Contattaci

Lab

Un computer quantistico per generare contemporaneamente tutti i futuri possibili

Non si tratta di prevedere il futuro ma di produrre simultaneamente, attraverso un complesso algoritmo quantistico, tutti i potenziali esiti di una determinata operazione, per poter scegliere al meglio. Un gruppo di fisici è riuscito a realizzare un dispositivo che genera tutti questi futuri

Pubblicato

il

È possibile generare contemporaneamente tutti i futuri possibili? E osservarli tutti, per scegliere quello migliore? Nella realtà macroscopica, quella che conosciamo e che è dominata dalle leggi della fisica classica, sicuramente no. Ma gli scienziati, oggi, hanno provato a farlo nel mondo invisibile dell’infinitamente piccolo attraverso un computer quantistico. Un gruppo coordinato dall’università di Griffith ha sviluppato un prototipo di dispositivo quantistico che è in grado di generare contemporaneamente tutti gli scenari futuri possibili – in questo caso non si tratta di situazioni reali ma di stati quantistici.

Il risultato è pubblicato su Nature Communications.

In ogni istante moltissime possibilità

Ogni scelta che ci si presenta può portare a diversi esiti: ad esempio nel film Sliding doors si vedono scorrere due futuri molto diversi. Moltiplicate il tutto per il numero di scelte che si presentano in ogni istante e avrete un’idea di quanti possibili futuri esistono ogni giorno. “Quando pensiamo al futuro”, sottolinea Mile Gu della Nanyang Technological University a Singapore, che ha sviluppato l’algoritmo quantistico alla base del prototipo, “ci confrontiamo con una vasta gamma di possibilità. Queste possibilità crescono esponenzialmente in ogni istante, mano a mano che si va nel futuro, come spiega l’esperto. “Anche se avessimo soltanto due diverse strade da scegliere ogni minuto, in meno di mezz’ora si sarebbero creati 14 milioni di possibili futuri. Insomma, si tratterebbe di un mare di futuri che non conosciamo.

Una sovrapposizione quantistica

Partendo da queste considerazioni matematiche, gli autori hanno sviluppato un algoritmo che possa esaminare tutti questi futuri. Come? Attraverso una sovrapposizione quantistica, ovvero studiando una sovrapposizione di stati fisici, puramente teorici. È quanto avviene nel caso ampiamente studiato del gatto di Schrödinger, che si trova in una scatola e che è contemporaneamente vivo e morto: lo stato di vita e quello di morte rappresentano una somma matematica e sono entrambi possibili con la stessa probabilità. E soltanto quando si verifica un intervento dall’esterno, cioè un osservatore apre la scatola – in altre parole si compie una scelta – si determina con certezza se il gatto è vivo oppure morto. Questo è quanto hanno realizzato i ricercatori, ma non solo con due futuri possibili, ma con tanti futuri. Gli autori hanno realizzato un dispositivo che potesse riprodurre questa sovrapposizione quantistica. Per farlo hanno sviluppato un particolare processore quantistico, in cui i possibili esiti (dunque i futuri) di un determinato processo decisionale sono rappresentati dalla posizione dei fotoni, i quanti di luce.

Tanti futuri possibili

Gli scienziati hanno dimostrato che il dispositivo riproduce vari futuri possibili, ognuno con la sua probabilità di accadere. In altre parole,  realizza una sovrapposizione quantistica di multipli futuri potenziali. E ciascun futuro è associato a un certo peso, ovvero ad una probabilità che possa verificarsi. Un po’ come quando il gatto di Schrödinger era vivo e morto con una probabilità identica per entrambi i futuri possibili. Tuttavia, in questo caso gli stati studiati sono ben più di due, e ognuno è associato ad un peso (una probabilità) corrispondente. Attualmente il prototipo riesce a simulare al massimo 16 futuri possibili, mentre in linea teorica l’algoritmo sottostante ne può generare numerosissimi. E il risultato va verso lo sviluppo di computer quantistici ancora più potenti.

Per determinare il funzionamento del dispositivo gli autori si sono basati sulle teorie del premio Nobel per la fisica Richard Feynman. L’idea è questa: quando una particella viaggia da un punto A ad un punto B, non segue necessariamente un singolo percorso. “Al contrario, percorre simultaneamente tutte le strade possibili che la collegano al punto di arrivo”, spiega la coautrice Jayne Thompson della Nanyang Technological University a Singapore. “Il nostro lavoro studia in maniera estesa questo fenomeno e lo manipola in modo da realizzare un modello statistico di questi futuri possibili”.

Un aiuto per l’intelligenza artificiale

“Il nostro approccio consiste nel mettere insieme una sovrapposizione quantistica di tutti i possibili futuri per ciascun processo decisionale”, aggiunge Farzad Ghafari, ricercatore dell’Università di Griffith, che ha coordinato lo studio. “Facendo interferire queste sovrapposizioni l’una con l’altra, riusciamo ad evitare di osservare singolarmente ciascun futuro possibile, uno alla volta”. L’autore spiega che molti algoritmi di intelligenza artificiale, sviluppati oggi, riescono a osservare che piccoli cambiamenti nel loro comportamento possono portare a esiti futuri molto differenti. “Per questo, le nostre tecniche – chiarisce Ghafari – possono permettere a questi sistemi quantistici di intelligenza artificiale di imparare in maniera più efficiente l’effetto delle loro azioni”. In altre parole, in futuro questi sistemi potrebbero essere in grado di studiare le conseguenze delle loro azioni e regolarsi in base a questa conoscenza: un obiettivo da sempre agognato da noi esseri umani, ma per noi impossibile da raggiungere.



Licenza Creative Commons




Crediti :

Wired

Detective presso Computer Crime Research Center. Investigazioni Roma. Ingegneria Elettronica e delle Telecomunicazioni Seminario Analisi del Crimine Violento Università di Roma

Continua a leggere
Clicca per commentare

Leave a Reply

Per commentare puoi anche connetterti tramite:



Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Lab

Coronavirus, 5 nuove scoperte da tenere a mente su Covid-19

La ricerca sul nuovo coronavirus è fervente. Ecco cinque delle ultime scoperte e notizie scientifiche relative al virus, dalla permanenza sulle superfici ai rischi per i più piccoli fino a sintomi a volte trascurati

Pubblicato

il

(oto: NIAID-RML CC via Flickr)

Ricercatori di tutto il mondo continuano a studiare il nuovo coronavirus Sars-CoV-2. E online, ad esempio sulla banca dati di Pubmed, si rintracciano ormai migliaia di studi pubblicati. Analizzare sempre di più la malattia Covid-19 ci permetterà di conoscere e poter affrontare al meglio l’infezione e la pandemia. A questo proposito ecco cinque delle scoperte più recenti, da quando e come avviene il contagio, alle categorie più colpite fino all’attenzione ai sintomi nei bambini.

1. Coronavirus, quanto resta sulle superfici

Le più recenti prove scientifiche mostrano che il coronavirus Sars-CoV-2 può resistere sicuramente alcune ore e probabilmente anche qualche giorno – secondo una ricerca fino a 3 giorni, secondo un’altra anche fino a 9 – su superfici come plastica e acciaio, meno sul cartone. Ma quando è rintracciato sugli oggetti sembra essere meno infettante, dato che in questo caso il suo titolo virale risulta molto ridotto. Per questo l’Oms non ha posto alcun veto alla circolazione delle merci, che è sicura. Riguardo a vestiti e scarpe, è in generale buona norma toglierli e riporli quando si rientra in casa, ma anche questi oggetti non rientrano fra le principali vie di trasmissione, a differenza del contatto con particelle di saliva (vicinanza con le persone e strette di mano).

2. Bambini: neonati e bimbi piccoli più vulnerabili

Bambini e adolescenti e giovanissimi sono molto poco colpiti dal nuovo coronavirus, basti pensare che in Italia non ci sono decessi sotto i 30 anni. E anche i piccoli colpiti hanno i sintomi meno gravi rispetto agli adulti. Tuttavia, anche se le manifestazioni cliniche nei bambini risultano più moderate, soprattutto neonati e bimbi in età prescolare sono risultati suscettibili all’infezione. Ad affermarlo è un nuovo studio su duemila bambini e ragazzi cinesi, in via di pubblicazione su Pediatrics e attualmente in preprint. La ricerca mostra che nella maggior parte dei casi i disturbi sono leggeri o medi, tuttavia all’interno della categoria dei più giovani, in circa il 6% dei bambini ci sono state manifestazioni cliniche gravi.

3. Sintomi, quelli gastrointestinali spesso trascurati

Uno studio in via di pubblicazione sull’American Journal of Gastroenterology (qui in preprint) mette in luce che quasi la metà dei pazienti con Covid-19 nella provincia di Hubei ha presentato sintomi gastrointestinali, come diarrea o anoressia – intesa come sintomo legato al rifiuto del cibo e non come la malattia dell’anoressia nervosa. Inoltre lo studio rivela che peri pazienti con problemi digestivi e in assenza di problemi respiratori il tempo fra la comparsa dei sintomi e il ricovero era più lungo, mentre la probabilità di essere curati e dimessi più bassa. Insomma, è bene che chi ha manifestazioni gastrointestinali presti attenzione ai sintomi e non si escluda la possibilità che si tratti di Covid-19.

4. Due vittime su tre sono di sesso maschile

Alla data del 17 marzo l’Istituto superiore di sanità fornisce una fotografia delle persone colpite dal nuovo coronavirus in Italia. Parlando di numeri, 6 pazienti su 10 sono di sesso maschile e 2 vittime su 3 sono uomini. Un dato che però non deve far abbassare la guardia alle donne. I deceduti con meno di 50 anni sono solo 17, tutti con altre patologie precedenti – elemento informativo che non vuole sminuire la gravità del problema. L’età media dei contagiati è di 63 anni, quella dei deceduti di 80 anni.

5. Non ci sono prove che l’ibuprofene faccia male

Si discute da tempo del fatto che assumere antinfiammatori, fra cui l’ibuprofene, possa aumentare il rischio di Covid-19 o peggiorare i sintomi. Il ministro della Sanità francese aveva invitato i cittadini a non assumere questi farmaci in caso di Covid-19 perché potrebbero peggiorare l’infezione. Fermo restando che l’automedicazione è sempre da evitare, tanto più nel caso del nuovo coronavirus, questa è per ora soltanto un’ipotesi e il ministero della Salute italiano ha rimarcato che non ci sono prove che l’ibuprofene faccia male.



Licenza Creative Commons




Crediti :

WIRED

Continua a leggere

Lab

Le piante comunicano tra loro usando reti sotterranee

È quanto ha rivelato uno studio condotto da un gruppo di scienziati dell’Università svedese di scienze agrarie, appena pubblicato su Plos One

Pubblicato

il

Le piante hanno sviluppato reti di comunicazione sorprendentemente complesse che consentono loro di comunicare su ciò che sta accadendo in superficie.

È quanto ha rivelato uno studio condotto da un gruppo di scienziati dell’Università svedese di scienze agrarie, appena pubblicato su Plos One. Nonostante il loro stile di vita “immobile”, in realtà le piante sono quindi più attive di quanto si possa pensare: sono in grado di comunicare sottoterra tra di loro, inviando messaggi complessi che arrivano dalla superficie.

Il merito è di alcune sostanze chimiche secrete dalle radici nel terreno, che vengono poi rilevate attraverso le radici delle piante vicine.In questo modo arrivano a sapere se le loro vicine sono parenti o estranee. E persino a dirigere la loro crescita di conseguenza. Man mano che crescono in prossimità di altre piante, controllano costantemente ogni segnale che si verifica in superficie, e fanno lo stesso anche sottoterra.

Come lo hanno scoperto? Per comprendere meglio come ciò possa avvenire e per saperne su come i fattori al di sopra del suolo influenzino ciò che accade al di sotto della superficie, gli studiosi hanno analizzato il comportamento di alcune piantine di mais, monitorando la reazione ai cambiamenti nella crescita in base alla vicinanza con altre piante.

Simulando il tocco con una foglia di una pianta vicina hanno scopeto le sostanze chimiche prodotte dalla radice della pianta. Il team ha quindi preso queste sostanze chimiche e le ha trasferite in altre piante, per vedere le reazioni. Hanno così scoperto che le piante esposte alle sostanze chimiche rispondevano indirizzando le loro risorse a far crescere più foglie e meno radici.

In pratica, il team ha dimostrato che ciò che accade al di sopra del suolo influenza ciò che accade sotto la superficie, e anche che il modo in cui le piante comunicano questo è più complesso di quanto pensassimo. Questo ha davvero molta importanza, dal momento che la capacità delle piante di rilevare i cambiamenti dell’ambiente circostante (e reagire di conseguenza) è essenziale per determinarne la sopravvivenza.



Licenza Creative Commons




Crediti :

Greenme

Continua a leggere

Lab

Reti sociali: un modello per studiare gli effetti della propagazione virale

Pubblicati su “Plos One” i risultati di una ricerca dell’Università Statale di Milano che ha messo a punto un software per la simulazione di fenomeni di propagazione virale all’interno di reti sociali e dei loro effetti sulla conoscenza che gli individui maturano riguardo al tema al centro dell’epidemia

Pubblicato

il

© Science Photo Library RF

Lo studio pubblicato su Plos One propone un modello per descrivere come la diffusione di un fenomeno virale in una rete sociale (per cui si usa spesso il termine di epidemia, riferito non solo a malattie ma anche a dipendenze e alla diffusione di opinioni) influenzi la conoscenza che di esso hanno gli individui, determinando comportamenti differenti, volti in alcuni casi a prevenire il contagio, in altri a favorirlo. La ricerca evidenzia come il risultato delle modifiche nei comportamenti vada a cambiare la diffusione virale.

Il lavoro si inserisce nell’ambito degli studi di coevoluzione di sistemi complessi in presenza di fenomeni epidemici: una rete sociale (digitale o non digitale) ha caratteristiche tipiche dei sistemi complessi e le due dinamiche, la diffusione virale e i comportamenti degli individui, si influenzano vicendevolmente, coevolvono.

Definire dei meccanismi di variazione della conoscenza sufficientemente semplici da poter essere modellati e simulati con un tool software appositamente sviluppato è stato lo scopo dello studio.

Il modello è stato ideato e coordinato da Marco Cremonini dell’Università di Milano e sviluppato insieme a Samira Maghool, dottoranda in Fisica dell’Alzhara University di Teheran (Iran) e visiting researcher presso il dipartimento di Informatica dell’ateneo milanese da settembre 2018.

Per il modello e il simulatore è stato usato un approccio multi-agente, nel quale gli individui vengono rappresentati da componenti software (agenti) che eseguono azioni sulla base delle informazioni che ricavano dalla rete sociale di agenti; come il linguaggio di programmazione è stato scelto Python.

Per gli autori è stato importante lavorare in particolare su alcuni aspetti caratterizzanti e nuovi:
–  definire la conoscenza acquisita dagli agenti come prodotto di componenti distinte: la conoscenza pregressa individuale, l’osservazione del contesto locale ed eventuali stimoli provenienti da agenti connessi;
–  adottare l’imitazione come il meccanismo fondamentale per adattare la conoscenza, prevedendo scenari diversi, dalla pura osservazione del contesto locale e adozione di precauzioni, tipico del caso di epidemie biologiche, all’imitazione del comportamento di gruppi sociali di riferimento, tipico nel caso di dipendenze o la diffusione di idee;
–  prevedere che le variazioni di conoscenza avrebbero potuto comportare sia una riduzione sia un’accelerazione della propagazione del fenomeno virale.

Lo studio ha introdotto elementi di novità nell’ambito dei modelli di coevoluzione dinamica per fenomeni epidemici complessi.

Scenari riconducibili al modello studiato sono molteplici, non solo i casi biologici tradizionalmente considerati dall’epidemiologia, ma soprattutto le molteplici varianti di propagazione di idee, opinioni, rumor, fake news e false credenze all’interno di reti sociali, digitali e non digitali. Un altro scenario interessante e ancora poco studiato riguarda la propagazione di malware in reti di computer, per le quali esiste una coevoluzione tra azioni guidate esclusivamente da tecnologie e reti sociali con le azioni di operatori e utenti.

“Nonostante i limiti dovuto alla modellazione dei fenomeni e all’utilizzo di un modello di rete sociale e di dati artificiali, lo studio fornisce spunti innovativi per l’interpretazione di sistemi complessi che, come la rete, presentano caratteristiche di coevoluzione, ovvero dinamiche che si influenzano vicendevolmente. Capire gli effetti della percezione e della conoscenza che le persone hanno di un fenomeno epidemico è importante per comprendere la dinamica di un sistema sociale complesso, per migliorare.



Licenza Creative Commons




Continua a leggere

Chi Siamo

Vuoi ricevere le notizie?

Dicono di noi

DAL MONDO DELLA RICERCA

  • Le Scienze
  • Nature (EN)
  • Immunologia

Comunicato stampa - Una pellicola sottilissima e biodegradabile in grado di rivestire volumi di acqu [...]

Comunicato stampa - Un nuovo strumento bioinformatico individua rapidamente le alterazioni del genom [...]

Comunicato stampa - Individuate le relazioni causa-effetto che hanno determinato lo sciame simico du [...]

Nature, Published online: 03 April 2020; doi:10.1038/d41586-020-00998-2But some experts say author S [...]

Nature, Published online: 03 April 2020; doi:10.1038/s41586-020-2203-2Author Correction: Self-verify [...]

Nature, Published online: 03 April 2020; doi:10.1038/d41586-020-01027-yStaying at home is not an opt [...]

Comunicato stampa - Lo rivela uno studio condotto dal Cnr-Ibcn in collaborazione con il laboratorio [...]

Una molecola che si trova nei vasi sanguigni e interagisce con il sistema immunitario contribuisce a [...]

Comunicato stampa - Uno studio internazionale pubblicato su The Lancet mette in discussione la sicur [...]

Sismografo Live

Archivio

LunMarMerGioVenSabDom
 12345
6789101112
13141516171819
20212223242526
27282930 

 

 

 

 

 

I più letti