Quantum computing: come funziona e perché è importante - Agenda Digitale

IBM sostiene con annuncio recente che il settore sia entrato nell’era del quantum advantage, ma non siamo davanti a computer destinati a sostituire server, GPU e supercalcolatori.Il calcolo quantistico sta diventando uno strumento scientifico specializzato, inserito in infrastrutture ibride e sempre più intrecciato con l’intelligenza artificiale.Ecco che cosa sono davvero i qubit, perché gli errori restano il nodo decisivo, quali applicazioni sono credibili e perché la migrazione alla crittografia post-quantum deve iniziare prima dell’arrivo di una macchina capace di violare RSA.Indice degli argomenti

Quantum computing oltre l’hype: il punto reale sul settoreCome funziona il quantum computing, dai qubit alla misuraMisurazione e collasso nel calcolo quantisticoEntanglement e interferenza come fonte del vantaggioPorte quantistiche e algoritmi ibridiArchitetture del quantum computing e computer quantisticiErrori e qubit logici: il nodo del quantum computingQubit fisici e logici da leggere con cautelaDal quantum advantage IBM alla fault tolerancePerché l’annuncio IBM contaApplicazioni del quantum computing tra scienza, industria e finanzaAI e quantum computing nelle infrastrutture ibrideQuantum computing e crittografia post-quantumImprese, PA e procurement nell’era del quantum computingQuantum computing in Europa e ItaliaIl quantum advantage come frontiera mobileTabella – Attori principali e stato dell’arteQuantum computing oltre l’hype: il punto reale sul settoreIl quantum computing è entrato in una fase nuova, ma molto diversa dalla rivoluzione istantanea che rimbalza in qualche comunicato o titolo di giornale.I computer quantistici non stanno per arrivare sulle scrivanie e non sono macchine più veloci in ogni compito. Sono processori specializzati che sfruttano fenomeni della meccanica quantistica per affrontare alcune classi di problemi nelle quali il costo del calcolo classico cresce troppo rapidamente.La loro evoluzione assomiglierà più a quella degli acceleratori scientifici e delle GPU che a quella del personal computer: verranno collegati a cloud, supercomputer e sistemi di intelligenza artificiale, ai quali affideranno soltanto parti molto specifiche del lavoro.AnnoEventoSignificato2019Google SycamoreSupremazia quantistica su benchmark, non applicazione industriale2024Google WillowErrore logico ridotto aumentando la dimensione del codice2025D-Wave Advantage2Rivendicazione di vantaggio su simulazione di materiali magnetici2026IBM quantum advantageFocus su verificabilità e risultati oltre le migliori tecniche classiche2029IBM StarlingObiettivo: 200 qubit logici e 100 milioni di gate2033+IBM Blue JayObiettivo: 2.000 qubit logici e 1 miliardo di gateL’ultima accelerazione arriva da IBM. Il 30 luglio 2026 l’azienda ha presentato tre lavori con università, centri di ricerca e società specializzate sostenendo che alcuni processori quantistici abbiano raggiunto risultati oltre le migliori tecniche classiche disponibili e, soprattutto, che tali risultati possano essere sottoposti a controlli rigorosi. IBM parla ormai di era del quantum advantage. Non è la prima: Google e D-Wave hanno avanzato rivendicazioni analoghe su problemi differenti, mentre Quantinuum dichiara di avere spinto i propri sistemi a ioni intrappolati nel regime del vantaggio quantistico.La novità non chiude il dibattito. Lo rende più concreto. Nel quantum il confine fra ciò che è fuori portata per i computer tradizionali e ciò che può ancora essere simulato da CPU, GPU e nuovi algoritmi classici si sposta continuamente. Una dimostrazione può apparire irraggiungibile e, pochi mesi dopo, essere avvicinata da una tecnica di simulazione migliore. Per capire lo stato reale del settore bisogna quindi separare quattro piani: il funzionamento fisico delle macchine, la correzione degli errori, il confronto con i migliori sistemi classici e il valore economico dell’applicazione.Ambito del QuantumMaturità attualeImpatto potenzialeNoteChimica e materialiMediaAltaÈ il caso d’uso più naturale, ma serve integrazione con HPC, AI e laboratorioCrittografia post-quantumAltaAltaNon richiede computer quantistici: la migrazione deve iniziare primaAI for scienceMediaAltaPromettente come flusso ibrido tra modelli AI, QPU e calcolo classicoOttimizzazioneBassa-mediaMedia-altaInteressante, ma difficile da confrontare con euristiche classiche matureFinanzaBassaMediaMolti proof of concept, pochi vantaggi produttivi dimostratiAI general purposeBassaIncertaNessuna prova che una QPU sostituisca le GPU per grandi modelli linguisticiCome funziona il quantum computing, dai qubit alla misuraPer capire il quantum computing bisogna partire da ciò che accade durante un singolo calcolo, non dall’idea generica di una macchina che prova tutte le risposte nello stesso momento. Un processore quantistico contiene sistemi fisici controllabili – circuiti superconduttori, ioni, atomi, fotoni o spin – ai quali vengono associati due stati di riferimento, indicati convenzionalmente con 0 e 1. Prima di eseguire l’algoritmo, i qubit vengono inizializzati in uno stato noto, quasi sempre 0. Da quel momento una sequenza di impulsi elettromagnetici, laser o altri comandi modifica lo stato del sistema fino alla misurazione finale.Un bit classico possiede in ogni istante un valore definito, 0 oppure 1.Il qubit è descritto invece da uno stato quantistico formato da due ampiezze, una associata al possibile esito 0 e una al possibile esito 1.Le ampiezze sono numeri che contengono non soltanto una grandezza, ma anche una fase. Elevando al quadrato il loro valore assoluto si ottengono le probabilità dei due risultati. Se le due probabilità sono uguali, una misurazione produce 0 nel 50% circa delle esecuzioni e 1 nel restante 50%. Questo non significa però che il qubit custodisca due normali bit leggibili contemporaneamente: prima della misura esiste un unico stato quantistico, che non coincide con nessuno dei due risultati classici presi separatamente.L’immagine più intuitiva viene dalla posizione di una particella. Nella descrizione quantistica, prima dell’osservazione la particella può essere rappresentata da un’onda distribuita su più posizioni possibili. Quando un rivelatore la misura, non restituisce tutta la distribuzione: registra una posizione concreta. Nel linguaggio tradizionale si dice che lo stato, o funzione d’onda, collassa sull’esito osservato. Per un qubit il principio è analogo, anche se la proprietà fisica utilizzata può essere la polarizzazione di un fotone, il livello energetico di uno ione, una corrente in un circuito o lo spin di un elettrone. La misurazione trasforma uno stato quantistico ricco di possibilità e fasi in un’informazione classica limitata.Anche la domanda posta alla particella conta. Misurare un qubit nella base 0-1 equivale a chiedere quale dei due stati di riferimento verrà osservato. Ma è possibile scegliere basi differenti, cioè porre domande fisiche differenti allo stesso sistema. Uno stato che appare come una sovrapposizione rispetto alla base 0-1 può essere perfettamente definito rispetto a un’altra base. La misurazione non è quindi una fotografia neutrale di una proprietà già pronta: è un’interazione specifica fra apparato e sistema, che produce uno degli esiti ammessi da quella particolare misura.Le porte quantistiche modificano le ampiezze e soprattutto le loro fasi. Possono essere immaginate come rotazioni dello stato: non leggono il qubit, ma lo trasformano in modo reversibile finché non intervengono rumore o misurazione. Una porta Hadamard applicata a un qubit inizializzato a 0 crea una sovrapposizione con uguale probabilità di ottenere 0 o 1. Se il qubit venisse misurato subito, il risultato sarebbe casuale. Se invece si applica una seconda Hadamard prima della misura, le due componenti si ricombinano: le ampiezze che portano a 1 si cancellano e quelle che portano a 0 si sommano. Il risultato torna a essere 0 con certezza ideale. È un esempio elementare ma essenziale: il calcolo quantistico non sfrutta soltanto la probabilità, bensì l’interferenza controllata fra ampiezze.Con più qubit lo stato complessivo viene descritto da un numero di ampiezze che cresce come 2 elevato al numero dei qubit. Due qubit richiedono quattro ampiezze, dieci ne richiedono 1.024. Questa crescita rende difficile simulare il sistema su un computer classico, ma non equivale alla disponibilità di 2 elevato alla n risultati leggibili. Alla fine di una singola esecuzione, la misurazione di n qubit restituisce soltanto una stringa di n bit. L’algoritmo deve perciò organizzare l’evoluzione del sistema in modo che l’informazione cercata sia concentrata in pochi risultati osservabili o in proprietà statistiche ricostruibili ripetendo il circuito.Misurazione e collasso nel calcolo quantisticoLa misurazione è il confine fra il mondo quantistico del processore e il mondo classico nel quale deve arrivare la risposta. Se un qubit si trova nello stato formato dalle ampiezze alfa e beta, la regola di Born stabilisce che la probabilità di osservare 0 è il quadrato del valore assoluto di alfa e quella di osservare 1 è il quadrato del valore assoluto di beta. Dopo l’esito, nelle misure più semplici, il qubit si trova nello stato corrispondente al valore osservato. Si parla di collasso o proiezione dello stato. Il termine descrive correttamente ciò che il calcolo deve considerare, anche se il significato fisico ultimo del collasso dipende dall’interpretazione della meccanica quantistica e non è necessario risolverlo per costruire un computer.Il collasso ha una conseguenza pratica: non è possibile fermare un algoritmo a metà, guardare liberamente tutte le ampiezze e poi riprendere come se nulla fosse. La misura altera in generale lo stato e distrugge la sovrapposizione nella base scelta. Nei computer classici si può copiare un registro, ispezionarlo e conservarne una copia di sicurezza; nel quantum il teorema di non clonazione impedisce di duplicare perfettamente uno stato sconosciuto. Debug, verifica e correzione degli errori richiedono quindi tecniche molto diverse da quelle del software tradizionale.Una singola esecuzione, chiamata spesso shot, fornisce un solo campione. Se un circuito è progettato per produrre una distribuzione di probabilità, deve essere eseguito centinaia, migliaia o milioni di volte per stimarla con precisione. Più piccola è la differenza che si vuole misurare, maggiore è in genere il numero di ripetizioni necessario. Questo costo statistico fa parte del tempo reale dell’applicazione e deve essere incluso nei confronti con CPU e GPU: non basta misurare la durata di un singolo passaggio sulla QPU.La stessa limitazione impedisce di leggere direttamente l’intero stato di una macchina con molti qubit. La tomografia quantistica può ricostruire uno stato eseguendo misure differenti su moltissime copie preparate nello stesso modo, ma il numero di parametri cresce esponenzialmente. Per sistemi grandi diventa impraticabile. I computer quantistici sono quindi progettati per ottenere osservabili selezionate, campioni o proprietà globali, non per esportare al mondo classico ogni dettaglio del loro stato interno.Questo chiarisce anche perché l’espressione secondo cui un computer quantistico ‘prova tutte le soluzioni insieme’ è incompleta. Anche ammesso che il circuito distribuisca ampiezza su moltissime configurazioni, la misura finale ne restituisce una soltanto. Un algoritmo utile deve usare fasi, entanglement e interferenza per far sì che le risposte sbagliate si cancellino o diventino poco probabili, mentre l’informazione corretta emerga con probabilità elevata oppure possa essere estratta da poche grandezze aggregate. Senza questa struttura, la sovrapposizione non offre alcun vantaggio utilizzabile.Entanglement e interferenza come fonte del vantaggioQuando più qubit interagiscono, possono diventare entangled: lo stato dell’insieme non è più descrivibile assegnando uno stato indipendente a ciascun qubit. Un semplice circuito può, per esempio, preparare due qubit in una sovrapposizione di 00 e 11. Ogni esecuzione produce casualmente uno dei due risultati, ma le due letture sono perfettamente correlate: non compaiono 01 o 10 in condizioni ideali. Misurando il primo qubit, lo stato congiunto viene proiettato su una delle due possibilità e il risultato del secondo diventa correlato al primo.L’entanglement non permette di inviare messaggi più velocemente della luce. Chi osserva soltanto uno dei qubit vede una sequenza casuale e non può controllarne l’esito. Le correlazioni diventano visibili soltanto quando le misure vengono confrontate attraverso un normale canale classico. Il suo valore computazionale consiste nel permettere al circuito di rappresentare e trasformare relazioni globali fra molte variabili in modi che non equivalgono alla semplice elaborazione separata dei singoli bit.L’interferenza è il passaggio che trasforma questa ricchezza matematica in una risposta. Le ampiezze possono avere segni e fasi differenti: quando più percorsi del calcolo conducono allo stesso esito, possono sommarsi oppure cancellarsi. Molti algoritmi quantistici seguono quindi uno schema comune: preparano una sovrapposizione, codificano nel sistema una proprietà del problema, modificano le fasi degli stati in funzione di quella proprietà e infine fanno interferire i percorsi. La misurazione avviene soltanto quando il circuito ha concentrato l’informazione nelle componenti che interessano.La difficoltà è che non esiste una procedura universale capace di convertire ogni problema in un’interferenza vantaggiosa. Gli algoritmi quantistici noti sfruttano strutture matematiche particolari: periodicità nel caso di Shor, amplificazione dell’ampiezza nel caso di Grover, evoluzione naturale di sistemi quantistici nella simulazione di molecole e materiali. Per la maggior parte delle attività quotidiane – navigare sul web, gestire un database, scrivere un documento o eseguire la logica ordinaria di un’applicazione – un computer classico rimane più semplice, economico ed efficiente.Porte quantistiche e algoritmi ibridiUn calcolo a porte può essere riassunto in sei fasi. Primo: la macchina inizializza i qubit in uno stato noto. Secondo: porte a un qubit creano sovrapposizioni e impostano le fasi. Terzo: porte a due o più qubit generano entanglement. Quarto: una parte del circuito codifica il problema, spesso modificando fasi o probabilità in funzione dei dati. Quinto: altre porte producono l’interferenza necessaria a far emergere l’informazione utile. Sesto: i qubit vengono misurati, gli esiti finiscono in registri classici e il circuito viene ripetuto per ricostruire statistiche affidabili.La QPU non opera isolatamente. CPU e GPU preparano gli input, scelgono i parametri, compilano il circuito sulle connessioni realmente disponibili, generano gli impulsi di controllo, decodificano gli errori, aggregano gli shot e decidono la fase successiva di un algoritmo ibrido. Molti programmi attuali alternano brevi circuiti quantistici e ottimizzazione classica: la QPU misura una funzione, il computer classico aggiorna i parametri e il ciclo ricomincia. Per questo il confronto realistico non è fra un chip quantistico e un singolo processore classico, ma fra due flussi completi end-to-end.Gli algoritmi più noti mostrano sia il potenziale sia i confini. Shor offre, su una macchina fault-tolerant sufficientemente grande, un metodo molto più efficiente per fattorizzare interi e calcolare logaritmi discreti, mettendo in prospettiva a rischio RSA e la crittografia a curve ellittiche. Grover può ridurre da N a circa la radice quadrata di N il numero di tentativi necessari per una ricerca non strutturata: è un vantaggio importante, ma quadratico e non esponenziale. La simulazione quantistica è il caso d’uso più naturale, perché una macchina quantistica può rappresentare direttamente alcune dinamiche di elettroni, molecole e materiali che richiedono pesanti approssimazioni sui supercomputer.Altri filoni riguardano ottimizzazione, equazioni differenziali, sampling e machine learning. Qui i vantaggi teorici possono dipendere dal modo in cui i dati vengono caricati, dalla disponibilità di memorie quantistiche, dalla precisione richiesta e dall’ipotesi di poter eseguire circuiti molto lunghi senza errori. Se trasferire un grande dataset classico nella QPU richiede più tempo del calcolo risparmiato, il vantaggio scompare. Anche l’output deve essere compatto: poiché la misurazione non restituisce l’intero stato, l’algoritmo deve produrre poche grandezze, campioni o decisioni utili.Il computer quantistico non è dunque una macchina onnisciente né un acceleratore universale. È un dispositivo che controlla l’evoluzione di sistemi fisici fragili e sfrutta una combinazione molto precisa di preparazione, trasformazione, interferenza e misurazione. Il suo potenziale deriva dall’ampiezza dello spazio degli stati; il suo limite deriva dal fatto che quello spazio non può essere osservato direttamente senza distruggerne gran parte della struttura.Architetture del quantum computing e computer quantisticiLa competizione industriale non riguarda un’architettura unica.IBM e Google lavorano principalmente con circuiti superconduttori, minuscoli dispositivi elettrici controllati con microonde e raffreddati a temperature vicine allo zero assoluto. Sono veloci e possono beneficiare di tecniche di fabbricazione derivate dai semiconduttori, ma gli stati sono fragili e i collegamenti fra qubit sono vincolati dalla geometria del chip.Quantinuum e IonQ utilizzano ioni intrappolati mediante campi elettromagnetici e manipolati con laser. I qubit hanno in genere tempi di coerenza lunghi e operazioni molto accurate; gli ioni possono essere spostati per creare connettività estesa. Le porte sono però più lente e la crescita verso sistemi molto grandi richiede soluzioni complesse di movimentazione, controllo ottico e modularità.Altri gruppi puntano su atomi neutri, fotoni, difetti nei diamanti, qubit di spin nel silicio e differenti dispositivi a stato solido. Microsoft ha presentato Majorana 1 come primo passo verso qubit topologici protetti dall’hardware e progettati per scalare, ma il risultato è ancora una tappa di ricerca e una roadmap, non un computer universale pronto per applicazioni industriali. Il valore dell’approccio topologico, se confermato e reso riproducibile su larga scala, consisterebbe nel ridurre alla radice una parte degli errori.D-Wave segue anche una strada diversa, il quantum annealing. Queste macchine non sono equivalenti a un computer quantistico universale a porte: sono progettate per evolvere verso configurazioni a bassa energia e affrontare determinate simulazioni e problemi di ottimizzazione. Nel 2025 D-Wave ha rivendicato una superiorità rispetto ai metodi classici in una simulazione di materiali magnetici eseguita con un prototipo Advantage2. Il confronto è rimasto oggetto di discussione, anche perché nuovi metodi classici possono modificare il benchmark. Il caso mostra però che architetture specializzate possono produrre valore prima dell’arrivo di una macchina universale fault-tolerant.Errori e qubit logici: il nodo del quantum computingI qubit sono sistemi analogici estremamente sensibili all’ambiente. Variazioni di temperatura, imperfezioni dei segnali di controllo, interazioni indesiderate, vibrazioni e perfino particelle ad alta energia possono alterare il calcolo. La decoerenza distrugge gradualmente le relazioni di fase che rendono possibile l’elaborazione quantistica. Ogni porta, misura o spostamento del qubit introduce una probabilità di errore.Per questo il numero grezzo di qubit fisici non basta a confrontare le macchine. Contano la fedeltà delle operazioni a uno e due qubit, la connettività, la durata degli stati, la velocità dei gate, la profondità dei circuiti eseguibili, la qualità delle misure e il tempo totale necessario per ottenere un risultato statisticamente affidabile. Un chip con meno qubit ma porte molto più accurate può essere più utile di un dispositivo più grande e rumoroso.Nel breve periodo le aziende utilizzano tecniche di soppressione e mitigazione degli errori. Il circuito viene progettato per evitare le parti più rumorose dell’hardware; alcuni calcoli vengono ripetuti con livelli di rumore controllati e i risultati vengono estrapolati; CPU e GPU applicano correzioni statistiche. Questi metodi possono estendere la portata delle macchine attuali, ma comportano un costo: per ottenere maggiore precisione può essere necessario ripetere l’esperimento molte volte e aumentare rapidamente le risorse complessive.La soluzione di lungo periodo è la quantum error correction. L’informazione di un qubit logico viene distribuita su più qubit fisici entangled. Altri qubit misurano sindromi d’errore senza leggere direttamente lo stato che si vuole proteggere. Se il tasso d’errore fisico è sotto una determinata soglia, aumentando la dimensione del codice è possibile ridurre l’errore logico. Il prezzo è l’overhead: a seconda dell’architettura, del codice e della qualità dei componenti, un singolo qubit logico pienamente affidabile può richiedere molti qubit fisici e un decoder classico capace di reagire in tempo reale.Qubit fisici e logici da leggere con cautelaIl termine qubit logico viene utilizzato per esperimenti diversi. Un qubit può essere soltanto protetto dalla rilevazione degli errori, oppure sottoposto a correzione attiva; può conservare l’informazione ma non disporre ancora di un insieme universale di porte fault-tolerant; può essere costruito con post-selezione, scartando le esecuzioni nelle quali viene individuato un errore. Due annunci con lo stesso numero di qubit logici possono quindi indicare capacità molto differenti.Quantinuum, con il sistema Helios a 98 qubit fisici completamente connessi, ha dichiarato nel 2026 di ottenere 48 qubit corretti e 64 qubit con rilevazione degli errori mediante codici ad alta efficienza, oltre a configurazioni ancora più numerose ma con protezione diversa. È un risultato importante perché mostra come fedeltà e connettività possano ridurre l’overhead. Non significa però che Helios disponga già di decine di qubit logici universali capaci di sostenere qualsiasi algoritmo per tempi arbitrariamente lunghi.IBM ha fissato per il 2029 l’obiettivo di Starling, un sistema fault-tolerant modulare da 200 qubit logici e 100 milioni di operazioni. Google ha mostrato con Willow che l’aumento della dimensione del codice può ridurre l’errore logico quando l’hardware supera la soglia necessaria. Sono roadmap e dimostrazioni fondamentali, ma la distanza fra un esperimento controllato e una piattaforma industriale affidabile resta ampia.Dal quantum advantage IBM alla fault toleranceIl lessico del settore è diventato parte del problema. Per supremazia quantistica si intende in genere l’esecuzione di un compito fuori dalla portata pratica dei computer classici, anche quando quel compito è costruito soprattutto come benchmark. Google utilizzò il termine nel 2019 per il random circuit sampling di Sycamore. L’esperimento dimostrava un controllo notevole dell’hardware, ma non risolveva un problema aziendale.IBM parla di quantum utility quando una macchina produce risultati scientificamente affidabili su circuiti troppo grandi per una simulazione classica esatta, pur senza provare di essere migliore di tutte le approssimazioni classiche. Il quantum advantage richiede un criterio più forte: il flusso quantistico, normalmente ibrido con risorse classiche, deve risultare più accurato, più rapido o meno costoso del migliore metodo interamente classico e la conclusione deve poter essere validata.La fault tolerance è un’altra cosa ancora. Indica la capacità di eseguire algoritmi lunghi sui qubit logici correggendo gli errori più velocemente di quanto si accumulino. Una dimostrazione di vantaggio può arrivare prima della piena fault tolerance, grazie a hardware molto accurato e mitigazione degli errori; una macchina fault-tolerant, d’altra parte, diventa economicamente interessante soltanto se dispone di abbastanza qubit logici, porte e velocità per affrontare problemi di valore.Il vantaggio quantistico non sarà quindi un giorno unico paragonabile al lancio di ChatGPT. Sarà una frontiera mobile. Un gruppo proporrà un risultato; i ricercatori classici cercheranno una simulazione o un’approssimazione migliore; il benchmark verrà raffinato; il vantaggio potrà resistere, ridursi o scomparire. IBM ha creato un Quantum Advantage Tracker proprio per rendere visibile questo confronto continuo.Perché l’annuncio IBM contaI tre lavori annunciati da IBM il 30 luglio 2026 cercano di affrontare il problema decisivo della verificabilità. Quando il computer classico non riesce più a riprodurre il calcolo quantistico, viene meno anche il controllo più intuitivo: eseguire lo stesso problema su un’altra macchina e confrontare le risposte.In uno degli esperimenti i ricercatori hanno eseguito un circuito codificato che coinvolgeva 70 qubit logici in una configurazione specifica, utilizzando 97 qubit fisici e tecniche di rilevazione degli errori. In un altro, IBM, Qedma, RIKEN e BlueQubit hanno studiato la dinamica di un materiale quantistico su processori IBM Heron, confrontando i risultati con differenti tecniche classiche e con macchine Quantinuum. Un terzo lavoro ha costruito controlli statistici variando intenzionalmente rumore e calibrazioni.Il messaggio non è che IBM possieda già un computer universale da 70 qubit logici fault-tolerant. I circuiti erano progettati per esperimenti specifici e i lavori, inizialmente pubblicati come preprint, devono essere sottoposti al vaglio della comunità. Il progresso consiste nell’unire tre elementi che in passato venivano spesso separati: calcolo oltre la simulazione classica immediata, gestione degli errori e metodi per costruire fiducia nel risultato.IBM non è la prima a dichiarare un vantaggio. Google nel 2025 ha presentato Quantum Echoes, un algoritmo eseguito su Willow per misurare correlazioni nel caos quantistico. A differenza dei bit casuali del benchmark del 2019, le quantità osservabili possono essere riprodotte su macchine differenti e hanno un possibile collegamento con l’apprendimento delle interazioni molecolari. D-Wave e Quantinuum hanno avanzato rivendicazioni su simulazioni di materiali. La pluralità degli annunci conferma che non esiste un unico vantaggio quantistico: esistono problemi, architetture e livelli di prova differenti.Applicazioni del quantum computing tra scienza, industria e finanzaLa simulazione di chimica e materiali è il campo con il razionale più forte. Catalizzatori, elettroliti, superconduttori, fertilizzanti, molecole farmaceutiche e materiali per la fusione dipendono da interazioni elettroniche difficili da rappresentare esattamente. Il computer quantistico non sostituirà tutte le tecniche di chimica computazionale: verrà probabilmente utilizzato su frammenti o regioni nelle quali le correlazioni sono più complesse, mentre il resto del sistema sarà trattato da supercomputer e modelli AI.IBM, RIKEN, Cleveland Clinic e altri partner hanno già sperimentato flussi ibridi nei quali grandi sistemi molecolari vengono scomposti e soltanto alcune parti sono affidate alla QPU. Questi progetti dimostrano la crescita della scala e dell’integrazione, non ancora un vantaggio economico generalizzato. Per arrivare alla progettazione di un farmaco o di una batteria migliore occorrono inoltre dati sperimentali, modelli biologici o industriali, validazione in laboratorio e capacità produttiva: il calcolo è un tassello, non l’intera catena del valore.L’ottimizzazione è attraente perché logistica, reti, portafogli e pianificazione industriale contengono enormi spazi di soluzioni. Ma è anche l’area nella quale è più facile costruire dimostrazioni ingannevoli. I metodi classici di ottimizzazione sono molto maturi e sfruttano euristiche, decomposizione, dati storici e hardware specializzato. Un algoritmo quantistico deve battere la migliore soluzione realmente usata in produzione, includendo il costo di preparazione dei dati, comunicazione con il cloud, ripetizioni e post-processing. Migliorare un benchmark accademico non equivale a migliorare una supply chain.In finanza vengono studiati pricing, analisi del rischio, Monte Carlo e costruzione dei portafogli. Anche qui la ricerca è utile, ma le applicazioni correnti sono perlopiù proof of concept. Molti problemi finanziari richiedono dati classici in ingresso e risposte rapide sotto vincoli normativi e operativi. L’eventuale vantaggio dovrà superare GPU, algoritmi approssimati e tecniche di riduzione della varianza, non un modello teorico semplificato.Altri ambiti comprendono fluidodinamica, energia, meteo e fisica delle particelle. Nel breve periodo il valore può essere soprattutto scientifico: esplorare regimi non accessibili alle simulazioni esatte e generare nuove ipotesi.AI e quantum computing nelle infrastrutture ibrideIntelligenza artificiale e quantum computing vengono a volte descritti come concorrenti. Entrambi cercano regolarità in spazi molto complessi, consumano risorse di calcolo e attirano capitali e talenti. In alcuni campi affrontano gli stessi obiettivi con metodi diversi: un modello AI può prevedere il comportamento di una molecola apprendendo dai dati, mentre un simulatore quantistico cerca di rappresentarne direttamente alcune interazioni fisiche. La relazione più promettente è però una divisione del lavoro.L’AI può innanzitutto aiutare a costruire computer quantistici migliori. Le macchine generano continuamente segnali su rumore, deriva delle frequenze, errori delle porte e instabilità delle calibrazioni. Il machine learning è adatto a riconoscere pattern in questi flussi e a scegliere correzioni. Google ha sviluppato decoder neurali come AlphaQubit e nel luglio 2026 ha mostrato un sistema di reinforcement learning capace di adattare i parametri di controllo mentre la macchina opera, evitando di interrompere ogni volta il calcolo per una ricalibrazione completa.L’AI può inoltre ottimizzare gli impulsi che controllano i qubit, ridurre il numero di gate, scegliere la disposizione del circuito sull’hardware e assistere nella scoperta di nuovi codici di correzione. Modelli linguistici e agenti per il coding possono tradurre una descrizione del problema in circuiti, selezionare librerie e orchestrare CPU, GPU e QPU. Questo non elimina la necessità di fisici ed esperti del dominio: automatizza attività complesse e riduce la barriera d’accesso.Nella direzione opposta, i processori quantistici potrebbero accelerare componenti specifiche dell’AI: sampling, kernel, ottimizzazione, modelli generativi o rappresentazione di sistemi dinamici. Non esiste oggi una prova che una QPU possa addestrare un grande modello linguistico general purpose in modo più conveniente di un’infrastruttura GPU. Caricare grandi dataset classici nello stato quantistico può annullare il vantaggio, e il rumore limita la profondità dei circuiti. Il quantum machine learning resta quindi un campo di ricerca, non un sostituto imminente dei data center AI.Un esempio più concreto è il quantum reservoir computing. Un sistema quantistico complesso viene utilizzato come trasformazione dinamica dei dati; un modello classico interpreta poi l’output. Silicon Quantum Computing e Telstra hanno comunicato un progetto nel quale un chip di questo tipo ha ridotto i tempi di addestramento per previsioni sulla rete, mantenendo una precisione paragonabile a un modello di deep learning. È un caso pilota aziendale, non una dimostrazione generalizzabile, ma illustra il possibile ruolo della QPU come acceleratore specializzato.La combinazione più importante potrebbe emergere nell’AI for science. Il modello AI esplora milioni di molecole o materiali e seleziona i candidati più promettenti; il computer quantistico esegue simulazioni più accurate sui casi difficili; i risultati diventano nuovi dati per migliorare il modello. Si crea un ciclo nel quale l’AI restringe il campo, il quantum approfondisce e il calcolo classico coordina. Farmaci, catalizzatori, batterie, fertilizzanti e materiali avanzati sono i settori nei quali questo circuito può produrre valore prima di un quantum computer autonomo e universale.Anche l’argomento energetico richiede prudenza. Una QPU può utilizzare pochi qubit per rappresentare uno spazio che richiederebbe enormi risorse classiche, ma il sistema comprende criogenia, laser o microonde, elettronica di controllo, decoder, ripetizioni e supercomputer. Non è corretto dedurre automaticamente che il quantum ridurrà il consumo dell’AI. L’efficienza deve essere misurata sull’intero flusso e sul problema concreto.Quantum computing e crittografia post-quantumL’implicazione più urgente non riguarda le applicazioni scientifiche, ma la sicurezza. Una macchina fault-tolerant con abbastanza qubit logici potrebbe utilizzare l’algoritmo di Shor per compromettere RSA, Diffie-Hellman e la crittografia a curve ellittiche, tecnologie alla base di identità digitali, firme, aggiornamenti software, VPN e numerosi protocolli di rete.Un computer con questa capacità non esiste ancora e non c’è una data certa per il suo arrivo. La migrazione deve però iniziare anni prima. Sistemi industriali, apparati di rete, dispositivi IoT e archivi pubblici rimangono operativi a lungo; sostituire algoritmi, certificati, moduli hardware e protocolli richiede inventari, test e coordinamento della supply chain. Esiste inoltre il rischio harvest now, decrypt later: un attaccante può raccogliere oggi comunicazioni cifrate e conservarle in attesa di poterle decifrare in futuro.Nel 2024 il NIST ha finalizzato i primi tre standard post-quantum: ML-KEM per lo scambio di chiavi, derivato da Kyber; ML-DSA per le firme, derivato da Dilithium; SLH-DSA, una firma basata su funzioni hash. Falcon è destinato a un ulteriore standard e nel 2025 il NIST ha selezionato HQC come algoritmo aggiuntivo per l’incapsulamento delle chiavi. Queste soluzioni girano su computer classici: post-quantum non significa crittografia eseguita da un computer quantistico, ma algoritmi matematici progettati per resistere sia agli attacchi classici sia a quelli quantistici noti.L’Unione europea ha chiesto a tutti gli Stati membri di iniziare la transizione entro la fine del 2026 e di proteggere i casi ad alto rischio nelle infrastrutture critiche il prima possibile, comunque entro la fine del 2030. Per imprese e pubbliche amministrazioni la priorità è la crypto-agility: sapere dove viene usata la crittografia, poter sostituire algoritmi e chiavi senza ricostruire l’intero sistema e chiedere ai fornitori roadmap verificabili. QKD, la distribuzione quantistica delle chiavi, può avere un ruolo in reti particolari, ma non sostituisce la migrazione generalizzata alla crittografia post-quantum.Imprese, PA e procurement nell’era del quantum computingLa prima conseguenza è che non serve acquistare subito un computer quantistico. L’accesso avverrà prevalentemente attraverso cloud e centri di supercalcolo. Le organizzazioni dovrebbero individuare i problemi nei quali il costo computazionale è realmente un collo di bottiglia e costruire piccoli gruppi interdisciplinari con competenze di dominio, HPC, AI, matematica e quantum.Ogni progetto pilota dovrebbe partire da una baseline classica forte. Il confronto deve includere qualità della soluzione, tempo end-to-end, costo, energia, stabilità e possibilità di ripetere il risultato. È necessario documentare quanta parte del lavoro viene svolta dalla QPU e quanta da CPU e GPU. La domanda non è se un algoritmo quantistico possa essere eseguito, ma se migliori un processo rispetto alla migliore alternativa disponibile.La seconda conseguenza riguarda il procurement. Le metriche da chiedere ai fornitori non sono soltanto il numero di qubit: servono fedeltà delle porte, errori di misura, connettività, profondità dei circuiti, disponibilità del sistema, tempi di coda, costo per esecuzione, prestazioni del software e condizioni di portabilità. La dipendenza da un singolo stack proprietario può diventare un problema, perché architetture e linguaggi sono ancora in evoluzione.La terza è la sicurezza post-quantum. Banche, telecomunicazioni, sanità, pubbliche amministrazioni, industria e gestori di infrastrutture critiche dovrebbero avviare l’inventario crittografico, classificare i dati in base alla durata della riservatezza, identificare apparati difficili da aggiornare e sperimentare schemi ibridi che combinano algoritmi tradizionali e post-quantum. La transizione sarà un programma pluriennale, paragonabile per ampiezza a grandi migrazioni infrastrutturali e non a un semplice aggiornamento software.Infine, le imprese devono evitare due errori opposti. Considerare il quantum soltanto marketing significa rinunciare a competenze che potrebbero diventare strategiche. Trattare ogni annuncio come una rivoluzione commerciale porta a progetti costosi e senza una baseline seria. La posizione razionale è sperimentare in modo selettivo, preparare la sicurezza e monitorare metriche tecniche verificabili.Quantum computing in Europa e ItaliaL’Europa dispone di una ricerca quantistica di primo livello, ma deve trasformarla in filiere industriali, produzione di componenti, software e accesso alle infrastrutture. La Quantum Europe Strategy presentata nel 2025 individua cinque assi: ricerca, infrastrutture, rafforzamento dell’ecosistema, tecnologie spaziali e dual use, competenze. Prevede una struttura europea per la progettazione, sei linee pilota per chip quantistici, il potenziamento dei sistemi EuroHPC e iniziative per comunicazioni e internet quantistico.Al 31 luglio 2026 il Quantum Act europeo risulta ancora annunciato nel programma della Commissione, non adottato. L’obiettivo dichiarato è coordinare investimenti e ricerca, aumentare la capacità industriale e rafforzare la resilienza delle catene di fornitura. È un passaggio essenziale: il quantum dipende da criogenia, laser, elettronica, materiali, packaging, fabbriche di semiconduttori e competenze rare. La sovranità non coincide con costruire tutto in Europa, ma con evitare dipendenze non gestibili nei livelli più critici.L’Italia ha adottato nel luglio 2025 una Strategia nazionale per le tecnologie quantistiche. Le linee indicate riguardano ricerca e infrastrutture, trasferimento industriale, competenze e sicurezza, compresa la migrazione post-quantum. Il nodo è ora l’attuazione: collegare università e centri di eccellenza alle imprese, garantire accesso continuativo a infrastrutture europee, finanziare progetti pluriennali e costruire una domanda pubblica competente.Per il sistema produttivo italiano la specializzazione può essere più importante della corsa a un computer completo. Fotonica, criogenia, elettronica di controllo, materiali, cybersecurity, software e applicazioni verticali sono segmenti nei quali costruire una filiera. Senza trasferimento tecnologico, procurement competente e capitale paziente, il rischio è conservare eccellenze scientifiche ma acquistare all’estero piattaforme e proprietà intellettuale.Il quantum advantage come frontiera mobileIl quantum computing ha superato la fase nella quale era soltanto una promessa teorica. Le macchine disponibili via cloud eseguono circuiti sempre più complessi, i primi qubit logici battono in alcuni esperimenti le rispettive configurazioni fisiche e diversi gruppi rivendicano calcoli oltre i migliori metodi classici. Ma il settore non ha ancora prodotto un computer universale, fault-tolerant e commercialmente superiore su un ampio insieme di problemi.L’annuncio IBM sul quantum advantage è significativo perché sposta l’attenzione dalla sola dimensione del circuito alla fiducia nel risultato. Non è un punto di arrivo e non rende obsolete CPU, GPU o intelligenza artificiale. Indica piuttosto la forma probabile del futuro: infrastrutture ibride nelle quali ogni tipo di processore affronta il compito per cui è più adatto.Le implicazioni reali sono già visibili. La ricerca può utilizzare il quantum come nuovo strumento per esplorare materia e chimica; l’AI può accelerare la costruzione e il controllo delle macchine e ricevere in cambio dati scientifici migliori; la cybersecurity deve avviare subito la migrazione post-quantum; governi e imprese devono costruire competenze e filiere prima che il mercato maturi.Il quantum advantage non sarà una singola data da segnare sul calendario. Sarà una frontiera mobile, attraversata più volte da macchine, algoritmi e applicazioni differenti. La domanda decisiva non sarà quanti qubit possiede un produttore, ma quali risultati affidabili, ripetibili e utili riesce a ottenere meglio di tutte le alternative classiche.Tabella – Attori principali e stato dell’arteAttoreTecnologia / approccioStato dell’artePunto forteLimite o cautelaIBMCircuiti superconduttori, roadmap fault-tolerant modulareRivendica l’ingresso nell’era del quantum advantage; Starling previsto nel 2029 con 200 qubit logici e 100 milioni di gateRoadmap industriale, cloud quantum, focus su verificabilitàNon è ancora un computer universale fault-tolerant general purposeGoogle Quantum AISuperconduttori, surface code, chip WillowHa mostrato riduzione dell’errore logico aumentando la dimensione del codiceForte progresso sulla correzione degli erroriAncora lontano da applicazioni commerciali generalizzateQuantinuumIoni intrappolati, alta connettivitàHelios: 98 qubit fisici pienamente connessi; risultati su qubit protetti e correttiFedeltà elevata e connettività all-to-allPorte più lente e scalabilità industriale complessaD-WaveQuantum annealing, Advantage2Rivendica superiorità su simulazioni di materiali magnetici; servizio cloud disponibileApproccio specializzato già accessibile ai clientiNon è equivalente a un computer quantistico universale a porteMicrosoftQubit topologici, chip MajoranaApproccio orientato a protezione hardware dagli erroriPotenziale riduzione dell’overhead se l’approccio scalaTecnologia ancora da consolidare e verificare su larga scalaIonQIoni intrappolati, sistemi rack-mountedForte Enterprise e Tempo puntano all’integrazione nei data centerModularità, connettività e orientamento enterpriseVantaggio commerciale ancora da dimostrare caso per casoPsiQuantumFotonica su silicioPunta a computer fault-tolerant utility-scale con siti in Australia e USAScalabilità industriale tramite fotonica e semiconduttoriRoadmap ambiziosa, risultati applicativi ancora attesiNISTStandard post-quantumML-KEM, ML-DSA e SLH-DSA finalizzati; HQC selezionato come ulteriore KEMStandard già utilizzabili per la migrazioneAdozione lenta nei sistemi legacyUnione europeaStrategia, standardizzazione, infrastruttureTransizione PQC richiesta entro il 2026, casi ad alto rischio entro il 2030Coordinamento regolatorio e infrastrutturaleAttuazione disomogenea tra Stati e settori