Il 5 maggio 2026, i ricercatori dell’Università Statale di Milano hanno rivelato un innovativo approccio per migliorare le capacità di analisi delle intelligenze artificiali. Questo metodo, ispirato al funzionamento del cervello umano, sfrutta il “rumore di fondo” per elaborare grandi volumi di dati in modo più efficiente. La ricerca, pubblicata sulla rivista “Npj Quantum Information”, sottolinea come questa strategia possa portare allo sviluppo di un’intelligenza artificiale quantistica più robusta e scalabile, adatta per i futuri computer quantistici.
La ricerca
Il team di ricerca, guidato dal professor Enrico Prati, ha progettato un algoritmo che si ispira al comportamento dei neuroni nel cervello umano. I computer quantistici, noti per la loro capacità di gestire enormi quantità di dati, sono però vulnerabili al rumore di fondo, che può compromettere la loro funzionalità. Questo fenomeno, che avviene quando i qubit interagiscono in modo incontrollato con l’ambiente, ha portato i ricercatori a riflettere su come i neuroni riescano a comunicare anche in contesti affollati di disturbi.
Prati ha spiegato che i neuroni operano in ambienti rumorosi, e questo ha ispirato modelli di intelligenza artificiale che utilizzano il rumore come elemento chiave per migliorare l’elaborazione delle informazioni. Grazie ai computer quantistici, è stato possibile applicare questa metodologia a reti di bit quantistici, dimostrando che l’uso controllato del rumore può effettivamente migliorare le prestazioni del sistema.
Come è nata l’idea
La genesi di questa ricerca risale al 2015, quando il team ha identificato una particolare classe di algoritmi di intelligenza artificiale in grado di sfruttare il rumore anziché esserne ostacolati. Tuttavia, all’epoca mancava l’hardware necessario per testare questa teoria. Con il finanziamento del Piano Nazionale di Ripresa e Resilienza (Pnrr), avviato a fine 2023, i ricercatori sono stati in grado di proseguire il loro lavoro. Dopo due anni di studi, hanno non solo confermato la validità della loro idea, ma hanno anche scoperto un metodo per generare questa condizione di rumore in modo controllato.
Questa nuova forma di intelligenza artificiale, definita “ad eco“, è particolarmente utile per l’analisi di dati sequenziali. Le sue applicazioni spaziano dall’analisi genetica a previsioni finanziarie, fino alla gestione dei carichi nelle reti elettriche e alla simulazione di scenari meteorologici, come nel caso della creazione di un gemello digitale della Terra.
Prati ha concluso affermando che la natura continua a offrire ispirazione per strategie tecnologiche, frutto di un’evoluzione che si è sviluppata nel corso di milioni di anni, dimostrando come la tecnologia possa trarre vantaggio da tali processi naturali.
