NVIDIA ha pubblicato il 14 aprile 2026 Ising, la prima famiglia di modelli AI open source dedicati alla calibrazione dei processori quantistici e alla decodifica della correzione degli errori. I numeri dichiarati dalla casa di Santa Clara raccontano un salto netto rispetto agli algoritmi tradizionali usati nei laboratori di ricerca: 2,5 volte piu’ veloce nella calibrazione e 3 volte piu’ accurato nella decodifica. I primi adottanti pubblici sono Harvard, il Fermi National Accelerator Laboratory, il Lawrence Berkeley National Laboratory e l’azienda finlandese IQM Quantum Computers. E’ la prima volta che un fornitore di acceleratori AI rende disponibili senza licenze restrittive modelli specificamente addestrati per i problemi del calcolo quantistico.
Cosa fa Ising sotto il cofano
I modelli Ising affrontano due problemi storicamente diversi del quantum computing che pero’ convergono nell’uso pratico delle macchine. Il primo e’ la calibrazione: ogni qubit ha caratteristiche elettromagnetiche leggermente diverse, e queste caratteristiche derivano nel tempo. Senza una procedura di tuning continua il chip perde fedelta’ di calcolo nel giro di ore. Il secondo problema e’ la correzione degli errori, ovvero la decodifica delle sindromi che permette di capire quale qubit fisico ha sbagliato e come ricomporre lo stato logico originale.
Ising affronta entrambi con una architettura di reti neurali addestrate su dati simulati e su misurazioni reali rilasciati dai partner accademici. Il guadagno di velocita’ di 2,5 volte e’ particolarmente rilevante per la decodifica in tempo reale, dove la latenza e’ il vincolo dominante. Un decoder che impiega 50 microsecondi per analizzare una sindrome blocca l’intera macchina, perche’ le operazioni successive devono attendere. Riportare questo tempo sotto i 20 microsecondi cambia il numero di operazioni utili che si possono concatenare prima della decoerenza.
Il significato della scelta open source
Il quantum computing ha vissuto fino al 2025 in una fase di forte chiusura. I principali fornitori (IBM, Google, Rigetti, IonQ, Quantinuum) hanno mantenuto closed source la quasi totalita’ degli strumenti di calibrazione e correzione errori, considerandoli parte dello stack proprietario. La scelta di NVIDIA di rilasciare Ising su licenza permissiva sposta il baricentro: chi vuole sviluppare nuovi sistemi quantistici, anche di piccole dimensioni, ora ha a disposizione un decoder e un calibratore allo stato dell’arte senza dover firmare accordi commerciali.
Per i ricercatori europei, in particolare per i centri italiani che lavorano su qubit superconduttori (CNR, INRIM, Politecnico di Milano) e su qubit fotonici, la disponibilita’ immediata di Ising taglia mesi di lavoro di prototipazione. Resta il fatto che i modelli sono ottimizzati per architetture di error correction surface code, e chi lavora su altri tipi di codice (color code, LDPC quantistici) deve adattarli.
Perche’ NVIDIA entra adesso nel quantum
NVIDIA non vende computer quantistici. La mossa di Ising va letta nella strategia di posizionamento della societa’ come fornitore unico per i workload AI ibridi. La piattaforma CUDA-Q, annunciata gia’ nel 2023, e’ il framework che permette di mescolare codice eseguito su GPU classiche e routine eseguite su processori quantistici. Ising e’ il completamento naturale di quella strategia: chi compra GPU Hopper o Blackwell per il deep learning trova nello stesso ambiente gli strumenti per dialogare con un futuro processore quantistico, indipendentemente dal fornitore hardware.
Il calcolo industriale e’ semplice. Il mercato delle GPU per AI e’ valutato dagli analisti oltre 200 miliardi di dollari nel 2026. Il mercato del quantum computing e’ ancora misurato in centinaia di milioni. NVIDIA non vuole conquistare il secondo, vuole evitare che qualcun altro costruisca uno stack quantistico chiuso che escluda le sue GPU dal ruolo di nodo classico nel sistema ibrido.
I tre adottanti accademici e l’azienda finlandese
Harvard ha integrato Ising nel suo programma di fisica atomica, dove il gruppo di Mikhail Lukin lavora con array di atomi neutri. Il Fermi National Accelerator Laboratory e il Lawrence Berkeley sono coinvolti nei programmi DOE statunitensi per il calcolo scientifico, e usano Ising principalmente per esperimenti di simulazione di fisica delle alte energie. IQM Quantum Computers, fondata nel 2018 e con sede a Espoo, e’ oggi il principale fornitore europeo di sistemi superconduttori commerciali, con macchine installate al Leibniz Supercomputing Centre di Monaco e al VTT in Finlandia.
L’inclusione di IQM nella lista dei partner iniziali e’ significativa per l’Europa. Significa che gli istituti pubblici italiani che valuteranno l’acquisto di processori quantistici nei prossimi diciotto mesi troveranno nei sistemi IQM uno stack gia’ allineato con Ising, e potranno integrarsi piu’ facilmente con software AI sviluppato in CUDA. Chi sceglieranno invece sistemi IBM o Google dovra’ gestire un livello di traduzione software in piu’.
Il vincolo formativo dietro la convergenza
La convergenza tra AI e quantum computing crea un problema concreto di profili professionali. Servono persone che capiscano contemporaneamente fisica della materia condensata, algebra lineare, machine learning e ingegneria del software. In Italia questi profili sono pochissimi, distribuiti tra una manciata di universita’ e centri di ricerca. La figura dell’AI Research Scientist secondo la norma UNI 11621-8 include espressamente la capacita’ di lavorare su sistemi ibridi non convenzionali, ma il bacino di candidati formati e’ ridotto.
AIPIA, attraverso la sua mappatura sui 12 profili professionali AI, ha intercettato gia’ nel 2025 il problema della specializzazione verticale. La norma UNI 11621-8 distingue il ruolo di ricercatore da quello di ingegnere applicativo, ma non scende nel dettaglio dei sottocampi emergenti come quantum machine learning. Sara’ uno dei temi del lavoro associativo nel secondo semestre 2026.
Il rischio di concentrazione tecnologica
Aprire Ising e’ una mossa generosa solo in apparenza. Chi adotta i modelli costruisce naturalmente la propria infrastruttura software intorno alle librerie CUDA-Q e all’ambiente di sviluppo NVIDIA. Nel medio periodo questo rafforza la dipendenza dell’intera catena del valore quantistica dalla societa’ californiana, in modo simile a quanto accaduto nel calcolo AI tradizionale. La differenza e’ che nel quantum computing l’hardware non e’ ancora consolidato, e dunque la battaglia sullo stack software e’ ancora piu’ decisiva.
Per le politiche pubbliche europee questo e’ un campanello. Il piano AI Continent della Commissione UE prevede investimenti su gigafactory AI ma non ha ancora un capitolo specifico sul quantum software stack. Se l’Europa vuole evitare di trovarsi nel 2030 con processori quantistici costruiti in Finlandia o in Germania ma piloti software dipendenti da una singola azienda americana, il momento di costruire alternative open e’ adesso.
La finestra italiana per non perdere il treno
Ising e’ uno strumento, non una svolta isolata. Il vero significato della pubblicazione del 14 aprile sta nel ritmo con cui le grandi piattaforme AI stanno colonizzando il calcolo quantistico prima ancora che il calcolo quantistico raggiunga utilita’ economica. Per i centri di ricerca italiani la decisione operativa nelle prossime settimane e’ semplice: integrare Ising nei propri pipeline sperimentali, testarlo sui qubit superconduttori che il PNRR ha permesso di acquistare, valutare se i benchmark dichiarati reggono sui dati reali. Non farlo significa rimanere indietro di sei-dodici mesi nella pubblicazione scientifica. Farlo bene significa contribuire a un ecosistema di knowledge che oggi NVIDIA sta scrivendo da sola.
