È stato pubblicato su Nature Scientific Reports l’articolo “An efficient geometric approach to quantum-inspired classifications” del ricercatore del DISI Davide Pastorello insieme al prof. Roberto Leporini dell’Università di Bergamo.
Nell’articolo gli autori definiscono e testano alcuni algoritmi quantum-inspired per la classificazione, mostrando che le strutture geometriche delle teorie quantistiche permettono di ottenere un nuovo tipo di classificatori che possono essere eseguiti in modo efficiente anche su macchine classiche senza la necessità di un sistema quantistico fisico alla base.
Queste tecniche di quantum-inspired machine learning saranno ancora più efficienti una volta implementate su un computer quantistico; tuttavia, risulta chiaro che il formalismo quantistico consente anche lo sviluppo di schemi di apprendimento automatico per computer convenzionali.