più dettagliati, tassello importante per riuscire ad avere ancora più informazioni sui cambiamenti climatici, sugli impatti che genera e sui possibili modi per mitigarli.
5) Cybersecurity, al via la crittografia post quantistica
Il cyber spazio è sempre più vulnerabile a causa nel crescente numero di minacce e attacchi informatici (che si ripercuoto poi nel “mondo fisico”). Riuscire a contrastare tali minacce e mitigare il rischio di attacco diventa un’impresa sempre più ardua che richiede grandi capacità di analisi delle minacce su grandissime moli di dati. Il calcolo quantistico, con l’aggiunta del machine learning, può diventare l’elemento grazie al quale sviluppare tecniche di sicurezza informatica più efficaci, basti pensare alla crittografia quantistica e post quantistica.
Desideri parlare con un nostro esperto? Contattaci
Ultime News Data Center
-
Mercato cloud in Italia: tendenze e numeri da osservare
5 Settembre 2024 -
Quali sono le differenze tra SQL Server e Oracle?
13 Maggio 2024 -
Cos’è e come fare monitoraggio di Microsoft SQL Server
23 Aprile 2024 -
Guida SQL Server, tutto quello che devi sapere
19 Aprile 2024 -
FaaS: Cos’è, Come funziona, Vantaggi, Casi d’uso ed Esempi
26 Febbraio 2024
Computing e architetture
-
Quali sono le tendenze della gestione avanzata dell’iperconvergenza?
19 Settembre 2024 -
Multi-cloud vs Hybrid cloud: Confronto, Cosa sono, Differenze
29 Novembre 2023 -
Sistemi Iperconvergenti Sangfor
4 Settembre 2023 -
Colocation data center: tipologie e vantaggi
16 Agosto 2023 -
Sistemi Iperconvergenti Simplivity
4 Luglio 2023 -
Cos’è un hypervisor? Scopri il tipo 1 e 2
15 Maggio 2023 -
Sistemi iperconvergenti Nutanix
4 Maggio 2023 -
Cloud Computing: tutto quello che c’è da sapere
18 Febbraio 2023 -
Cos’è un’infrastruttura informatica: componenti e tipologie
13 Febbraio 2023