INGENIOS – Benchmarking della Quantum Supremacy per Ottimizzazione Combinatoria e Machine Learning

INGENIOS affronta una delle questioni più urgenti nel panorama del quantum computing applicato all’industria: capire se, come e quando i computer quantistici possano offrire un vantaggio reale rispetto ai sistemi di camputazione classici. Oggi la maggior parte delle valutazioni sulle potenzialità del calcolo quantistico si basa su infatti analisi teoriche, spesso lontane dalle condizioni operative reali, caratterizzate da dati rumorosi, vincoli strutturati e limiti dell’hardware quantistico. Il progetto propone un approccio sperimentale completo per colmare questo gap, testando algoritmi quantistici di ottimizzazione e Machine Learning in scenari concreti e fornendo una valutazione oggettiva della loro applicabilità industriale.

INGENIOS mira a costruire un quadro metodologico rigoroso per verificare le prestazioni dei metodi quantistici su problemi realistici, orientando investimenti e strategie di adozione tecnologica su basi solide. L’obiettivo è produrre strumenti che consentano di misurare l’effettivo potenziale del quantum computing oggi e di preparare il terreno per usi più maturi in futuro, evidenziando sia opportunità sia limiti.

Per verificare l’ipotesi del “vantaggio quantistico” abbia fondamento operativo occorrono oggi test su dataset veri, con vincoli concreti e hardware reale. La maggior parte degli algoritmi quantistici richiede inoltre traduzioni complesse dei problemi, rendendo critico individuare formulazioni realistiche, scalabili e stabili. INGENIOS risponde a questa necessità offrendo un benchmarking sistematico e riproducibile, sfruttando HPC, Big Data e risorse quantistiche reali.

Il progetto ha ottenuto risultati significativi su più livelli. Ha sviluppato un approccio di ottimizzazione quantistica constraint-aware in cui vincoli selezionati vengono incorporati direttamente nei circuiti quantistici per migliorare stabilità e qualità delle soluzioni. Tale approccio è stato validato sia in simulazione sia su hardware reale IBM. Ha inoltre condotto una valutazione sistematica dei metodi di Quantum Machine Learning, comparati con baseline classiche su dataset realistici. Infine, ha realizzato EasyQ, un framework riutilizzabile per benchmarking, sperimentazione e valutazione tecnologica, già utilizzabile da ricercatori e imprese.

INGENIOS contribuisce a un uso più responsabile e mirato del quantum computing, riducendo il rischio di investimenti guidati da hype e promuovendo un ecosistema più solido e consapevole. Le metodologie sviluppate aiutano aziende e istituzioni a comprendere quando i metodi quantistici possono realmente portare valore, in quali condizioni e con quali limiti.

Le soluzioni prodotte sono replicabili e trasferibili in ambiti che richiedono decisioni complesse, modellazione vincolata o analisi di dati ad alta dimensionalità, come Logistica, Energia, Manifattura avanzata, Finanza, Sicurezza Informatica.