Con il processore Willow, Google accelera i progressi nei computer quantistici, promettendo rivoluzioni nella ricerca farmaceutica e nell’Ia.
Negli ultimi anni, il settore dei computer quantistici ha attirato l’attenzione e questa settimana, Google ha annunciato un importante traguardo con il microprocessore Willow.
Si tratta di un dispositivo che ha permesso di eseguire un calcolo matematico estremamente complesso in appena cinque minuti, un’impresa che i computer tradizionali più potenti impiegherebbero milioni di miliardi di anni a completare.
Cosa sono i computer quantistici
I computer quantistici, come riportato da Il Post, si distinguono da quelli tradizionali per il loro funzionamento basato sui qubit, abbreviazione di “quantum bit“.
A differenza dei bit classici, che possono assumere solo due stati (0 o 1), i qubit sfruttano i principi della meccanica quantistica. Questo significa che un computer quantistico può analizzare molte soluzioni contemporaneamente, aumentando enormemente la velocità di calcolo per determinati problemi.
Per comprendere meglio, immaginiamo una ricerca di un nome in una città: un computer classico esaminerebbe ogni via una alla volta, mentre un computer quantistico sarebbe in grado di controllarle tutte contemporaneamente
Il lavoro innovativo di Google
Nonostante il suo incredibile potenziale, aggiunge Il Post, il calcolo quantistico è un settore estremamente difficile da sviluppare.
I qubit sono delicati e soggetti a errori causati da interferenze esterne. Per ridurre tali problemi, è necessario mantenere i qubit in condizioni di stabilità estrema. Come?
Spesso raffreddandoli a temperature prossime allo zero assoluto o utilizzando tecniche sofisticate come il confinamento in campi magnetici.
Google sostiene che il suo microprocessore Willow abbia compiuto progressi significativi in termini di correzione degli errori, un aspetto cruciale per rendere i computer quantistici più affidabili e scalabili.
Tuttavia, queste innovazioni sono ancora in una fase potremmo dire sperimentale, e molte sfide restano da superare prima che si possano applicare su vasta scala.
