Zapata Quantum e NVIDIA hanno annunciato una collaborazione per applicare l’AI agentiva all’automazione dei workflow di quantum resource estimation (QRE), con un focus iniziale sulla chimica quantistica applicata alla scoperta di farmaci, all’energia e ai materiali avanzati. L’annuncio è arrivato il 23 giugno 2026 da Boston.
Il problema che i due partner cercano di risolvere è concreto e sottovalutato: il benchmarking di una singola classe di algoritmi quantistici richiede oggi anni di lavoro da parte di esperti, distribuiti tra modellazione molecolare, progettazione algoritmica e stima delle risorse hardware. Un processo lento, costoso e difficilmente ripetibile su larga scala. La collaborazione punta a comprimere tutto questo in un sistema automatizzato, abbattendo tempi e costi in modo significativo. Lo ha detto apertamente Yudong Cao, Chief Technology Officer di Zapata: “il benchmarking degli algoritmi quantistici è un collo di bottiglia sottovalutato nello sviluppo di applicazioni quantistiche.”
Sul piano tecnico, il workflow combina orchestrazione AI, processi quantistici continuamente verificati e un modello di fattibilità AI capace di stimare i requisiti hardware prima ancora che inizi il calcolo. Il sistema si appoggia al software NVIDIA Agent Toolkit, che fornisce guardrail e monitoraggio per l’architettura multi-agente iniziale. La pipeline automatizzata calcola in anticipo il numero di qubit fisici necessari e le profondità dei gate, senza dover avviare l’esecuzione su hardware reale. Un passo che, nella pratica, può evitare cicli di lavoro sprecati e ridurre l’incertezza sulle risorse da allocare.
L’approccio è già stato testato nel campo della catalisi omogenea, uno dei problemi più computazionalmente intensi della chimica quantistica, con applicazioni dirette in farmaceutica, energia e materiali. Il lavoro si innesta sui dati accumulati da Zapata durante la sua partecipazione al programma DARPA Quantum Benchmarking. Sam Stanwyck, Director of Quantum Product di NVIDIA, ha sottolineato che questa collaborazione dimostra quanto il computing accelerato e l’AI siano determinanti per una stima delle risorse quantistiche pratica e applicabile all’industria. Zapata ha depositato anche una domanda di brevetto provvisoria per un “agentic framework for quantum”, formalizzando il proprio approccio di automazione AI con verifica integrata.
Il punto di fondo è che il computing quantistico ha finora scontato un divario tra potenziale teorico e applicazioni reali, e una parte rilevante di quel divario non dipende dall’hardware. Dipende dalla difficoltà di capire, prima ancora di costruire un circuito, se un certo algoritmo è fattibile su una certa macchina e a quale costo. Automatizzare questa valutazione con agenti AI significa liberare gli esperti dalle fasi più meccaniche del processo, lasciando che si concentrino dove il loro giudizio ha più valore. Se il metodo reggesse anche al di fuori della catalisi omogenea — e i due team dichiarano di voler allargare il perimetro — cambierebbe concretamente il ritmo con cui nuove applicazioni quantistiche arrivano a maturazione industriale.
