LIBERA IL VERO POTENZIALE DEL QUANTUM MACHINE LEARNING

Scarica la brochure

Prima di compilare il form di registrazione, si prega di prendere visione dell'Informativa Privacy ai sensi dell’art. 13 del Regolamento UE n° 679/2016

Input non valido
Input non valido
Input non valido
Input non valido
Input non valido
Input non valido
Input non valido

Privacy


Dichiaro di aver letto e ben compreso l'Informativa Privacy e acconsento al trattamento dei miei dati personali per finalità di marketing da parte di Reply SpA, in particolare per l’invio di comunicazioni promozionali e commerciali o la segnalazione di eventi aziendali o webinar, con modalità di contatto automatizzate (es. SMS, MMS, fax, e-mail e applicazioni web) e tradizionali (es. telefonate con operatore e posta tradizionale).

Negli ultimi anni, le applicazioni di informatica quantistica si sono diffuse in numerosi settori, soprattutto nella finanza, nella sanità, nelle telecomunicazioni, nella cybersecurity e nella logistica.

In campi come il Quantum Computing, l’intelligenza artificiale, l’ottimizzazione combinatoria e la simulazione molecolare, i problemi sono spesso molto complessi e richiedono un’enorme potenza di calcolo per essere risolti. Molto spesso, tale complessità impedisce alle organizzazioni di affrontare a pieno questi problemi e consente soltanto approcci euristici. In altri casi, è necessario migliorare i risultati. La complessità è tale che gli algoritmi dello stato dell’arte non sono in grado di fornire le migliori soluzioni possibili oppure i requisiti di calcolo sono così pesanti che nessuna tecnologia moderna riesce a gestirli.

Cosa rende il Quantum Computing così interessante

Gli approcci ibridi danno il via
al Quantum Machine Learning

Negli ultimi anni, il Machine Learning si è rivelato fondamentale per estrarre valore dai dati, consentendo alle imprese di beneficiare ampiamente dei prodotti data-driven. Tuttavia, i modelli classici di ML sono spesso affetti da problemi di generalizzazione e, essendo guidati dall’esigenza di previsioni più precise, diventano sempre più complessi, assetati di dati e costosi a livello di calcolo. È qui che il Quantum Computing si pone come un potenziale punto di svolta, con la promessa di prestazioni migliorate e una migliore generalizzazione rispetto alle classiche tecniche di ML esistenti.

Questo nuovo campo, denominato Quantum Machine Learning (qML) ha un notevole potenziale poiché attualmente i computer quantistici vanno incontro a miglioramenti significativi, sia in termini di potenza di calcolo sia di robustezza. Si prevede che le applicazioni generali al Quantum Computing saranno a portata di mano in un paio d’anni.


L'esperienza
di Reply

Con l’hardware quantistico e i kit di sviluppo quantistici attualmente disponibili è possibile eseguire i primi algoritmi di Quantum Machine Learning. Reply ha voluto esplorare le applicazioni business di questi algoritmi, pertanto li ha applicati ad alcuni insiemi di dati che sono simili ai dati reali dei nostri casi d’utilizzo.

La corsa al Quantum Machine Learning è iniziata

Il Quantum Machine Learning sfrutta i vantaggi di due temi salienti: il Quantum Computing e il Machine Learning. Sebbene il qML sia ancora in fase di sviluppo, può già essere usato in approcci ibridi per accelerare il calcolo e aumentare la precisione.


Scarica la brochure