Vai al contenuto
Quantum.world

The Signal

Il direttore tecnologico di Zapata chiede una selezione più rapida dei casi d’uso quantistici

Yudong Cao propone di usare un modello predittivo per selezionare le applicazioni quantistiche prima di impegnarsi in stime dettagliate delle risorse. In un post di QuEra, sostiene che un lavoro di benchmarking durato tre anni ha prodotto circa dieci stime complete a partire da 150-200 candidati iniziali.

Il direttore tecnologico di Zapata chiede una selezione più rapida dei casi d’uso quantistici

Un lavoro di benchmarking quantistico durato tre anni ha prodotto stime dettagliate delle risorse per circa dieci applicazioni, a partire da un insieme iniziale di 150-200 candidati, spingendo il direttore tecnologico di Zapata, Yudong Cao, a chiedere un metodo più rapido per valutare i casi d’uso. In un intervento d’opinione pubblicato da QuEra, Cao propone di selezionare una gamma più ampia di problemi con un modello predittivo prima di dedicare anni a stime dettagliate.

QuEra ha pubblicato l’intervento il 12 novembre, basandosi sulla presentazione di Cao al QuEra Quantum Alliance 2026 Annual Meeting. L’azienda descrive la critica come una valutazione del relatore su una pratica diffusa nell’intero settore, non come una posizione di QuEra.

Dalle interviste alle stime

Cao ha lavorato in diverse fasi del programma DARPA Quantum Benchmarking, dall’individuazione delle applicazioni candidate alla stima delle risorse di cui avrebbero bisogno su una macchina tollerante agli errori. Il programma partiva dalla domanda se il governo statunitense dovesse dotarsi di capacità di computazione quantistica e se il costo sarebbe stato giustificato.

Zapata, L3Harris e altre imprese hanno intervistato esperti di sette-nove settori per capire in quali ambiti i computer quantistici potrebbero essere utili. Da quelle conversazioni sono emersi 150-200 casi applicativi candidati, che Cao ha descritto come esplorazioni iniziali, non come risultati scientificamente accertati.

Secondo il resoconto, la chimica e le equazioni differenziali sono emerse come aree da approfondire. I circa dieci casi per cui sono state elaborate stime complete sono stati valutati fino al numero di qubit fisici e al tempo effettivo di esecuzione.

Uno scafo semplificato

Un esempio nella critica di Cao riguarda la fluidodinamica computazionale e il problema della stima della resistenza che agisce sullo scafo di una nave. Il resoconto descrive la riformulazione del problema in una forma affrontabile da un algoritmo quantistico come un progetto di ricerca a sé, da svolgere prima di poter iniziare la stima delle risorse.

La stima completa che ne risulta riguarda una versione semplificata in cui lo scafo è una sfera, anziché il problema originale dello scafo di una nave. Secondo il post, lo studio correlato era ancora in fase di aggiornamento a due anni dall’inizio del lavoro, mentre nella letteratura scientifica comparivano miglioramenti indipendenti.

Cao ha anche messo in discussione il modo in cui leggere il grafico risultante dei costi in termini di risorse. Il lavoro alla base di ciascun punto, ha detto, si è fermato alla conclusione del programma, non quando l’analisi era stata completamente ottimizzata.

Secondo il post, il grafico era un’istantanea aggiornata a marzo 2025. Cao ha sostenuto che ulteriori lavori potrebbero produrre miglioramenti di ordini di grandezza, ma che il gruppo ha dovuto consegnare i risultati alla conclusione del programma.

Stime e decisioni

In una successiva attività di consulenza per clienti aziendali, Cao ha incontrato un problema di comunicazione: le stime delle risorse espresse in qubit e ore non avevano necessariamente molto significato per chi doveva decidere se finanziare un programma. Il suo esempio era quello di un dirigente della logistica di fronte a una stima di 5 milioni di qubit e cinque ore per un’applicazione.

Il post sostiene inoltre che una stima può cambiare di ordini di grandezza in seguito a un nuovo risultato nella correzione degli errori, nella compilazione o nella progettazione degli algoritmi. La cifra riportata nel grafico rappresenta quindi una rilevazione riferita a un particolare momento, non una valutazione definitiva.

Una selezione più ampia

Il modello proposto da Cao utilizzerebbe i dati dettagliati già prodotti dai programmi di benchmarking per generalizzare a uno spazio di ricerca più ampio. L’obiettivo è individuare in settimane anziché in anni i problemi difficili per i computer classici e facili per quelli quantistici, per poi concentrare le analisi più costose sui candidati più promettenti.

Secondo la proposta, le stime dovrebbero anche essere aggiornate man mano che cambiano le roadmap hardware e gli approcci alla correzione degli errori. L’approccio si basa su un’analogia con la selezione dei composti farmaceutici, in cui una ricerca iniziale su vasta scala precede test più approfonditi sui candidati selezionati.

Secondo l’azienda, la roadmap di QuEra prevede il suo sistema Libra su Amazon Braket nel 2028, con 256 qubit logici costruiti a partire da oltre 10.000 qubit fisici. Il post afferma che il lavoro di coprogettazione con i clienti comprende l’individuazione di carichi di lavoro rilevanti per la computazione quantistica e il loro confronto con parametri di riferimento classici, prima di impegnarsi in un programma più ampio.

Fonte

  1. QuEra

Aziende in questa notizia

Notizie correlate

Esplora

Altri articoli