Classiq Technologies ha introdotto una nuova generazione di agenti di intelligenza artificiale progettati per trasformare obiettivi, algoritmi e problemi descritti in linguaggio naturale in programmi quantistici strutturati, ottimizzati ed eseguibili. L’utente può indicare il risultato che vuole ottenere senza costruire manualmente ogni circuito e senza definire una per una le porte quantistiche necessarie: gli agenti interpretano la richiesta, la traducono in un modello formale e la inseriscono nel normale flusso di sviluppo della piattaforma Classiq. Il sistema punta così a ridurre la distanza tra un’idea teorica e un’applicazione che possa essere compilata, verificata ed eseguita su un simulatore o su un processore quantistico reale.
La novità non consiste in un modello generativo che produce liberamente frammenti di codice quantistico. Gli output vengono costruiti sopra l’architettura model-based di Classiq, nella quale lo sviluppatore definisce obiettivi, vincoli, funzioni e requisiti del sistema, mentre il motore di sintesi esplora automaticamente diverse possibili implementazioni. L’agente può quindi convertire il problema espresso dall’utente in un modello compatibile con questa architettura, ma la successiva generazione del circuito avviene all’interno di un ambiente strutturato che ne controlla coerenza, compilabilità e rispetto dei vincoli tecnici.
Il motore di sintesi valuta numerose configurazioni alternative e seleziona quelle più adatte in base a parametri come numero di qubit, profondità del circuito, quantità di porte, accuratezza richiesta e limitazioni del processore di destinazione. In questo modo il sistema non si limita a tradurre una frase in codice, ma affronta il problema di progettare un circuito compatibile con risorse quantistiche ancora limitate e soggette a errori. L’ottimizzazione è particolarmente importante perché due circuiti che implementano lo stesso algoritmo possono richiedere quantità molto diverse di qubit e operazioni, con conseguenze dirette sulla possibilità di eseguirli sull’hardware disponibile.
Gli agenti possono operare lungo più fasi del ciclo di sviluppo: interpretare un problema appartenente a un dominio specifico, individuare un possibile approccio quantistico, definire il modello, generare il programma, ottimizzare il circuito e prepararlo per l’esecuzione. Il risultato rimane modificabile e analizzabile dagli sviluppatori, che possono verificare le scelte effettuate, cambiare i vincoli e avviare una nuova sintesi. Classiq presenta quindi questi sistemi come agenti esperti inseriti in un processo iterativo, non come assistenti che restituiscono un blocco di codice privo di una struttura verificabile.
La piattaforma integra in un unico ambiente il linguaggio quantistico di alto livello Qmod, un IDE, un compilatore e il motore di sintesi. Qmod consente di descrivere la logica e le relazioni tra le componenti dell’algoritmo senza vincolare immediatamente il progetto a una sequenza precisa di porte. Gli agenti AI si collocano sopra questo livello e permettono di iniziare la modellazione attraverso una conversazione o una descrizione testuale, mentre la piattaforma converte successivamente il modello astratto in circuiti concreti.
Un altro elemento centrale è l’indipendenza dall’hardware. Un’applicazione può essere definita una volta e successivamente sintetizzata per processori quantistici o simulatori differenti, tenendo conto delle rispettive topologie, dei set di porte disponibili e dei limiti operativi. Questo approccio evita di riscrivere integralmente l’algoritmo ogni volta che cambia il fornitore o viene introdotta una nuova generazione di hardware e permette di aggiornare i circuiti mantenendo invariato il modello logico di partenza. Gli output prodotti dagli agenti vengono quindi descritti come hardware-agnostic e compatibili con l’evoluzione delle diverse architetture quantistiche.
Classiq ha successivamente applicato il sistema anche a una prova di concetto realizzata con Oracle, nella quale un agente quantistico è stato utilizzato come punto di partenza per generare un’applicazione di ottimizzazione di portafoglio. Il programma è stato poi simulato su infrastruttura GPU Oracle con una configurazione da 36 qubit, mostrando come il flusso possa collegare la formulazione assistita del problema, la sintesi del circuito e l’esecuzione su risorse di calcolo classiche ad alte prestazioni prima del passaggio a hardware quantistico.
L’obiettivo è rendere lo sviluppo quantistico accessibile anche a specialisti di finanza, chimica, logistica, ottimizzazione e scienza dei materiali che conoscono il problema applicativo ma non possiedono competenze approfondite nella programmazione a livello di porte. Questi utenti possono descrivere vincoli, funzioni di costo e risultati attesi, mentre la piattaforma gestisce una parte della traduzione nel formalismo quantistico. La competenza umana rimane comunque necessaria per stabilire se il problema sia adatto a un approccio quantistico, verificare le ipotesi del modello e valutare se il risultato offra un vantaggio rispetto alle tecniche classiche.
Gli agenti non eliminano inoltre i limiti dell’attuale hardware quantistico. La possibilità di generare un programma compilabile non garantisce che possa essere eseguito con precisione su macchine caratterizzate da rumore, tempi di coerenza ridotti e quantità limitate di qubit affidabili. Il valore del sistema consiste piuttosto nel rendere più continuo e ripetibile il percorso che porta dalla formulazione del problema al circuito, consentendo di confrontare configurazioni differenti, aggiornare rapidamente i progetti e riutilizzare modelli e strategie di ottimizzazione man mano che l’hardware migliora.
Con questa architettura, Classiq cerca di spostare il quantum computing da una fase composta soprattutto da esperimenti isolati verso un processo di ingegnerizzazione più strutturato. Le applicazioni possono essere conservate, modificate, risintetizzate e trasferite tra backend differenti, mentre gli agenti incorporano progressivamente procedure e conoscenze utili allo sviluppo. La novità non rende automaticamente pratici i computer quantistici, ma riduce uno dei principali ostacoli software: trasformare un algoritmo concettuale in un’applicazione verificabile e adattata alle risorse della macchina sulla quale dovrà essere eseguita.