Intelligenza artificiale e computer quantistici: un progetto italiano per le auto del futuro

Londra si è trasformata in un punto di osservazione decisivo per il futuro della mobilità: al centro di una delle conversazioni più promettenti c’è l’intelligenza artificiale affiancata dall’impiego di computer quantistici, con l’obiettivo di rendere i trasporti più sostenibili ed efficienti. A raccontare la direzione di questo cambiamento sono due figure italiane che operano in contesti diversi ma con un punto di contatto preciso: trasformare la progettazione e l’ottimizzazione dei mezzi in processi più rapidi, guidati dai dati, capaci di ridurre consumi e tempi di sviluppo.

intelligenza artificiale e mobilità sostenibile: perché l’ottimizzazione conta

La mobilità rappresenta un tema sempre più centrale, anche alla luce dell’andamento altalenante del costo del petrolio associato a dinamiche geopolitiche in corso. In questo scenario, migliorare l’efficienza dei mezzi di trasporto passa anche attraverso un fattore chiave: l’aerodinamica. Rendere le forme più scorrevoli significa infatti ridurre l’uso di carburante, con ricadute concrete su consumi energetici e prestazioni.

L’intervento di Andrea Pontremoli, amministratore delegato di Dallara, inquadra il problema nel suo cuore ingegneristico: progettare una vettura che consumi meno e migliori lo scorrimento nell’aria richiede da sempre procedure lunghe. Gli strumenti storici includono la galleria del vento, un impianto che simula il movimento di un veicolo fermo, e programmi di simulazione al computer capaci di valutare modifiche e impatti sul comportamento del mezzo.

da calcoli lunghi a risultati immediati: il salto dell’ai nei test

Secondo quanto illustrato, le metodologie tradizionali richiedono ore o persino giorni di calcoli matematici per verificare ogni modifica, con un costo energetico elevato per i sistemi impiegati. L’elemento di discontinuità viene attribuito a un nuovo modello di intelligenza artificiale sviluppato da Ibm, descritto come capace di cambiare radicalmente i tempi dell’analisi e dell’ottimizzazione.

riduzione dei tempi e precisione elevata

La funzione dell’intelligenza artificiale è descritta come un percorso diretto dai dati raccolti nei test ai risultati finali, riducendo la necessità di lunghi calcoli intermedi. Viene indicato un incremento di velocità di mille volte rispetto ai sistemi ordinari, mantenendo una precisione vicina al 99%.

esempio concreto: ottimizzare una parte in secondi

Un caso d’uso riportato riguarda un test su una vettura da corsa di tipo Le Mans: l’ottimizzazione di una componente passa da diverse ore a dieci secondi. Questa trasformazione abilita un approccio definito come progettazione inversa: l’ingegnere non deve disegnare una forma sperando che sia efficace, ma può specificare direttamente il risultato desiderato, ad esempio in termini di stabilità o velocità, lasciando all’algoritmo il compito di generare la forma necessaria a partire da zero.

dall’aerodinamica ai consumi: fino al 30% in meno sui veicoli di famiglia

La tecnologia viene presentata come applicabile non solo alle auto da competizione, ma anche ai mezzi impiegati nella vita quotidiana. Il punto centrale richiamato da Pontremoli riguarda il peso del veicolo e la resistenza aerodinamica, considerati tra i principali fattori che influenzano i consumi energetici durante lo spostamento.

Nel quadro descritto, in molte condizioni di guida l’aria che l’auto fende e il peso del mezzo possono arrivare a rappresentare fino all’85% dell’energia richiesta. Su una vettura di famiglia con valore medio indicato in 25.000 euro, l’applicazione dei modelli di calcolo basati sull’intelligenza artificiale porta a un taglio dei consumi fino al 30%.

Un passaggio ulteriore collega il risultato al principio energetico: la riduzione dei consumi deriva dal fatto che, se l’auto incontra meno resistenza, è necessario meno energia per muoverla. Lo stesso concetto viene esteso a treni ad alta velocità, navi e aerei commerciali.

computer quantistici: calcolo senza sprechi e potenza in crescita

La fase successiva della trasformazione è legata all’uso dei computer quantistici, descritti come macchine basate su leggi profonde della fisica. Curioni sottolinea che il modo di lavorare di questi supercomputer non è assimilabile a quello dei sistemi attuali, e che l’intero processo di ottimizzazione dell’impiego dell’energia viene reso più efficiente perché il calcolo quantistico non disperde energia sotto forma di calore nel modo tipico dei computer convenzionali, condizione che altrimenti comprometterebbe il funzionamento.

efficienza operativa e crescita della capacità entro il 2030

Pontremoli richiama il tema dello spreco energetico facendo riferimento a esperienze passate: la gestione dei sistemi di raffreddamento e l’idea che i computer tradizionali impieghino una quota significativa di energia in calore. Viene indicato che i normali computer sprecano circa il 40% dell’energia in calore.

Per il futuro, viene citato un obiettivo di incremento di potenza: entro il 2030 la capacità dei computer quantistici passerebbe dalle attuali 5.000 operazioni contemporanee a circa 100 milioni, aprendo scenari descritti come oggi difficili da immaginare.

italia ed europa: conoscenza pratica e controllo dei dati come vantaggio

La visione strategica emersa attribuisce all’Europa e all’Italia un ruolo rilevante in una sfida tecnologica globale. Curioni osserva che non sarebbe realistico competere con grandi player americani o cinesi sul piano della costruzione fisica dell’hardware di base, con particolare riferimento ai microchip dove i capitali degli operatori privati sono descritti come ingenti.

leadership sul fronte della conoscenza e dei dati

Il vantaggio competitivo individuato riguarda un’altra dimensione: conoscenza pratica e controllo dei dati. Dallara viene citata come detentrice di un archivio di dati aerodinamici e di una conoscenza della fisica considerata unica. La chiave del futuro, secondo la formulazione riportata, non consisterebbe nell’inseguire gli altri sul terreno della produzione dell’hardware, bensì nel valorizzare le eccellenze industriali utilizzando i supercomputer di nuova generazione.

focus finale sui protagonisti

• Andrea Pontremoli, amministratore delegato di Dallara
• Alessandro Curioni, capo della ricerca di Ibm in Europa