La capacità di prevedere il comportamento di sistemi complessi e caotici ha appena fatto un salto enorme grazie alla Quantum AI, ovvero l’integrazione tra intelligenza artificiale e computer quantistici. Uno studio condotto dai ricercatori della University College London (UCL), pubblicato su Science Advances il 17 aprile 2026, ha dimostrato che questo approccio ibrido supera nettamente i modelli tradizionali, con implicazioni potenziali enormi per campi come la scienza del clima, la medicina e la produzione di energia. E la parte più interessante? Lo fa usando molta meno memoria rispetto ai metodi convenzionali.

Il punto di partenza è un problema che chiunque lavori con simulazioni conosce bene. Per fare previsioni su sistemi fisici complessi, le strade sono due: lanciare una simulazione completa che può richiedere settimane, oppure affidarsi a un modello di intelligenza artificiale che è più rapido ma perde affidabilità nel lungo periodo. La Quantum AI proposta dal team di UCL offre una terza via, decisamente più promettente.

Come funziona l’approccio ibrido quantistico

Il metodo non richiede che il computer quantistico faccia tutto il lavoro pesante. Al contrario, viene utilizzato in una fase specifica dell’addestramento dell’IA. I dati vengono prima elaborati dal computer quantistico, che identifica pattern statistici nascosti e stabili nel tempo, chiamati proprietà statistiche invarianti. Questi pattern vengono poi passati a un modello di IA che gira su un supercomputer classico, guidandone l’apprendimento in modo molto più efficace.

Qui entra in gioco la natura stessa del calcolo quantistico. A differenza dei computer tradizionali, che lavorano con bit impostati su 1 o 0, i qubit possono esistere in entrambi gli stati contemporaneamente grazie alla sovrapposizione quantistica. L’entanglement, poi, permette ai qubit di influenzarsi a vicenda anche a distanza. Queste due proprietà consentono di rappresentare una quantità enorme di informazioni in forma estremamente compatta.

Il risultato concreto? Il sistema di Quantum AI ha mostrato circa il 20 percento di accuratezza in più rispetto ai modelli standard, mantenendo previsioni stabili anche su periodi lunghi e di fronte a dinamiche caotiche. Il tutto con un consumo di memoria centinaia di volte inferiore.

Verso applicazioni concrete e su larga scala

Lo studio ha utilizzato un computer quantistico IQM a 20 qubit, collegato alle risorse di calcolo classico del Leibniz Supercomputing Centre in Germania. Per funzionare, questi dispositivi devono operare a temperature vicine allo zero assoluto, circa meno 273 gradi centigradi, più freddo di qualsiasi cosa esistente nello spazio.

Un aspetto particolarmente intelligente di questo approccio riguarda la gestione dei limiti hardware attuali. I computer quantistici odierni soffrono di rumore, errori e interferenze. Il metodo sviluppato a UCL aggira il problema usando il processore quantistico una sola volta durante il flusso di lavoro, evitando lo scambio continuo di dati tra sistema quantistico e classico.

Come ha spiegato Maida Wang, prima autrice dello studio, questa ricerca sembra dimostrare un vero e proprio vantaggio quantistico pratico. Il passo successivo sarà scalare il metodo con dataset più grandi e applicarlo a situazioni reali, che tipicamente presentano livelli di complessità ancora maggiori. È una di quelle scoperte che non rivoluzionano tutto dall’oggi al domani, ma che tracciano una direzione chiara. La Quantum AI potrebbe davvero cambiare il modo in cui la scienza affronta il caos.

L'articolo Quantum AI e sistemi caotici: la svolta che nessuno si aspettava proviene da Tecnoapple.