L’Università Statale di Milano ha creato un’AI in grado di imitare i neuroni per processare dati

Il sistema proposto è in grado di elaborare grandi quantità di dati in sequenza sfruttando, anziché combattendo, il cosiddetto rumore di fondo dei sistemi quantistici

2 min.

L’Università Statale di Milano ha creato un’AI in grado di imitare i neuroni per processare dati

Immaginare un cervello che riesce a concentrarsi e a prendere decisioni anche in mezzo al frastuono di una stazione affollata. È proprio questo il principio che un team di ricercatori dell’Università degli Studi di Milano ha tradotto in un algoritmo. Lo studio, pubblicato sulla rivista scientifica Npj Quantum Information, propone un sistema di intelligenza artificiale in grado di elaborare grandi quantità di dati in sequenza sfruttando, anziché combattendo, il cosiddetto rumore di fondo dei sistemi quantistici. Con rumore di fondo, o rumore quantistico, in un computer o in un sistema quantistico, ci si riferisce a tutte quelle interferenze esterne o imperfezioni interne che disturbano lo stato delicato dei qubit, l’unità fondamentale dell’informazione nel calcolo quantistico.

Il risultato si inserisce in un filone di ricerca che a Milano ha già prodotto risultati di rilievo internazionale. Nel 2023, un team coordinato da Enrico Prati, docente di Fisica della materia alla Statale, aveva dimostrato, in collaborazione con il Politecnico di Milano, che un computer quantistico è in grado di rilevare attacchi informatici “fino a 64 volte più velocemente” di un computer tradizionale, usando un database reale di tre milioni di pacchetti di traffico internet. Quel lavoro aveva segnato la prima osservazione di un vantaggio quantistico su dati reali, pubblicato su Nature Communications Physics.

Il nuovo algoritmo va oltre e invece di limitarsi a correggere il rumore, una delle principali sfide del calcolo quantistico, lo integra nel processo di elaborazione, rendendolo parte attiva del ragionamento della macchina. Il sistema risulta così più stabile, controllabile e capace di analizzare sequenze di dati molto lunghe senza perdere informazioni. Un approccio che, secondo i ricercatori, apre la strada a un’intelligenza artificiale quantistica più robusta e scalabile, applicabile ai computer quantistici di prossima generazione.


Articoli simili

Ultime news


Claude unifica la memoria tra Chat e Cowork: niente più spiegazioni ripetute

Anthropic ha fuso i sistemi di memoria di Claude Chat…

Nvidia Q2 2026: Wall Street attende i conti, attese a 91-95 miliardi

Nvidia presenta oggi i risultati del secondo trimestre fiscale 2027:…

OpenAI, zero data retention per i modelli frontier: addio ai dati degli enterprise

OpenAI ha annunciato lo Zero Data Retention per i clienti…

OpenAI subissata da indagini: l’Alabama la cita in giudizio per il caso Hugging Face

Il procuratore generale dell'Alabama ha emesso un'ingiunzione formale contro OpenAI…

DENTRO L’ALGORITMO – AI e caccia alle streghe

Perché l'ossessione per la certificazione dell'utilizzo di AI sta sfuggendo…

In Evidenza


New York contro i data center (e altre notizie generative) | Weekly AI

Weekly AI è la newsletter settimanale di AI news sulle…

Più del 50% dei giovani europei usa l’AI per cercare supporto emotivo

Lo riferisce un sondaggio Ipsos BVA condotto su 3.800 ragazzi…

Intelligenza artificiale: prepararsi al 2026 | Il report di AI News

Il nuovo report di AI News per non farsi sorprendere…

AI, bolla o non bolla? Il parere degli esperti non è unanime

Ne abbiamo intervistati cinque per unire i puntini

Luciano Floridi: “L’intelligenza artificiale non è intelligente”, la nostra intervista | AI Talks #20

"Se potessi tornare indietro, eliminerei l'espressione 'intelligenza artificiale', la chiamerei…

Privacy policy| Cookie policy| Cookie setting| © 2026

Exit mobile version