L'IA che copia il rumore dei neuroni: l'algoritmo della Statale di Milano

Per decenni il rumore di fondo è stato il nemico numero uno di chi costruisce computer e sensori: disturbi casuali che corrompono i segnali e mandano in confusione i calcoli. Un gruppo di ricerca dell'Università Statale di Milano ha ribaltato il problema, trasformando il rumore in una risorsa. Lo studio, coordinato da Enrico Prati del Dipartimento di Fisica "Aldo Pontremoli", è stato pubblicato il 4 maggio 2026 sulla rivista npj Quantum Information del gruppo Nature, e ne ha dato notizia anche l'ANSA.

L'ispirazione arriva direttamente dal cervello umano. "Una delle caratteristiche sorprendenti dei neuroni è che lavorano bene nonostante siano immersi in un contesto molto rumoroso", spiega Prati. Invece di combattere quel disordine, la nuova architettura lo sfrutta per elaborare in modo più stabile lunghe sequenze di dati.

Cos'è la "memoria evanescente"

Il cuore del metodo è un processo che i ricercatori descrivono come "a memoria evanescente": il sistema lascia svanire gradualmente le informazioni più vecchie e ormai inutili, mantenendo solo ciò che serve all'elaborazione in corso. È esattamente questa proprietà a rendere il calcolo più stabile e controllabile, evitando che gli errori si accumulino e si propaghino lungo sequenze molto lunghe.

La "memoria evanescente" (in inglese fading memory) è un concetto chiave di un filone dell'intelligenza artificiale noto come reservoir computing: anziché addestrare faticosamente ogni connessione di una rete, si lascia che un sistema dinamico "rimescoli" naturalmente i dati in ingresso e si allena solo lo strato finale di lettura. Un approccio elegante ed efficiente, particolarmente promettente quando viene portato sul terreno quantistico.

Perché conta per i computer quantistici

I computer quantistici sono notoriamente fragili: i loro qubit perdono coerenza per il minimo disturbo ambientale, ed è questo il principale ostacolo alla loro diffusione. Mostrare che il rumore può essere addomesticato, anziché soltanto subìto, apre una prospettiva diversa. Secondo gli autori, l'algoritmo apre la strada a un'intelligenza artificiale quantistica più robusta, scalabile ed efficiente, applicabile ai futuri processori quantistici.

Un filone in cui l'Italia è competitiva

Il lavoro si inserisce in un settore in cui la ricerca italiana è da anni protagonista. Enrico Prati, oggi professore di Fisica teorica della materia alla Statale, ha lavorato a lungo sui dispositivi quantistici a stato solido e sull'incrocio tra apprendimento automatico e fisica quantistica. La pubblicazione su una testata del network Nature, sottoposta a revisione tra pari, è un indicatore della qualità del risultato: npj Quantum Information è una delle riviste di riferimento del settore.

Il messaggio di fondo è anche culturale. Spesso immaginiamo il progresso tecnologico come una guerra contro l'imperfezione: più precisione, meno errori, meno disturbi. La biologia, invece, ci ricorda che i sistemi più sofisticati che conosciamo, a partire dal nostro cervello, non eliminano il caos ma ci convivono e ne traggono vantaggio. L'idea che un po' di rumore possa rendere un sistema più intelligente, e non meno, è una di quelle intuizioni che potrebbero spostare il modo in cui costruiamo le macchine pensanti dei prossimi decenni.

Cosa aspettarsi ora

Si tratta, per il momento, di un risultato teorico e algoritmico: il passaggio successivo sarà testarlo su hardware quantistico reale, ancora limitato nel numero di qubit e nei tempi di coerenza. Ma il principio dimostrato — usare il rumore per "ripulire" l'elaborazione anziché esserne travolti — è il tipo di idea controintuitiva da cui spesso nascono i salti tecnologici. E porta, una volta di più, una firma italiana.