AS_02_2019

SCENARI primo piano 36 Marzo 2019 Automazione e Strumentazione Come è accaduto per i tradizionali chip in silicio con l’avvento del calcolo parallelo , che ha reso disponibili risorse nuove e portato opportunità e problematiche inedite, è naturale che anche i pros- simi hardware quantistici richiedano un approc- cio diverso allo sviluppo e all’utilizzo del software. Il calcolo massicciamente parallelo, basato su schiere di GPU o DSP integrati su semicondut- tori classici, è una tecnologia ampiamente dispo- nibile che si avvicina alla maturità, mentre gli hardware basati su principi quantistici stanno uscendo ora dai laboratori. Però, queste due tec- nologie profondamente diverse, una ormai pros- sima ai limiti fisici dell’integrazione su silicio e una che sta compiendo i primi passi, hanno una similitudine: richiedono un approccio comple- tamente nuovo allo sviluppo di algoritmi che possano sfruttare pienamente i principi di ela- borazione su cui si basa l’hardware. Calcolo parallelo e reti neurali Lo sviluppo di sistemi massicciamente paral- leli e di software in grado di sfruttare realmente questa caratteristica ha permesso di compiere un balzo sostanziale in avanti nell’implemen- tazioni delle reti neurali , che erano state svi- luppate decenni prima. Infatti, si è scoperto che aggiungendo strati di nodi e connessioni alle reti neurali, aumentandone così la profondità, si miglioravano le caratteristiche di apprendi- mento (deep learning) del sistema, fino a rag- giungere un comportamento asintotico. La tecnologia dei chip espressamente progettati per operare in parallelo non ha ancora espresso il massimo delle sue potenzialità . È recentissima la dichiarazione di Elon Musk, fondatore del Tesla, circa un nuovo chip, denominato Tesla AI , che sarebbe venti volte più veloce delle GPU attual- mente più utilizzate per realizzare applicazioni di intelligenza artificiale. Tesla, che molto probabilmente userà queste soluzioni nella guida autonoma, ha registrato un brevetto per un motore matematico accelerato per l’esecuzione di operazioni di convoluzione a più variabili, particolarmente adatto a sup- portare operazioni algebriche parallele di moltiplicazione tra matrici, che costituiscono la forma matematica più uti- lizzata per rappresentare gli elementi e le relazioni delle reti neurali. A prescindere da quale sarà il seguito reale dell’affer- Jacopo Di Blasio UN APPROCCIO NUOVO PER GLI ALGORITMI QUANTISTICI Nuovi paradigmi per il calcolo quantistico I sistemi di calcolo più potenti attualmente disponibili, che in massima parte devono le loro prestazioni alle architetture massicciamente parallele, sono basati su chip semiconduttori di tipo ‘tradizionale’. I futuri sistemi di calcolo quantistico utilizzeranno dei principi completamente diversi e saranno particolarmente adatti a risolvere problemi molto specifici. @Jacopo_DiBlasio I computer quantistici si baseranno su principi elettrodinamici totalmente diversi da quelli dell’elettronica ‘tradizionale’