Quantum Intelligence Lab

Il Quantum Intelligence Lab è un nuovo laboratorio creato da ICAR con l’obiettivo di investigare e lavorare su questioni fondamentali nel campo della Quantum Artificial Intelligence (QAI), un’area di ricerca emergente, interdisciplinare e all’incrocio tra Quantum Computing e Artificial Intelligence, due campi molto attivi in grado di produrre nuovi sviluppi negli ultimi anni con una velocità impressionante.

Il laboratorio riunisce ricercatori di informatica, ingegneria e matematica per contribuire principalmente alla teoria, allo sviluppo e all’implementazione di algoritmi e strumenti quantistici avanzati di intelligenza artificiale e apprendimento automatico, applicati per portare benefici all’intera società, risolvendo problemi reali in domini come medicina di precisione/drug discovery, smart materials e finanza.

Gli obiettivi principali del Lab sono: i) studiare, valutare e monitorare l’andamento del QAI, favorendo le interazioni tra esperti; ii) indagare e sviluppare algoritmi di QAI in grado di affrontare problemi di grande interesse, con un focus specifico su approcci ibridi – classici e quantistici – esui paradigmi di Ottimizzazione Numerica, Machine and Reinforcement Learning e Natural Language Processing; iii) studiare le relazioni tra informazione quantistica e coscienza dal punto di vista delle neuroscienze e dell’informatica quantistica; iv) testare algoritmi sviluppati su dispositivi quantistici apparsi di recente, come i noisy intermediate-scale quantum (NISQ) computers; v) collaborare con università, centri di ricerca ed enti privati interessati alle applicazioni QAI; vi) disseminare i suoi risultati nel QAI in modo accessibile per ricercatori e professionisti, aprendo così la strada alle comunità di ricerca e industriali per impegnarsi con il QAI.

Un’ulteriore componente chiave di questo laboratorio è la stretta collaborazione di ricerca con gruppi di calcolo quantistico in diverse università e con molte altre entità all’avanguardia nell’informatica quantistica.

• Giuseppe Buonaiuto, Francesco Gargiulo, Giuseppe De Pietro, Massimo Esposito, Marco Pota, Best practices for portfolio optimization by quantum computing, experimented on real quantum devices, ResearchSquare preprint. https://www.researchsquare.com/article/rs-2601946/latest.pdf
• Raffaele Guarasci, Giuseppe De Pietro and Massimo Esposito, Quantum natural language processing: Challenges and opportunities, Applied Sciences, 12, p. 5651, 2022. https://doi.org/10.3390/
• Mirko Consiglio, Jacopo Settino, Andrea Giordano, Carlo Mastroianni, Francesco Plastina, Salvatore Lorenzo, Sabrina Maniscalco, John Goold, and Tony J. G. Apollaro, Variational Gibbs State Preparation on NISQ devices. arXiv preprint, 2023. https://arxiv.org/abs/2303.11276v2
• Carlo Mastroianni, Luigi Scarcello, Jacopo Settino, Quantum Computing Approach for Energy Optimization in a Prosumer Community, 2022 IEEE Intl Conf on Dependable, Autonomic and Secure Computing, Intl Conf on Pervasive Intelligence and Computing, Intl Conf on Cloud and Big Data Computing, Intl Conf on Cyber Science and Technology Congress (DASC/PiCom/CBDCom/CyberSciTech), 12-15 Sep 2022. https://arxiv.org/abs/2209.04411v1
• A. Sannia, A. Giordano, N. Lo Gullo, C. Mastroianni, and F. Plastina, A hybrid classical-quantum approach to speed-up Q-learning, arXiv preprint, 2022. https://arxiv.org/abs/2205.07730
• Antonio Chella, Salvatore Gaglio, Maria Mannone, Giovanni Pilato, Valeria Seidita, Filippo Vella, Salvatore Zammuto, Quantum planning for swarm robotics, Robotics and Autonomous Systems, 161, p. 104362, 2023. https://doi.org/10.1016/j.robot.2023.104362
• Giovanni Pilato and Filippo Vella, A Survey on Quantum Computing for Recommendation Systems, Information, 14(1), p. 20, 2023. https://doi.org/10.3390/info14010020
• Antonio Chella, Salvatore Gaglio, Giovanni Pilato, Filippo Vella, Salvatore Zammuto, A Quantum Planner for Robot Motion, Mathematics, 10(14), p. 2475, 2022. https://doi.org/10.3390/math10142475 Maria Mannone; Valeria Seidita;
• Antonio Chella, Quantum RoboSound: Auditory Feedback of a Quantum-Driven Robotic Swarm, 2022 31st IEEE International Conference on Robot and Human Interactive Communication (RO-MAN), Napoli, Italy, pp. 287-292, 2022. https://doi.org/10.1109/RO-MAN53752.2022.9900578