Finanza quantistica, università di Napoli e Intesa testano con successo un nuovo algoritmo

Utilizzare il calcolo quantistico per affrontare e risolvere più rapidamente e con maggior accuratezza problemi finanziari complessi, dallo sviluppo di modelli avanzati per l’analisi del credit risk (credit risk modeling) all’implementazione di algoritmi in grado di prevedere la dinamica dei prezzi di strumenti finanziari derivati (derivative pricing).

Lo studio congiunto Federico II-Intesa Sanpaolo

Un gruppo formato da ricercatori dell’Università Federico II, di Intesa Sanpaolo e della startup G2Q Computing ha annunciato di aver raggiunto importanti risultati in questa direzione, compiendo un passo decisivo verso la strada che porta alla finanza quantistica. I ricercatori hanno infatti dichiaratro di aver ottenuto performance senza precedenti nell’esecuzione di un Quantum gaussian sampling (Qgs). Il “campionamento quantistico gaussiano” è una tipologia di algoritmo quantistico utilizzato per simulare distribuzioni di probabilità con applicazioni potenziali in una vasta gamma di settori di frontiera, come il Quantum machine learning, la crittografia e, non ultimo, la finanza quantistica.

L’utilizzo del computer quantistico Partenope a 25 qubit

I risultati sono stati ottenuti grazie all’utilizzo di Partenope, il computer quantistico superconduttivo a 25 qubit ospitato presso la Federico II e finanziato dall’ICSC (Centro nazionale di ricerca in high performance computing, big data and quantum computing), piattaforma finanziata dal Pnrr che mira a promuovere lo sviluppo di soluzioni hardware e software per il calcolo quantistico e la creazione di una filiera italiana dedicata a queste tecnologie.

Corbellato (Intesa): «Passo rilevante verso la finanza quantistica»

«Il progetto – specifica Davide Corbelletto, team leader del Quantum competence center di Intesa Sanpaolo – nasce da un’esigenza di Intesa Sanpaolo, che aveva già tentato di eseguire algoritmi analoghi al Qgs su altre tipologie di elaboratori quantistici, scontrandosi tuttavia con alcuni vincoli a livello macchina, sui quali non era fino a oggi stato possibile intervenire direttamente. Un problema – continua Corbelletto – che ha trovato soluzione proprio grazie alla profonda comprensione dei meccanismi di funzionamento del processore Partenope e alle competenze di ottimizzazione algoritmica dei ricercatori della Federico II e di G2Q Computing, che hanno consentito non solo di generare le distribuzioni normali attese, ma soprattutto di controllarne i parametri caratteristici. Questo risultato – aggiunge infine Corbelletto – assume una particolare rilevanza per la finanza quantistica, la quale si propone di affrontare più rapidamente e con maggiore accuratezza problemi potenzialmente molto complessi, quali il credit risk modeling o il derivative pricing. Dimostra inoltre come la collaborazione tra settore pubblico e privato rappresenti un valore aggiunto per l’innovazione e lo sviluppo di soluzioni concrete in ambito quantistico, in grado di tradursi in un vantaggio competitivo per gli attori del Sistema Paese».

Tafuri (Unina): «Nostre conoscenze al servizio di imprese e ricerca»