IBM: il quantum computing entra nell'industria con il supercalcolo ibrido

Il quantum computing sta uscendo dalla fase in cui era soprattutto materia per fisici, laboratori e proof of concept. Non è ancora una tecnologia da mettere in produzione su larga scala, e sarebbe sbagliato raccontarla come se lo fosse. Ma non è più nemmeno un tema da confinare alla ricerca pura. La traiettoria indicata da IBM è quella di costruire un’infrastruttura di calcolo in cui computer classici, acceleratori GPU e processori quantistici lavorino insieme, ognuno sulla parte di problema per cui è più adatto.

È il modello che IBM chiama quantum-centric supercomputing. Non un computer quantistico isolato, quindi, e nemmeno una sostituzione delle architetture esistenti. Piuttosto un’estensione del supercalcolo: la CPU continuerà a fare ciò che sa fare bene, la GPU resterà centrale per molti carichi paralleli e la QPU, la quantum processing unit, entrerà nei pezzi di algoritmo in cui la natura quantistica del problema rende inefficiente il calcolo classico.

Ci sono molte applicazioni nel mondo classico che hanno richiesto anche decenni per poter diventare realtà per semplice mancanza di potenza di calcolo: un esempio è l'intelligenza artificiale, che è stata resa praticabile dalla disponibilità di potenza computazionale e dati. Altre, però, sono semplicemente intrattabili con gli elaboratori classici e richiedono un approccio nuovo: è qui che entra in gioco il calcolo quantistico, che richiede però nuovi algoritmi e nuovi modi di affrontare e scomporre i problemi

“L’IA si è basata su ciò che l’ha preceduta. Le tecniche le conoscevamo da decenni, ma i processori sono diventati abbastanza veloci da poterle usare su larga scala. Il quantum è un modo completamente nuovo di affrontare le cose”, spiega Adam Hammond, responsabile dello sviluppo commerciale per il quantum computing nell’area EMEA di IBM.

Quantum computing: materiali, batterie, reti elettriche e logistica sono già i primi terreni di lavoro

Il punto non è chiedersi se il quantum sarà utile in astratto. La domanda corretta è un’altra: dove è che i computer classici stanno già lavorando per approssimazione, con tempi elevati, costi alti o modelli troppo semplificati?

È qui che IBM vede i primi spazi industriali. Nel manifatturiero e nell’automotive, per esempio, il quantum può entrare nello sviluppo di nuovi materiali e batterie per veicoli elettrici. Non perché una QPU possa sostituire da sola l’intero processo di progettazione, ma perché può migliorare alcuni passaggi oggi gestiti con modelli classici inevitabilmente approssimati. “Il tipo di problemi che l’informatica quantistica ci permette di affrontare è molto rilevante per le aziende industriali. Se si pensa ad aziende come Stellantis, parliamo di nuovi materiali, nuovi modi di organizzare le fabbriche e ottimizzazione”, afferma Hammond.

Un altro ambito è quello dell’energia. La transizione verso le rinnovabili rende più complessa la gestione delle reti: la generazione è meno prevedibile, i consumi cambiano, le auto elettriche introducono nuovi carichi distribuiti. IBM lavora con E.ON in Germania proprio sull’ottimizzazione della rete elettrica, un caso che chiarisce bene la logica del quantum: non produrre una risposta magica, ma migliorare la capacità di previsione e allocazione in un sistema con molte variabili.

Lo stesso vale per la logistica. La gestione dei gate aeroportuali, la programmazione degli equipaggi, il recupero dopo un blocco ferroviario o aereo sono problemi di ottimizzazione già affrontati oggi con tecniche classiche. Ma il numero di combinazioni cresce rapidamente e rende difficile ottenere risposte davvero efficienti in tempi utili.

La promessa più concreta: simulare meglio ciò che oggi si testa ancora fisicamente

Un altro ambito in cui il quantum computing può fare la differenza è la fluidodinamica computazionale (CFD). Le aziende automotive (fra cui Dallara) e aerospaziali usano già simulazioni prima di passare alla galleria del vento. Il quantum, secondo IBM, non cancellerà questo processo. Potrebbe però renderlo più accurato e ridurre ulteriormente il numero di prove fisiche necessarie.

Il punto non è solo la velocità, ma la qualità della simulazione. I modelli classici funzionano, ma spesso richiedono approssimazioni. Con macchine quantistiche sufficientemente grandi, la promessa è simulare meglio il comportamento di sistemi fisici complessi: aerodinamica, chimica computazionale, materiali, interazioni molecolari.

“Penso che sarà più accurata”, dice Hammond parlando della fluidodinamica. “Non si tratta di passare dal nulla a qualcosa, ma di prendere ciò che facciamo oggi e di estenderlo, costruendo una maggiore precisione, magari potendo farlo più velocemente o in modo più conveniente”.

Il vantaggio industriale, se arriverà, sarà molto pratico: portare in galleria del vento meno varianti, testare fisicamente solo i modelli più promettenti, ridurre tempi di sviluppo e costi di prototipazione. È lo stesso ragionamento che vale nella chimica e nel farmaceutico: anche piccoli miglioramenti nel processo di simulazione possono tradursi in anni risparmiati nella scoperta di nuovi farmaci.

Il quantum-centric supercomputing: il calcolo diventa una catena ibrida

La visione di IBM non è costruire un computer quantistico che lavori da solo. È creare una catena di calcolo ibrida. Un problema viene diviso in parti: una gira su CPU, una su GPU, una su QPU. Il risultato viene poi ricomposto in un workflow unico. “Si prende il problema e lo si divide nella parte che gira meglio su una CPU, in quella che richiede una GPU e in quella che richiede una QPU. Si fa eseguire la parte giusta del problema sul processore giusto e poi si rimettono insieme i risultati”, afferma Hammond.

Per l’utente finale, in prospettiva, il quantum potrebbe diventare quasi invisibile. Un chimico continuerà a usare la propria libreria software. Un ingegnere continuerà a lavorare con i propri strumenti di simulazione. Sarà il sistema, se avrà accesso a risorse quantistiche, a decidere quali parti del calcolo demandare alla Qpu.

Oggi non è ancora così. Chi lavora su questi casi deve capire il workflow, individuare i colli di bottiglia e valutare dove un algoritmo quantistico possa portare un miglioramento. Ma l’obiettivo è chiaro: far uscire il quantum dalla nicchia degli specialisti e portarlo dentro strumenti già familiari agli utenti tecnici.

Anche il tema del lock-in è centrale. Il mercato del quantum è ancora frammentato: IBM, Google, Microsoft, startup specializzate e altri attori lavorano su approcci diversi. Hammond però ridimensiona il rischio di una frammentazione totale, almeno per le architetture gate-based. Il motivo è che il modello dei circuiti quantistici offre già un linguaggio comune. In più, Qiskit, il framework software di IBM, è open source e punta a supportare hardware di più produttori.

Per IBM l’obiettivo è quello di essere un attore centrale nell’hardware, ma rendere il livello software abbastanza aperto da attrarre sviluppatori, algoritmi e applicazioni. È una partita di ecosistema, non solo di chip.

Il 2029 è lo snodo della roadmap, ma non significa quantum per tutti e per tutto

La data che ricorre è il 2029. IBM la indica come orizzonte per Starling, il primo sistema quantistico fault-tolerant della propria roadmap. La tolleranza ai guasti è il passaggio decisivo: i computer quantistici di oggi sono ancora soggetti a errori e non possono sostenere calcoli complessi su scala produttiva. La correzione degli errori serve a rendere affidabili circuiti più lunghi e problemi più estesi.

Attenzione: il 2029 non è da considerarsi come l’anno in cui qualsiasi azienda potrà usare il quantum per qualsiasi workload. Va letto come un punto di svolta tecnico, se la roadmap sarà rispettata: macchine più stabili, problemi più grandi, maggiore possibilità di avvicinarsi a casi d’uso industriali con ritorni misurabili.

Hammond è prudente: “I computer quantistici di oggi permettono di risolvere problemi molto complessi, ma non ancora su una scala tale da poterli mettere in produzione. I computer quantistici tolleranti ai guasti ci daranno il potenziale per guardare al tempo reale”.

Il tempo reale è rilevante per i casi di ottimizzazione dinamica: ripristinare una rete ferroviaria dopo un guasto, riorganizzare equipaggi e passeggeri dopo un blocco, ottimizzare carichi elettrici in presenza di generazione variabile. Sono problemi in cui non basta trovare una buona soluzione: bisogna trovarla in fretta.

Per i CIO il problema urgente non è il quantum computing. È la crittografia

Mentre il quantum industriale procede verso applicazioni più mature, la sicurezza è già tema concreto. Il motivo è noto: un computer quantistico sufficientemente potente potrebbe compromettere algoritmi crittografici oggi ampiamente usati. La data esatta è discussa, ma per aziende, banche, governi e infrastrutture critiche il problema non può essere rimandato.

La ragione è semplice: molti dati cifrati oggi devono restare protetti per dieci, venti o cinquant’anni. Dati sanitari, finanziari, passaporti, reti energetiche, informazioni su infrastrutture critiche. Anche se oggi non esiste ancora una macchina capace di decifrarli su larga scala, il rischio è che vengano raccolti ora e decifrati in futuro. Dal punto di vista degli algoritmi, il percorso esiste già. Gli standard post-quantum sono stati definiti e le imprese possono iniziare la migrazione. Il problema vero è organizzativo e infrastrutturale.

“Tecnologicamente è un problema risolto e qualsiasi azienda potrebbe diventare quantum-safe domani. In realtà, si tratta di un’enorme trasformazione aziendale perché la maggior parte delle organizzazioni non gestisce la propria crittografia allo stesso modo in cui gestisce il proprio software”, afferma Hammond.

La crittografia non è solo nei sistemi centrali. È nei router, negli access point wireless, nelle applicazioni, nei dispositivi, nelle carte di credito, nei protocolli, nei sistemi legacy. Spesso le aziende non hanno nemmeno un inventario completo di dove venga usata. E senza inventario non esiste migrazione.

Da qui il concetto di crypto-agility: gestire la crittografia come un componente aggiornabile, versionato, monitorato. Non un pezzo invisibile dell’infrastruttura che resta fermo per anni, ma una parte viva dello stack IT. “Diventate crypto-agili, ma iniziate il processo oggi”, dice Hammond. È probabilmente il messaggio più operativo per i CIO: non attendere il computer quantistico capace di rompere gli algoritmi attuali. La migrazione richiederà anni, soprattutto nelle grandi organizzazioni.

L’Europa guarda molto all’hardware, ma il valore economico sarà nelle applicazioni

C’è poi il tema europeo. L’Europa sta investendo nel quantum, con una forte attenzione alla sovranità tecnologica e alla costruzione di un’industria hardware locale. Dipendere da pochi fornitori extraeuropei su una tecnologia strategica sarebbe un rischio industriale e geopolitico.

Secondo Hammond, però, questa attenzione non basta. Il valore economico non arriverà solo dalla capacità di costruire macchine quantistiche. Arriverà soprattutto dall’adozione nei settori produttivi: manifattura, energia, logistica, banche, farmaceutica, sanità, oil & gas.

“Il valore reale dell’informatica non sta nell’industria IT in sé, ma nel valore che aggiunge trasversalmente a tutti i settori”, osserva Hammond. È lo stesso ragionamento che ha guidato l’adozione del cloud e dell’IIA: l’impatto non sta solo nei fornitori tecnologici, ma nella produttività che la tecnologia abilita nelle imprese utilizzatrici.

C’è anche un tema di competenze. Il quantum deve uscire dal perimetro dei fisici con dottorato e diventare una materia ordinaria nei percorsi di informatica, ingegneria, matematica applicata. Oggi le persone in grado di programmare computer quantistici sono poche. Troppo poche, se l’obiettivo è portare questi sistemi dentro applicazioni industriali. “Siamo ancora lontani dal giorno in cui gli studenti di informatica avranno un modulo sul quantum come se fosse la normalità. Ed è lì che dobbiamo arrivare”, dice Hammond.

La quantum readiness comincia prima della disponibilità commerciale

Per le imprese il punto non è comprare oggi un computer quantistico. Il punto è capire dove il quantum potrebbe incidere domani. Significa mappare i processi con colli di bottiglia computazionali: simulazioni troppo lente, modelli troppo approssimati, problemi di ottimizzazione ingestibili, cicli di ricerca e sviluppo costosi, workflow in cui anche un piccolo miglioramento può produrre ritorni significativi.

Questa è la quantum readiness, ovvero l'essere pronti all'arrivo dei computer quantistici: non un esercizio teorico, ma una preparazione industriale: dati, modelli, competenze, partnership, casi d’uso, metriche di ritorno. Le aziende che iniziano prima non avranno necessariamente un vantaggio perché useranno prima la QPU. Lo avranno perché sapranno già dove usarle.

La seconda linea di lavoro è ancora più urgente: la migrazione quantum-safe. Qui non serve attendere la maturità del quantum computing. Serve partire con l’inventario crittografico, identificare le aree esposte, pianificare la sostituzione degli algoritmi vulnerabili e costruire un modello di crypto-agility.

Il quantum, insomma, va letto su due piani. Come tecnologia di calcolo, è una scommessa industriale che si giocherà nei prossimi anni sull’integrazione con il supercalcolo classico. Come minaccia alla crittografia tradizionale, è già un problema di governance IT.