16 febbraio 2021

Un nuovo modello di intelligenza artificiale sviluppato su un computer quantistico. Uno studio coordinato da Enrico Prati pubblicato su Advanced Quantum Technologies

Un nuovo modello di intelligenza artificiale sviluppato su un computer quantistico. È il risultato di uno studio, coordinato dall'Istituto di fotonica e nanotecnologie del Consiglio nazionale delle ricerche (Cnr-Ifn) di Milano, pubblicato (come storia di copertina) sull’ultimo numero della rivista Advanced Quantum Technologies.

Nel 2016 alla NASA era stata sperimentata su un computer quantistico una particolare famiglia di reti neurali chiamate macchine di Boltzmann. In quel caso per rappresentare ciascun neurone artificiale era stato utilizzato un solo qubit. Ma cosa è il quit? Il bit tradizionale, l’unità di informazione del calcolatore classico, può assumere i valori 0 e 1. Nel computer quantistico invece, proprio grazie alle proprietà della fisica quantistica, si utilizza il qubit, il quale può assumere più valori contemporaneamente e questo permette di effettuare più calcoli e diverse operazioni in maniera parallela e con più velocità rispetto ai computer tradizionali. 

Il gruppo di ricerca di Enrico Prati invece è riuscito a raggruppare più qubit per mezzo di una tecnica denominata embedding. E il qubit virtuale così originato eredita le connessioni di quelli che lo compongono, facendo incrementare enormemente la connettività del computer quantistico risultante.

Per capire bene cosa è successo nel laboratorio del CNR Linguaggio Macchina ha intervistato Enrico Prati.

Avete ottenuto questo risultato utilizzando un computer della società canadese D-Wave da 2.048 qubit. Per i lettori e le lettrici del blog Linguaggio Macchina possiamo spiegare cosa significa, materialmente, programmare un computer come questo?

«A differenza dei computer desktop, un computer quantistico a superconduttori è molto voluminoso - qualche metro cubo - perché include tutto l'impianto di raffreddamento che contiene il chip, che invece è di dimensioni del centimetro. Non occorre trovarsi materialmente davanti a questo computer per usarlo, e quindi lo si usa da remoto mediante un accesso che richiede autenticazione. All'atto pratico le chiamate al processore quantistico avvengono tramite un programma in un linguaggio standard ampliato da librerie che fanno la chiamata al computer quantistico.»

Il vostro lavoro con l'intelligenza artificiale ha anche lo scopo di orientare e migliorare i metodi di apprendimento delle reti neurali artificiali. In questa ricerca in particolare avete utilizzato un approccio semantico e con la tecnica del reverse annealing. In che cosa consiste?

«Il computer quantistico adiabatico come il DWave consente di essere utilizzato per generare una distribuzione di probabilità. Questa caratteristica risulta naturale per certi algoritmi, come l'algoritmo di Netflix basato sulla cosiddetta macchina di Boltzmann. Nei primi esperimenti, si era pensato di sfruttare solo questa caratteristica e poi svolgere il calcolo senza ulteriori ottimizzazioni, iniziando il training da stati casuali. Con a tecnica del reverse annealing si può partire da stati iniziali a immagine di elementi validi del dataset, in modo da sfruttare l'informazione fino dall'inizio, con maggiore analogia rispetto al caso noto per i computer convenzionali.»

Per vedere i risultati delle vostre ricerche pubblicati su Advanced Quantum Technologies in quanti avete lavorato e con quali competenze?

«Il lavoro è nato dalla tesi magistrale di Lorenzo Rocutto, all'epoca studente dell'Università Milano Bicocca, che ha trasformato l'idea di partenza in realtà, ed è stato sviluppato con la collaborazione del Professor Claudio Destri dell'Università Milano Bicocca, uno dei maggiori fisici teorici italiani, che ha accettato la sfida di applicare la sua conoscenza a un tema emergente come questo. Devo però dare merito al Quantum Team, l'eterogeneo e dinamico gruppo di giovani collaboratori che coordino, di aver continuamente supportato con critiche, idee, e discussioni il progresso di questo lavoro.» 

Prossimi passi?

«Questo algoritmo si presta a molte varianti matematiche e a molte applicazioni, che vanno dalla quantum security alla quantum finance, all'imaging. Quello che è certo è che le aziende hanno capito che il momento di muoversi è ora, e che la sperimentazione è il primo passo verso l'utilizzo.»

Andrea Mameli, blog Linguaggio Macchina, 16 Febbraio 2021

Lorenzo Rocutto, Claudio Destri, Enrico Prati
Advanced Quantum Technologies. First published: 14 December 2020
https://doi.org/10.1002/qute.202000133

Abstract - Restricted Boltzmann machines (RBMs) constitute a class of neural networks for unsupervised learning with applications ranging from pattern classification to quantum state reconstruction. Despite the potential representative power, the diffusion of RBMs is quite limited since their training process proves to be hard. The advent of commercial adiabatic quantum computers (AQCs) raised the expectation that the implementations of RBMs on such quantum devices can increase the training speed with respect to conventional hardware. Here, the feasibility of a complete RBM on AQCs is demonstrated, thanks to an embedding that associates the nodes of the neural networks to virtual qubits. A semantic quantum search is implemented thanks to a reverse annealing schedule. Such an approach exploits more information from the training data, mimicking the behavior of the classical Gibbs sampling algorithm. The semantic training is shown to quickly raise the sampling probability of a subset of the set of the configurations. Even without a proper optimization of the annealing schedule, the RBM semantically trained achieves good scores on reconstruction tasks. The development of such techniques paves the way toward the establishment of a quantum advantage of adiabatic quantum computers, especially given the foreseen improvement of such hardware.

15 febbraio 2021

La fisica che ci piace è quella di Vincenzo Schettini. Un canale youtube che aiuta a capire (e non solo la fisica)

Vincenzo Schettini è un fisico che insegna fisica, la ama e ama insegnarla. E lo fa, con successo, su YouTube, con il canale La fisica che ci piace


Le caratteristiche principali dei video del professor Schettini sono la chiarezza (per ogni argomento vengono fornite accurate spiegazioni, esempi e, quando il video è generato da una diretta, anche interazione in tempo reale con studenti e studentesse), la capacità didattica al di sopra della media (le lezioni sono sempre molto chiare, stimolanti e complete) e la simpatia del docente (che non va a detrimento della potenza dell'intervento formativo ma anzi la arricchisce). 
La morale in tutti i video di Vincenzo Schettini è semplice: non dovete imparare a memoria ma dovete capire e lo si fa con il buonumore è meglio. Come dargli torto? Anzi, in alcuni video è stato più esplicito: voglio che i miei studenti diventino più bravi e più intelligenti. I suoi studenti sono quelli dell'I.I.S.S. Luigi dell'Erba di Castellana Grotte (Bari) ma sono anche quelli che lo seguono su youtube (e non sono solo studenti).
Io ho visto molti suoi video e non ho mai trovato una spiegazione superficiale o un passaggio fatto tanto per farlo. Il professor Schettini ha tutta la mia ammirazione.
Poi ho sentito la necessità di andare oltre, per capire cosa ha significato questo progetto per il suo artefice. E così è nata questa intervista per Linguaggio Macchina.


Professor Schettini, come è nata l'idea di spiegare fisica, ma anche matematica, inglese e musica, attraverso i video? 
 «La dimensione del video è qualcosa che mi appartiene perché sono un musicista e quindi sono sempre stato abituato al palcoscenico, alla sperimentazione attraverso le immagini. Quindi ho sentito una forte attrazione nei confronti di un percorso completamente nuovo che includesse il racconto della scienza attraverso i video.»

In che modo ti sei organizzato, tra innumerevoli impegni di lavoro e personali, riuscendo a trovare il tempo necessario per registrare i video, caricarli e pensare ai successivi? 
«All'inizio non è stato difficile anche perché scorrendo indietro nel mio canale YouTube ci si rende conto che la maggior parte dei video erano realizzati in classe, cosa tra l'altro assolutamente autentica e tuttora molto apprezzata. Poi ho sentito l'esigenza di ampliare il racconto e ho cominciato a fare tutta una serie di progetti direttamente dal mio studio di posa, questo devo dire è stato e continua ad essere piuttosto complicato ma mi piace continuare con grande energia perché il riscontro è così forte che mi carico ogni volta di più.»

Quando hai iniziato pensavi che saresti arrivato a questi risultati? 
«Assolutamente no! Lo facevo semplicemente perché mi piaceva, ero felice nel fare le live nel comunicare in maniera semplice la scienza. Tutto quello che è venuto dopo è stato un dono, un meraviglioso dono.»



Quali sono le maggiori soddisfazioni in questa attività? 
«Una delle più grandi soddisfazioni e proprio poter essere un punto di riferimento per studenti, docenti, famiglie ma anche appassionati. Devo dire che è anche una grande responsabilità, cerco di essere il più preciso possibile anche perché in rete c'è moltissima gente che ama mettere continuamente "i puntini sulle i"… Ma io vado avanti tranquillo sapendo che la prima cosa che arriva attraverso il mio racconto è l’emozione.»

C'è qualcosa che ti ha deluso o infastidito? 
«Devo dire la verità che all'inizio ero piuttosto preso di sorpresa dagli insulti che a volte avvenivano durante le live. Fortunatamente pochi episodi, ma ho capito immediatamente che questo faceva parte del gioco e piano piano mi ci sono abituato. Si impara presto a capire che la rete è un luogo nel quale spesso la gente si nasconde dietro uno pseudonimo credendo di avere il potere di dire tutto quello che vuole. Questo per me che sono un adulto è una presa di coscienza, mi dispiace invece che molti giovani, magari fragili, possano soffrire per questo.»

In tutto questo (conoscenza, comunicazione, tecnica, organizzazione e motivazione) quanto conta la formazione musicale, tra rigore nella preparazione e capacità creativa? 
«Come ho detto prima conta moltissimo: la musica ha sviluppato fortemente il senso di creatività dentro di me e fuori di me. Devo dire grazie alla musica perché mi ha formato come artista e anche come persona. Sul discorso organizzativo invece è tutta una questione personale: schedulare in maniera attenta il lavoro, essere rigorosi, non perdere mai troppo tempo, puntare alla praticità ed all'essenzialità.»



Hai avuto notizia di essere stato di stimolo per qualche collega insegnante? 
«Tantissime volte! Mi scrivono molti insegnanti, mi confessano di condividere il mio materiale come supporto alle loro lezioni e mi ringraziano perché ho saputo “curare" un loro momento di sconforto, si sono fatti coraggio nell'andare avanti, specie in questo periodo così complicato per la scuola e per l’apprendimento.»

Andrea Mameli, blog Linguaggio Macchina, 15 Febbraio 2021

P.S. La Fisica che ci piace ha due sorelline: La Matematica che ci piace e La Musica che ci piace