Quantum and Continuum Computing – QCC

Attività di Ricerca

Le attività di ricerca del gruppo QCC sono focalizzate sulla progettazione ed esecuzione di algoritmi intelligenti per la risoluzione di problemi di interesse per una vasta gamma di ambiti applicativi, tramite l’utilizzo di nuove architetture che prevedano la convergenza di livelli computazionali eterogenei, includendo il Cloud, l’Edge Computing, l’Internet of Things e i computer quantistici.

La convergenza tra computazione classica e quantistica sta diventando essenziale nell’informatica moderna per almeno tre ragioni: 1) le nuove architetture devono poter integrare hardware classico e quantistico, per poter eseguire algoritmi con requisiti eterogenei; 2) nell’attuale era NISQ (Noise Intermediate-Scale Quantum), gli algoritmi più promettenti sono quelli ibridi-variazionali, in cui la computazione quantistica è parametrica, ed il tuning dei parametri avviene attraverso metodi classici; 3) gli algoritmi quantistici possono essere utilizzati su dati provenienti da dispositivi classici avanzati, diversi dei quali (robot, droni, sensori avanzati) sono a disposizione del gruppo QCC.

In particolare, si vuole utilizzare l’hardware quantistico per migliorare l’efficienza e la scalabilità degli algoritmi di machine learning e di ottimizzazione. Le attività di ricerca sono rivolte al Quantum Machine Learning (QML), paradigma che sfrutta il parallelismo intrinseco dei sistemi quantistici e la dimensione esponenziale dello spazio di Hilbert per processare e analizzare i dati, offrendo potenziali vantaggi in task di clustering, classificazione, regressione e predizione. Due esempi rilevanti, attualmente oggetto di ricerca, sono il Quantum Reservoir Computing e le Quantum Extreme Learning Machines, architetture che sono ispirate alle loro analoghe classiche, ma che possono essere potenziate grazie all’evoluzione guidata dei sistemi quantistici.

Le attività di ricerca del gruppo spaziano dagli approcci metodologici e architetturali per la progettazione di sistemi Cyber-Physical cognitivi ed intelligenti, alla studio di algoritmi e protocolli distribuiti capaci di sfruttare tutte le potenzialità del continuum per realizzare comportamenti adattavi, apprendere politiche di controllo, prevedere esigenze degli utenti, adottare tecniche di manutenzione predittiva, garantire specifici requisiti di sicurezza, riconoscere situazioni anomale e reagire ad esse. Sono allo studio:

– algoritmi distribuiti/decentralizzati basati su paradigmi cognitivi (deep reinforcement learning, federated learning, swarm learning) che permettano ai dispositivi stessi di cooperare imparando dalle loro esperienze, adattarsi a situazioni mutevoli e predire probabili situazioni future scambiando informazioni, distribuendo attività e coordinando le loro azioni;

– piattaforme cognitiva edge multi-agente per la progettazione, lo sviluppo, lo scheduling, la messa in opera e la manutenzione di sistemi complessi e su larga scala che supportino monitoraggio, controllo e  co-simulazione tramite digital twin nel contesto dei sistemi cyber-fisici e IoT;

– l’utilizzo di tecniche di blockchain nei dispositivi IoT per ridurre il rischio di hacking diminuendo i potenziali punti di accesso.

– ambienti cognitivi che integrino sensori, attuatori, robot, droni e dispositiviti di interfaccia uomo/macchina avanzati, quali Smart Gloves, EEG Diadems, Visori.

Obiettivi

Il gruppo Quantum and Continuum Computing (QCC) dell’ICAR svolge attività di ricerca nell’ambito del Continuum Computing, concetto che include piattaforme e dispositivi eterogenei, in un’architettura a più livelli che va dal Cloud all’Edge Computing, all’Internet of Things ed ai computer quantistici. L’obiettivo è di progettare ed eseguire algoritmi intelligenti per l’analisi dei dati, la computazione e la soluzione di problemi, sfruttando al meglio le capacità di calcolo di ogni livello del continuum, per un’ampia gamma di domini applicativi, quali le smart cities, i cognitive buildings e l’energy management. A seconda della complessità dei problemi e del carico applicativo, l’esecuzione degli algoritmi può da un lato essere migrata dal Cloud verso l’ecosistema periferico, con l’obiettivo di sfruttare i nuovi chip di AI che sono in grado di supportare applicazioni real-time complesse nei dispositivi IoT; dall’altro lato può essere effettuata su computer quantistici, per sfruttare ed anticipare la scalabilità ottenibile attraverso la maggiore ricchezza dello spazio quantistico (spazio di Hilbert) e la possibilità di effettuare computazioni in parallelo su stati in sovrapposizione.

Campi Applicativi

I principali campi di applicazione sono: energy management, smart cities, smart street, smart grid, intelligent buildings, smart water, urban intelligence, cognitive smart home, smart mobility, smart parking, dinamica dei fluidi.

Area Tematica

High Performance and Quantum Computing, Cyber Physical Systems & Robotics

Keywords

Quantum Computing, Continuum computing, Internet of things, Cyber Physical Systems.

Responsabile del Gruppo

Carlo Mastroianni

• ToSCoB: Towards Sustainable Cognitive Buildings
• TIRS: Transizione industriale e resilienza delle Società post-Covid19
• SOCIAL COMMERCE
• K4H: Kit for Health
• INSIDER: INtelligent ServIce Deployment for advanced cloud-Edge integRation
• InMoTo
• HPC_SPOKE_6 – National HPC Big Data Quantum Computing
• Easy Catalogue
• COGITO – Sistema dinamico e cognitivo per consentire agli edifici di apprendere ed adattarsi
• Capture Doc
• BEDD: Bridge Early Damage Detection
• BA2Know
• AQUA-PREDICT: an AI-based methodological approach in the Edge/Cloud continuum for Urban Water distribution Predictive maintenance
• APPIA
• ALCMAEON : A Multidimensional Big Data AnaLytiCs PlatforM for Supporting Predictive Analysis and Mining over Clinical and MEdical (Big) Data ON Alzheimer’s Disease Patients