L’intelligenza artificiale sta già cambiando il nostro modo di lavorare, creare e fare ricerca. Accanto all’AI esiste però un’altra tecnologia che potrebbe rappresentare uno dei grandi salti del futuro. I computer quantistici.

Per capire perché siano così diversi bisogna partire dalla domanda più semplice. Che cos’è la quantistica?

La fisica quantistica studia il comportamento della materia nella sua dimensione più piccola, quella degli atomi e delle particelle. Nel mondo che osserviamo ogni giorno siamo abituati a oggetti con caratteristiche definite. Un oggetto si trova in un luogo preciso, un circuito è acceso oppure spento.

Nel mondo quantistico le regole cambiano. Le particelle vengono descritte attraverso possibilità e probabilità e possono assumere comportamenti lontani dalla nostra esperienza quotidiana.

Il computer quantistico nasce dall’idea di sfruttare queste regole per elaborare informazioni in modo diverso. Non utilizza i normali bit dei computer tradizionali, basati sulla distinzione tra zero e uno, ma i qubit, che permettono di rappresentare situazioni molto più complesse.

Non è quindi semplicemente un computer più veloce. È un modo diverso di affrontare determinati problemi.

Questi computer esistono già. Sono utilizzati da università, centri di ricerca e grandi aziende tecnologiche, anche se siamo ancora in una fase iniziale. Non sostituiscono i computer tradizionali e non eseguono automaticamente i programmi che utilizziamo ogni giorno.

Proprio come un nuovo motore richiede un veicolo progettato per sfruttarlo, un computer quantistico richiede software e algoritmi costruiti appositamente.

Oggi i ricercatori scrivono programmi quantistici dedicati. Il computer tradizionale prepara il problema, il processore quantistico esegue la parte in cui può avere un vantaggio e il risultato viene poi analizzato nuovamente dal computer classico.

Arriva quindi una domanda naturale. Se abbiamo già l’intelligenza artificiale, perché abbiamo bisogno anche dei computer quantistici?

L’intelligenza artificiale può già creare qualcosa di nuovo. Può progettare molecole mai viste, immaginare nuovi materiali o proporre soluzioni tecnologiche innovative. Non copia semplicemente quello che esiste.

A questo punto potrebbe nascere un altro dubbio. Se possiamo dare a un computer quantistico le informazioni sul comportamento della materia, perché non possiamo fare la stessa cosa con l’intelligenza artificiale?

In realtà possiamo farlo, e in parte lo facciamo già. L’intelligenza artificiale può essere addestrata con dati di chimica, fisica, simulazioni ed esperimenti. Può imparare come si comportano atomi, molecole e materiali. Può anche proporre soluzioni nuove, mai realizzate prima.

Il limite non è quindi la mancanza di conoscenza. Il limite è il modo in cui quella conoscenza viene calcolata.

Un’intelligenza artificiale lavora comunque su computer classici, basati su bit tradizionali. Anche se conosce le regole della fisica quantistica, deve rappresentarle attraverso modelli, approssimazioni e semplificazioni.

Quando una molecola diventa molto complessa, il numero di interazioni possibili tra atomi ed elettroni cresce enormemente. A quel punto non basta sapere quali siano le regole. Bisogna riuscire a calcolarle in modo efficace.

Il computer quantistico è diverso perché non si limita a ricevere informazioni sulla quantistica. Funziona esso stesso secondo regole quantistiche. I suoi qubit non simulano quel mondo soltanto dall’esterno, ma lo usano direttamente come parte del calcolo.

È come la differenza tra descrivere il mare con un modello matematico e creare una vasca in cui l’acqua si comporta davvero come acqua. Il modello può essere molto utile e anche molto preciso, ma resta una rappresentazione. La vasca invece riproduce fisicamente una parte del fenomeno.

Un esempio concreto è una molecola. Una molecola è composta da atomi ed elettroni, e gli elettroni seguono proprio le leggi della fisica quantistica.

Quando si dice che un computer quantistico può provare una molecola non significa che la crea fisicamente dentro una macchina. Significa che può simularne il comportamento, prevedendo proprietà e reazioni prima di arrivare agli esperimenti reali.

L’intelligenza artificiale potrebbe proporre migliaia di nuove molecole promettenti. Il computer quantistico potrebbe aiutare a capire più rapidamente quali tra quelle hanno realmente le caratteristiche desiderate.

Questo potrebbe modificare profondamente i tempi della ricerca.

Una fase di scoperta e ottimizzazione di un farmaco che oggi può richiedere anche cinque anni potrebbe in futuro ridursi a pochi mesi. Non perché il computer quantistico sia semplicemente una macchina più veloce, ma perché permetterebbe di evitare molti tentativi destinati a fallire.

Lo stesso principio potrebbe essere applicato a molti altri settori.

Nelle batterie, l’intelligenza artificiale potrebbe immaginare nuovi materiali e il quantistico aiutare a prevederne il comportamento prima della produzione fisica. Questo potrebbe accelerare lo sviluppo di batterie più leggere, più durature e con tempi di ricarica inferiori.

Nell’energia potrebbe contribuire allo sviluppo di nuovi materiali, pannelli solari più efficienti e tecnologie come la fusione nucleare.

Nella logistica e nell’industria potrebbe aiutare a risolvere problemi con milioni di combinazioni possibili, come rotte di trasporto, distribuzione delle risorse e progettazione di sistemi complessi.

La vera evoluzione probabilmente non sarà una competizione tra intelligenza artificiale e computer quantistici. Sarà la loro collaborazione.

L’intelligenza artificiale potrebbe diventare lo strumento capace di immaginare milioni di possibilità. Il computer quantistico potrebbe diventare uno degli strumenti più potenti per capire quali di quelle possibilità possono realmente funzionare.

Come accaduto con l’AI moderna, la rivoluzione non dipenderà solo dall’hardware. Serviranno nuovi software, nuovi algoritmi e un modo completamente diverso di pensare il calcolo.

Il futuro del computer quantistico non è quindi avere semplicemente computer più potenti. È avere un nuovo modo di esplorare problemi che oggi richiedono anni di tentativi.