Sintesi del progetto
QML-NTED sviluppa algoritmi di Quantum Machine Learning (QML) pensati per applicazioni reali in domini complessi come la teoria nucleare e l’elaborazione di immagini. Il progetto nasce dalla necessità di creare metodi quantistici generali e riutilizzabili, capaci di superare i limiti dei modelli classici nell’ottimizzazione, nell’analisi strutturale e nel riconoscimento di pattern.
Obiettivi
Il progetto mira a sviluppare componenti per il calcolo quantistico che possano essere impiegati in contesti diversi, validare QNN e QCNN per compiti di modellazione e classificazione, creare algoritmi quantistici per l’edge detection e testare prototipi su hardware quantistico per verificarne robustezza e scalabilità.
Problemi e necessità
Gli approcci classici mostrano limiti nell’analisi di sistemi nucleari e di immagini complesse. Allo stesso tempo, le applicazioni quantistiche disponibili rimangono allo stato di prove di concetto e sono prive di validazione su casi concreti. Serve quindi progettare algoritmi ibridi che possano superare la complessità classica e sfruttare, nel contesto attuale, il vantaggio quantistico.
Soluzioni sviluppate
Il progetto ha prodotto algoritmi QML verificati tramite benchmark e pubblicazioni scientifiche in cui sono riportati vantaggi e i risultati relativi a: valutazioni comparative tra Reti Neurali in ambito nucleare; lo sviluppo di un motore di inferenza quantistica (Quantum Fuzzy Inference Engine) per edge detection; la creazione repository software open e standardizzati per favorire riuso e replicazione.
Benefici e ricadute
Le tecniche sviluppate possono migliore l’analisi di immagini in ambiti quali la medicina, l’ispezione industriale e la robotica, contribuendo a modellazioni più accurate in teoria nucleare. I risultati rafforzano la competitività nazionale nel settore del QML e forniscono strumenti adattabili a settori che richiedono analisi avanzate di dati complessi.
Settori che possono beneficiare
Oltre al dominio Quantum computing, il progetto può contribuire ai settori dell’Intelligenza Artificiale e dello sviluppo Software, con applicazioni nell’Industria, nell’Imaging Medico e nella Ricerca Fondamentale, offrendo metodi applicabili a dati scientifici, diagnostica, quality control e materiali avanzati.
