- 5 ore fa
Categoria
📺
TVTrascrizione
00:10buongiorno a tutti i telespettatori di classe msi e benvenuti all'interno del nostro approfondimento
00:15dedicato ai computer quantistici con noi non può certo mancare il nostro virgilio nel quantum
00:21space pierpaolo marturano buongiorno a tutti e oggi nella puntata odierna attenzione perché
00:29parliamo di quanti quantum perché quanto sulle robe algoritmi non quasi un quantum e intelligenza
00:36artificiale esatto perché si è parlato tanto della posizione adesso vediamo veramente che cosa c'è
00:43dietro questo connubio potenziale tra quanto un computer vai per paolo cominciamo prego allora
00:50ovviamente nelle scorse puntate abbiamo parlato di quanto un computer in sicurezza con questo con
00:57questa puntata andiamo a chiudere i campi applicativi appunto nel quantum computing
01:02introducendo questa relazione che c'è con l'intelligenza artificiale perché diciamo che
01:08sembra essere sulla carta interessante chiaramente partiamo da una insomma da un discorso insomma
01:19fondamentale il noi ovviamente conosciamo tutti quanti l'intelligenza artificiale con i modelli
01:26llm e i famosi chat gpt cloud and company e chiaramente questi modelli pochi sanno che dietro le quinte per
01:36essere addestrati insomma richiedono una capacità di calcolo enorme cioè quindi quando si tratta di
01:44capacità di calcolo enorme magari avvicinare il mondo del quantum computing abbiamo parlato
01:50deciso proprio dice forse qualche minimo di relazione potrebbe potenzialmente esserci c'è un discorso anche di
01:58costi enormi nell'addestramento dei modelli llm diciamo daria modelli antropic insomma ci ha detto che entro il
02:082028 insomma addestrare un modello di quelli fronti sono quelli più avanzati potrà costare l'ordine dei 10
02:16miliardi di dollari in su insomma quindi costi enormi oltre al fatto che praticamente il l'addestramento di
02:24questi modelli durante un anno praticamente richiede una moltiplicazione 5 per delle risorse computazionali
02:35energetiche che servono nonostante una ottimizzazione dei chip che è più o meno intorno al 30 40 per cento insomma
02:44in sostanza questo trend è ovviamente pericoloso nel senso che
02:54quindi si sta cercando di capire se esiste per esempio nel mondo del quantum computing un aiuto potenziale
03:04potrebbe arrivare questo è diciamo in sintesi la questione chiaramente pochi sanno magari chi è
03:12esperto un po di ai sa benissimo che addestrare una rete neurale quelle deep neural network che sono
03:19quelle che vengono utilizzate per produrre i modelli linguistici che conosciamo che usiamo tutti i giorni
03:25in sostanza si tratta di andare a lavorare con un problema di ottimizzazione che però ha una
03:34dimensionalità enorme ok quindi che cresce in modo esponenziale e quindi in questo spazio enorme
03:42siccome sappiamo dovremmo aver più o meno intuito che il quantum computing quando si tratta di spazi
03:48esponenziali ha forse qualcosa da dire allora si sta cercando di capire se è possibile ottenere
03:55qualche quindi è lì che il quantum può aiutare l'intelligenza artificiale esatto allora diciamo
04:02che c'è un'area nascente nascente in realtà sono alcuni anni che esiste che la cosiddetto cosiddetto
04:10quantum machine learning quest'area insomma chiariamo subito un pochino meglio perché spesso
04:17uno può pensare magari prendo chat cpt e lo faccio girare su un quantum computer
04:22se non è proprio così esattamente quello quello che si vuol fare e anche perché chiaramente
04:30come vediamo tra un po' le problematiche sono estremamente complesse insomma ma diciamo
04:38lo scopo del qml di questo quantum machine learning è quello di cercare di utilizzare dei circuiti
04:44quantistici che sono sostanzialmente sequenze di operazioni che vengono fatte sui qubit poi
04:49approfondiremo meglio insomma ancora non ci siamo neanche arrivati no non abbiamo siamo partiti
04:54dalle applicazioni poi piano piano scenderemo un pochino nel dettaglio
04:58rassicuriamo delle spettatori che cominciamo a dire parole strane tipo circuiti quantistici
05:07cosa sono sono semplicemente una semplicemente tra virgolette una sequenza di operazioni che
05:13vengono eseguite sui qubit vengono chiamate circuiti quantistici sarebbero gli algoritmi
05:18quantistici ok chiaramente si cerca di appunto di inserire questi circuiti quantistici magari
05:25all'interno di modelli diciamo di e ai come quelli che conosciamo oggi quindi siccome queste
05:35i quantum computer sono in grado di esplorare degli spazi esponenziali chiaramente l'idea di
05:44implementare per esempio nel mondo dei cosiddetti kernel quantistici che cosa sono usiamo il quantum
05:51kernel certo il quantum kernel che tu conosci vero è non ho dubbi praticamente vabbè facciamo un piccolo
06:03ma giusto così in modo super divulgativo senza entrare nei dettagli matematici perché ovviamente
06:10queste cose sono ovviamente estremamente complesse un kernel è fondamentalmente un sistema che consente
06:19di trasformare i dati che noi abbiamo in pasto a un modello e uno spazio ad alta dimensionalità
06:27matematicamente parlando chiaramente perché si fa questo perché lo scopo di insomma di questi sistemi
06:35di e ai è quello di scopare dei pattern ok quando è molto difficile scopare dei pattern nei dati in
06:41modo
06:42standard cioè se li spostiamo in questi spazi matematici un po particolari è possibile rendere
06:49più semplice la ricerca di questi e lo scopare questi pattern ok quindi questa detta proprio in modo
06:56semplicemente semplice e chiaramente esiste una versione quantistica matematicamente parlando del di
07:04questi kenner cosiddetti quanto un kernel quindi il problema e poi è cercare di implementarli
07:10realmente oggi abbiamo una serie di limitazioni che sono quelle note che abbiamo già detto più volte
07:16del numero dei qubit che abbiamo a disposizione e del fatto che siamo nell'era nisk quindi nell'era
07:21noise esatto oltre al discorso del kernel quantistico un approccio che appunto si cerca di usare oggi sulle
07:30macchine nisk queste macchine noi sì queste macchine imperfette che abbiamo è quello di usare gli algoritmi
07:37variazionali li abbiamo già nominati no il vqa variational quantum eigen solver qa oa quando abbiamo parlato per
07:44esempio della simulazione quantistica delle dei materiali nella chimica quantistica eccetera qui diciamo
07:52questi stessi algoritmi si può si può provare a utilizzare perché sono algoritmi che hanno lo scopo di
07:59ottimizzare quindi nostro scopo è quello di ottimizzare i parametri di addestramento della rete
08:04neurale quindi questo è quello che si cerca di fare cercando di sfruttare un potenziale speed up offerto
08:12dal mondo del quantum computing ok chiaramente questo non è una rivoluzione pronta domani mattina
08:19purtroppo no perché insomma altrimenti avremmo chissà quali rivoluzioni eccetera diciamo che ci sono
08:31delle aree appunto specifiche nell'ambito del delle ai dove il quantum computing può essere d'aiuto
08:38ovviamente uno è quello dell'ottimizzazione che abbiamo appena detto la ricerca di un punto di
08:44minimo di un area di minimo globale perché abbiamo già detto altre volte che gli algoritmi classici
08:49tendono a incagliarsi in dei minimi locali anziché globali cioè di che sono soluzioni buone ma non sono
08:57le migliori chiaramente non è la ricerca nello spazio tra valli e colline si infilano la sotto
09:02esatto ok quindi cercano gli algoritmi diciamo classici cercano di trovare una un punto di minimo
09:12il più assoluto possibile purtroppo tendono a incagliarsi e non trovare il minimo assoluto ne trovano
09:20uno locale quindi sono le soluzioni insomma accettabili che magari vengono usate e il quantum
09:27computing ha la possibilità potenziale di scovare dei minimi globali insomma perché sfrutto appunto
09:34tutti questi meccanismi della meccanica quantistica che abbiamo già accennato un altro aspetto può essere
09:40quello del sampling dove i modelli generativi che conosciamo quelli che per creare immagini testo
09:47che usiamo ormai tutti i giorni campionano distribuzioni di probabilità complesse quindi
09:54siccome il quantum computing è il calcolo quantistico è fondamentalmente probabilistico
10:00qui scondiamo una porta aperta perché sostanzialmente ogni volta che noi andiamo a misurare i qubit
10:05sostanzialmente stiamo facendo un campionamento quindi anche questa è un'area dove si può provare
10:11a mettere insieme il mondo del quantum computing con l'intelligenza artificiale un altro molto
10:17interessante e importante è quello dell'algebra lineare ma che cosa è questa parola tecnica
10:25difficile chiaramente sia le AI e il mondo del quantum computing per dirla in modo semplicistico
10:33condividono lo stesso tipo di matematica di fondo ok e siccome l'intelligenza artificiale è fondamentalmente
10:41un continuo moltiplicare enormi liste di numeri famose tensori matrici eccetera
10:49e i quantum computer sono bravissimi a fare queste cose e tra l'altro è stato diciamo scoperto
10:57nel 2018 se non vado errato un algoritmo HHL dai nomi dei tre scopritori Arrow, Assi e
11:04di Malloyd che promette in particolari condizioni quindi non è proprio così tutto molto semplice
11:12come può sembrare di ottenere uno speed up esponenziale nella risoluzione di sistemi lineari
11:18che sono fondamentali insomma nella matematica che riguarda questo mondo qui quindi quello
11:23app esponenziale cosa significa? vuol dire che riusciamo a ottenere un boost cioè un potenziamento
11:29nella computazionale di tipo esponenziale quindi velocità esatto velocità di calcolo perché
11:37in realtà stiamo usando un paradigma completamente diverso che consente di fare di fatto prima
11:45di quello che farebbe una macchina classica ok questo è un po' il e poi chiaramente c'è
11:51un'altra situazione che è un po' più avveniristica è quella di lavorare su modelli di machine
11:58learning puramente quantistici cioè io ho a disposizione dei dati quantistici pensiamo
12:03quelli che possono provenire da esperimenti di fisica di base dalla chimica computazionale
12:11insomma eccetera lì ho dati quantistici e questi potrebbero teoricamente essere già pronti
12:18no per entrare in input in un ipotetico quanto un computer in grado di lavorare con dei modelli
12:26diciamo basati cioè nativamente quantistici però chiaramente questo è un po' molto speculativo
12:33perché di fatto oggi non c'è non abbiamo nulla teniamo conto che oggi sono stati fatti tanti piccoli
12:40esperimenti su problemi e ci stanno lavorando praticamente tutti i soliti noti esistono ovviamente la solita ibm
12:50i soliti google amazon eccetera esiste anche un'altra c'è anche un'altra società interessante
12:57che è xanadu che anche questa è una società quotata che praticamente ha un framework interessante
13:06che si chiama penny lane che è fatto apposta per il quantum machine learning no quindi è un
13:12perché chiaramente ci servono delle librerie software insomma per cercare di lavorare su questi
13:19aspetti qui e quindi ci sono anche nel kiss kit che è la libreria di cui parleremo poi più avanti
13:29nelle varie puntate che è un framework open source fondato da ibm creato originariamente da ibm ma
13:37ormai viene usato praticamente in tutto il mondo perché sostanzialmente si può usare con qualsiasi
13:42tipologia di quanto un computer non soltanto con quelli di ibm praticamente c'è un'area che si occupa
13:49degli algoritmi del quantum machine learning quindi chi vuole provare a sperimentare a testare
13:57insomma queste cose per come sono oggi in realtà si può iniziare a provare certo non c'è nessuna
14:04possibilità di ottenere risultati clamorosi perché ovviamente abbiamo voglio smorzare il solito
14:12entusiasmo perché la situazione attuale è un po quella che conosciamo già c'è un altro aspetto
14:23prima di tornare insomma al discorso del connubio di chi ci sta lavorando eccetera vorrei sottolineare
14:31un altro aspetto interessante che è quello del un aspetto duale cioè noi parliamo del quantum che va in
14:39in soccorso dell'intelligenza artificiale però c'è anche l'intelligenza artificiale che viene in soccorso
14:44del quantum computing ossia cioè l'intelligenza artificiale il machine learning insomma come la
14:51conosciamo oggi è in grado di ovviamente fare ottimizzazione questo è uno delle dei campi su cui
14:59viene utilizzato e quindi per esempio la si sta già oggi utilizzando nella ricerca della della soluzione
15:07della mitigazione degli errori sappiamo che quanto un computer sono noisi e si sta cercando in tutti i modi
15:13di renderli meno noisi per renderli più funzionali e pronti all'uso e quindi correggere l'errore
15:20più meglio in questo caso più che correggere l'errore più corretto mitigare l'errore perché qui siccome
15:27gli algoritmi di ai sono in grado di scovare pattern quindi questi algoritmi scovano i pattern del di
15:36questi errori e cercano di compensarli quindi con un meccanismo di compensazione che allora rende quindi
15:42sostanzialmente di fatto è l'obiettivo è quello di annullare esatto bravissimo esattamente questo la mitigazione
15:49dell'errore un altro ambito in cui le hai aggiunge valore al quantum computing e la compilazione la
15:58compilazione quando si scrive un algoritmo quantistico poi questo deve essere eseguito sull'hardware
16:04fisico e passa attraverso una serie di processi che lo trasformano in qualcosa che poi è specifico
16:12dell'hardware che si è sotto sappiamo ci sono vari tipi di hardware hardware superconduttivo come quello
16:19di bm google eccetera ion q che invece per esempio usa gli ioni intrappolati sono hardware
16:24diversi e anche le porte quantistiche cioè quello che i cubi realizzati con queste tecnologie sono in
16:31grado di fare sono diversi quindi ci vuole qualcosa che traduca correttamente in modo ottimizzato
16:37ma quello che noi abbiamo scritto in teoria sulla carta il nostro algoritmo quantistico in qualcosa che
16:42sia eseguibile in modo ottimizzato su quella macchina e le ai ci aiuta a migliorare insomma questo questo
16:51processo così come anche la calibrazione dei cubi cioè i cubi che sono nel cloud come per esempio quelli
16:57di bm quantum che si possono utilizzare liberamente chi li va a provare utile vedrà che c'è un tempo
17:06di
17:06calibrazione ti dice da quanto tempo sono stati calibrati perché periodicamente vanno
17:12ricalibrati e anche la calibrazione già oggi viene fatta con sistemi di ai che aiutano a farlo in
17:23modo molto più efficiente risparmiando anche sia nella parte di compilazione quindi quello è un tema
17:33un tema fondamentale e chiaramente la problematica diciamo del tornando insomma all'utilizzo dei
17:45dei quantum computer nell'ambito delle ai le reti neurali moderne hanno veramente miliardi di
17:52parametri il problema è che gli algoritmi quantistici che abbiamo tipo il vq è quello che nominavo prima
17:59gli algoritmi variazionali purtroppo hanno un problema serio che lo nominiamo anche se
18:07un po per addetti ai lavori cosiddetto barren plateau di barren plateau è un barren plateau sì che
18:16praticamente è diciamo lasciamo perdere il tecnicismo veramente matematico che c'è dietro però di fatto
18:24quando noi dobbiamo ottimizzare un paesaggio matematico non ci aspettiamo valli e colline
18:30eccetera se invece ci troviamo davanti un deserto piatto cosa ottimizziamo niente quindi il problema
18:36nel senso che in realtà no più aggiungiamo qubit si verifica questo fenomeno infatti bisogna trovare un
18:46modo per gestirlo perché altrimenti diventa difficile ottimizzare un qualcosa che di fatto non
18:52è ottimizzabile perché matica me matematicamente intrattabile da questo punto di vista quindi questo
18:58è un altro aspetto che oggi costituisce una barriera importante allo sviluppo del quanto un computing
19:07mescolato alle a insomma ecco perché il numero dei qubit appunto che noi di cui abbiamo bisogno deve
19:17per forza aumentare altrimenti non possiamo implementare gli algoritmi ma se aumentiamo il
19:22numero di qubit si verifica questo fenomeno quindi bisogna trovare un tre doc tra queste cose quindi
19:30tutte queste problematiche chiaramente fanno capire che questo è un ambito di ricerca pura
19:37allora guardiamo lo stato dell'arte e le prospettive attuali i limiti di oggi gap di scala
19:43sì appunto quelli che abbiamo appena detto pochi qubit che non ci sono il barra in plateau il barra in
19:50plateau esatto che è un problema input botleneck e questo è un altro un altro aspetto importante che
19:58finora abbiamo trascurato che è quello della di come diamo in pasto diciamo così i dati al
20:05quantum computing perché i dati che noi abbiamo sono dati classici i nostri testi le nostre immagini
20:13eccetera per darle in pasto a un quantum computer bisogna trasformarle in modo tale che le possa
20:19digerire tra virgolette il problema che questa operazione oltre che essere estremamente costosa
20:25estremamente lenta al punto tale da rendere allo stato attuale abbastanza vano l'utilizzo di un
20:31computer da questo punto di vista quindi questo è un altro aspetto che serve a smorzare un po' l'hype
20:38anche se è un campo interessante che potrebbe avere degli è un campo di ricerca quindi breakthrough
20:43continui ci possono essere novità insomma ci sono insomma sappiamo che da un giorno all'altro esce una
20:51notizia arriva un paper pubblicato e ci sono novità interessanti però questo qui è un altro collo di
20:58bottiglia non banale insomma nessun vantaggio industriale oggi non abbiamo vantaggi industriali
21:03perché abbiamo appena detto che si tratta di però arriviamo alle prospettive esatto 5 10 anni si anche
21:1315 io direi anche 15 mercato in crescita diciamo che ci possono essere dei degli ambiti in cui
21:22probabilmente magari alcune applicazioni di nicchia potranno cominciare ad avere qualche vantaggio quando
21:28cominceremo ad avere delle macchine che cominciano a funzionare un po' meglio no abbiamo detto che
21:34intorno al 2030 cominceremo ad avere qualche macchina con full tolerant quindi qualcosa magari la vedremo
21:41però chiaramente per arrivare a qualcosa di veramente serio secondo me dobbiamo avere davanti una prospettiva
21:47di almeno 15 anni mercato in crescita va bene 2 miliardi entro il 2030 sinergia virtuosa la i migliore al
21:54quanto potenzierà la i e due curve esponenti esatto quindi non adesso non vogliamo per forza smorzare
22:01gli entusiasmi non vogliamo per forza smorzare gli entusiasmi perché non è quello l'obiettivo esatto
22:08quindi diciamo dal punto di vista anche dell'investimento su questi temi qui questi sono
22:15investimenti dove ci possono essere le prospettive veramente interessanti no quindi non sono non è da
22:22trascurare assolutamente per paolo marturano core matrix grazie mille grazie la posta facciamo e
22:30cambieremo entreremo un po nel dettaglio di cosa fanno le ma queste macchine veramente oggi insomma
22:37cominciamo a esplorare prossimo appuntamento per chi insomma volesse insomma per chi ci ha pre cia
22:44cia cia cia visto adesso da poco sappiate che sul sito video milano finanza punto it trovate una
22:50sezione dedicata proprio tutto al quanto e poi c'è quanto un trattino space punto it dove per tutti
22:57coloro che vogliono approfondire carico anche del materiale aggiuntivo grazie mille grazie terminiamo qui il
23:03nostro approfondimento sul mondo del quantum andiamo in pausa e grazie a tutti per l'attenzione
23:16grazie a tutti
Commenti