Il Laboratorio Quantum Computing & Quantum AI si occupa delle aree di ricerca emergenti connesse con la Quantum Artificial Intelligence (QAI) che sfrutta le leggi della meccanica quantistica per gestire in modo efficiente dati eterogenei su larga scala. L'enorme quantità di dati prodotti e la crescente complessità dei tradizionali modelli di deep learning richiedono lo sviluppo di nuovi sistemi e algoritmi che siano anche scalabili. Un approccio ibrido classico-quantistico basato su Variational Quantum Circuits (VQC) rappresenta la soluzione più promettente per sfruttare dispositivi a breve termine (near-term o NISQ). Nel Laboratorio si studiano le ultime applicazioni di quantum machine learning e quantum deep learning su dispositivi NISQ, anche dai punti vista dell'utilità e del vantaggio quantistico. Il framework di apprendimento variazionale viene analizzato per affrontare problemi classicamente difficili da risolvere, come l'ottimizzazione del portfolio, la classificazione dei dati ad alta dimensionalità e la simulazione di eventi fisici ad alta energia.
Nel Laboratorio Quantum Computing & Quantum AI sono anche studiate le tecniche di ottimizzazione quantistica nel contesto del quantum computing, le quali sfruttano i principi della meccanica quantistica per migliorare l'efficienza degli algoritmi di machine learning. L'obiettivo principale è trovare soluzioni ottimali o approssimate ai problemi di ottimizzazione, le quali sono cruciali in molte applicazioni di machine learning come nel caso di addestramento dei modelli. A differenza dei classici algoritmi di ottimizzazione, gli algoritmi quantistici possono sfruttare le proprietà uniche di sovrapposizione ed entanglement per ottenere proprietà vantaggiose, come livelli di errore più bassi o tassi di convergenza più rapidi. In questo quadro, alcuni potenziali argomenti di tesi magistrali potrebbero includere l'implementazione di nuovi algoritmi di ottimizzazione quantistica, l'applicazione di algoritmi di ottimizzazione quantistica in contesti di elevato interesse pratico o l'integrazione di metodi di machine learning tradizionale con procedure di ottimizzazione quantistica utilizzando un approccio ibrido al fine di sfruttare i vantaggi sia dell’approccio classico sia di quello quantistico.
Il Laboratorio Quantum Computing & Quantum AI è parte della rete più ampia costituita dal laboratorio virtuale Neural Network Systems & Applications Laboratory - NESYA del Dipartimento di Ingegneria dell'Informazione, Elettronica e Telecomunicazioni (DIET) dell'Università degli Studi di Roma "La Sapienza".
Il Laboratorio Quantum Computing & Quantum AI ha collaborazioni sul calcolo quantistico con il CERN, con il Φ-lab dell'Agenzia Spaziale Europea (ESA) e con il Los Alamos National Laboratory.