00:11Penso al calcolo quantistico come a un sistema di elaborazione ad alta efficienza energetica
00:16per risolvere problemi computazionali complessi. Questo è particolarmente importante in un
00:22periodo in cui il consumo di energia rappresenta una delle principali criticità legate all'informatica,
00:28all'intelligenza artificiale e al machine learning. Il modo in cui otteniamo questa efficienza
00:33energetica è sfruttando gli effetti della meccanica quantistica per risolvere problemi
00:37complessi più rapidamente e in modo più efficace rispetto ai computer tradizionali. Così facendo
00:43riduciamo la quantità di energia necessaria per risolvere questi problemi. Il calcolo quantistico
00:48è fondamentale in un'ampia gamma di applicazioni, dalla pianificazione dei turni di lavoro all'ottimizzazione
00:54dei processi produttivi negli stabilimenti industriali, dalla progettazione di farmaci
00:59alla modellazione meteorologica su scala globale. Esistono due approcci molto diversi e importanti
01:05al calcolo quantistico. Uno è già una realtà commerciale, mentre l'altro è ancora nella
01:10fase di ricerca e sviluppo. L'approccio già disponibile sul mercato si chiama annealing
01:14quantistico. D-Wave è stata l'azienda pioniera in questo settore. Oggi siamo l'unica azienda
01:20dal mondo a commercializzare computer quantistici basati sull'annealing. Abbiamo clienti in numerosi
01:25settori industriali che utilizzano già i nostri sistemi all'interno delle loro attività operative.
01:31Per esempio BASF li utilizza per la pianificazione della produzione chimica. Ford Otosan li utilizza
01:38per ottimizzare l'assemblaggio delle carrozzerie automobilistiche. Shonogi, azienda farmaceutica
01:43giapponese, li utilizza per migliorare l'addestramento dei modelli di intelligenza artificiale. I nostri
01:49computer quantistici, basati sull'annealing, sono già commercialmente disponibili e vengono
01:54utilizzati dagli aziende per migliorare l'efficienza delle proprie attività. Parallelamente stiamo
01:59sviluppando anche sistemi quantistici a modello di porte logiche, i cosiddetti gate model system.
02:05Questi sistemi sono ancora in una fase avanzata di ricerca e sviluppo. Serviranno ancora diversi
02:10anni prima che raggiungano una scala tale da poter risolvere problemi reali e generare
02:15un ritorno economico concreto per le aziende. L'intelligenza artificiale e il calcolo quantistico
02:20sono tecnologie estremamente complementari. Il calcolo quantistico può favorire lo sviluppo
02:25dell'intelligenza artificiale e allo stesso tempo l'intelligenza artificiale può favorire
02:29il progresso del calcolo quantistico. Per quanto riguarda il contributo del calcolo quantistico
02:34all'intelligenza artificiale, vedo due modalità principali. La prima consiste nell'utilizzare
02:39le due tecnologie insieme per affrontare un problema affidando a ciascuna la parte che
02:43è più adatta a risolvere. La seconda è che il calcolo quantistico può migliorare
02:47l'addestramento e l'inferenza dei modelli di intelligenza artificiale riducendo al contempo
02:52il consumo energetico. Per esempio Shonogi, l'azienda farmaceutica giapponese che già
02:57utilizza i nostri sistemi, sa addestrando i propri modelli attraverso il nostro computer quantistico.
03:02I risultati mostrano modelli migliori, tempi di addestramento più rapidi e un minore consumo
03:07di energia. In questo modo il calcolo quantistico contribuisce direttamente all'addestramento
03:12e all'esecuzione dei modelli di intelligenza artificiale.
Comments