I computer quantistici sono strumenti di calcolo che, dopo la comparsa sul mercato di otto diversi dispositivi prodotti da altrettante aziende nel 2018, hanno effettuato un giro di boa aprendo di fatto una fase di sperimentazione su scala mondiale, potenzialmente in grado di innescare una domanda tale da giustificare la prosecuzione degli investimenti.

In origine, nei primi anni 2000 lo sviluppo di computer quantistici era legato ai finanziamenti di Darpa, poi la successiva riduzione di finanziamenti pubblici a riguardo negli Usa ha spostato lo sviluppo delle tecnologie sufficientemente mature (qubit superconduttori e a ioni intrappolati rispettivamente) dai laboratori delle università alle grandi aziende nordamericane in grado di proseguire con risorse proprie. Queste includono Google, Intel, IBM, Rigetti, D-Wave, Microsoft, IonQ, ma vi è anche la società cinese Alibaba, che si appoggia alla Chinese academy of science.

Questi attori sono variamente collegati tra loro: Chad Rigetti lavorava in precedenza al progetto di IBM, Google ha comprato il primo computer quantistico commerciale della canadese Dwave nel 2011, ma poi si è sviluppata la propria versione Bristlecone da 72 bit quantistici, inoltre finanzia IonQ che sviluppa la tecnologia alternativa basata sugli ioni intrappolati. A differenza dei superconduttori, che richiedono temperature vicine allo zero assoluto, questi ultimi possono funzionare anche fino a temperatura ambiente. Infine, gli scienziati della Cas in Cina sono tornati in patria con un piano di rientro dei cervelli dopo aver lavorato in molte università americane nel decennio del 2000, importando il know how.

I computer quantistici possono essere programmati con diversi tipi di algoritmo, tra cui il celebre algoritmo di Shor di fattorizzazione in numeri primi, noto per poter violare le chiavi di cifratura in tempi molto inferiori rispetto ai computer tradizionali. Occorre precisare che le versioni commerciali disponibili oggi non sono ancora minimamente in grado di riuscirci su numeri di taglia interessante a causa del limitato numero di bit quantistici (qubit) a disposizione.

Il trend di sviluppo dell’hardware suggerisce però di preoccuparsene e infatti il loro avvento ha causato un’evoluzione dei sistemi di cifratura verso soluzioni alternative tra cui i sistemi detti di post-quantum cryptography (che potrebbero essere attaccati da nuovi algoritmi quantistici oggi ignoti) e la ancor più radicale famiglia di tecniche di quantum key distribution. Tra gli algoritmi quantistici spiccano quelli di quantum machine learning, ovvero la versione quantistica degli algoritmi di intelligenza artificiale.

L’IA di tipo deep learning è pervasiva e le attività di intelligence, come tutte le altre attività produttive e di ricerca possono già trarne beneficio: a partire dal riconoscimento automatizzato di immense moli di immagini, al monitoraggio di tracce audio, alla correlazione tra eventi Sigint provenienti da domini e rivelazioni diversificate, classificazione e predizione di comportamenti umani in Humint, correlazioni tra eventi Osint e predizione di scenari economici o geopolitici.

In questo scenario il computer quantistico può essere impiegato in due modi: a sostegno dell’IA, come acceleratore quantistico, una sorta di Gpu più veloce per svolgere algoritmi standard di intelligenza artificiale tipo deep learning evocato in certe fasi dei calcoli per accelerare le parti più pesanti. Oppure, in alternativa, con algoritmi quantistici puri, disegnati per agire in stato accelerato durante tutto il tempo del calcolo.

Questa nuova potenza computazionale potrà essere spesa, una volta realizzata, per incrementare la mole dei dati trattati alla volta, oppure in alternativa per processare più velocemente una stessa quantità di dati. I computer quantistici di piccola scala (fino a decine di qubit) sono oggi una realtà ed è naturale immaginare uno scenario prossimo in cui questi strumenti saranno sufficientemente potenti da ospitare grandi quantità di dati e algoritmi complessi.