Ricerca: Utilizzo delle funzionalità quantistiche per le applicazioni di machine learning
Il progetto di ricerca del dottorato si inserisce direttamente nella linea di ricerca di ricerca della Quantum Information esplorando uno dei rami più promettenti e attivi: il machine learning quantistico. L'uso della meccanica quantistica per affrontare i problemi dell'intelligenza artificiale è uno dei grandi problemi aperti dell'informatica quantistica. Date le possibili applicazioni pratiche, la scoperta di un "vantaggio quantistico" in questo ramo avrebbe enormi implicazioni.
Sebbene questo ramo della ricerca sia solo agli inizi, ci sono indicazioni che la struttura stessa degli stati quantistici possa portare a una significativa accelerazione dei problemi legati all'intelligenza artificiale. Gli stati di un sistema quantistico sono associati a uno spazio vettoriale (di Hilbert), ciò si completa naturalmente con la nozione di norma degli stati e di distanza tra due stati. Il calcolo della distanza tra due “articoli” è la base di qualsiasi protocollo di classificazione classico; quindi, è naturale chiedersi se la distanza meccanica quantistica intrinseca possa essere utilizzata per accelerare i problemi di classificazione.
Un altro esempio interessante è il Quantum Variational Algorithm (QVA). In questo caso, si esegue un codice quantistico e si aggiorna il parametro del circuito quantistico per arrivare alla soluzione desiderata, ad esempio, che minimizzando una certa funzione di costo.
Questo ha una chiara analogia con la rete neurale usata in informatica, ma ha anche una forte correlazione con la procedura variazionale usata in meccanica quantistica per calcolare le proprietà di atomi e molecole.
L’obbiettivo centrale nel progetto di dottorato è, quindi, usare tali proprietà della meccanica quantistica per velocizzare alcuni problemi computazionali presenti nel machine learning.