Automazione del software quantistico: il ruolo di Classiq

Classiq porta l’automazione nella progettazione del software quantistico: trasforma la descrizione di un algoritmo in circuiti da eseguire su processori e simulatori. Questo ruolo ha attirato Intel, che il 26 ottobre 2026 ha annunciato un accordo per acquisire la società. L’obiettivo dichiarato è unire la piattaforma Classiq ai propri qubit di spin in silicio, costruendo un’offerta che comprenda hardware e software.

La chiusura è attesa nel primo semestre 2027, dopo le autorizzazioni e le altre condizioni previste. Fino ad allora le due aziende continueranno a operare separatamente. Classiq affronta un problema preciso: progettare programmi utilizzabili su macchine quantistiche con risorse limitate e caratteristiche differenti.

Fondata nel 2020 da Nir Minerbi, Amir Naveh e Yehuda Naveh, Classiq è una società israeliana guidata dal cofondatore e amministratore delegato Minerbi. Ha concentrato la propria attività sugli strumenti di sviluppo, destinati a imprese, ricercatori e produttori di hardware che devono trasformare idee e algoritmi in programmi eseguibili.

Secondo il comunicato del 13 novembre 2025, il capitale complessivamente raccolto ha superato i 200 milioni di dollari. A quel round hanno partecipato AMD Ventures, Qualcomm Ventures e IonQ, segnando una forte fiducia da parte di investitori leader nel settore dei semiconduttori e del quantum.

Da Qmod a circuiti ottimizzati: il workflow di Classiq

Un programma quantistico deve organizzare operazioni sui qubit, le unità di informazione quantistica. Queste operazioni, dette porte, formano un circuito. Costruirlo richiede di decidere quali qubit utilizzare e in quale successione applicare le porte: scelte che incidono sulla quantità di risorse e sulla durata del calcolo. All’aumentare della complessità, gestire manualmente ogni passaggio rende più difficile modificare e confrontare le implementazioni.

Classiq interviene attraverso Qmod, il proprio linguaggio di modellazione, disponibile anche tramite Python. Il programmatore sceglie l’algoritmo e ne descrive le funzioni a un livello più alto delle singole porte. Il motore disintesi automaticacostruisce quindi il circuito, occupandosi dell’implementazione e della gestione dei qubit. Il lavoro dello sviluppatore si concentra così sul comportamento del programma e sui requisiti da rispettare.

Gli agenti di AI integrati nella piattaforma affiancano l’utente nella modellazione, nella sintesi, nell’esecuzione e nell’analisi attraverso istruzioni in linguaggio naturale. Questo approccio riduce drasticamente il tempo di sviluppo e abbassa la barriera d’ingresso per chi non è esperto di fisica quantistica.

La documentazione sui vincoli di sintesi mostra, per esempio, come fissare un numero massimo di qubit e chiedere di ridurre la profondità del circuito, cioè il numero di strati di operazioni da eseguire in sequenza. Il punto è scegliere un’implementazione compatibile con la macchina disponibile: occupare meno qubit e accorciare il circuito sono obiettivi che possono richiedere compromessi.

Esempi pratici di ottimizzazione

Integrazione con le principali piattaforme cloud e hardware

Una volta costruito il circuito, occorre provarlo e collegarlo a un ambiente di esecuzione. Le integrazioni documentate da Classiq comprendono IBM Quantum, Amazon Braket e Azure Quantum, oltre a IonQ e a diversi simulatori. La piattaforma offre quindi un punto di accesso a infrastrutture differenti; disponibilità delle macchine, account necessari e costi di esecuzione dipendono dal fornitore selezionato.

Il collegamento con Nvidia CUDA‑Q inserisce questo sviluppo nei flussi di calcolo ibrido, che combinano elaborazione classica e quantistica. Le GPU, i processori usati anche per accelerare l’intelligenza artificiale, possono simulare i circuiti; il calcolo classico può preparare i dati e aggiornare i parametri dell’algoritmo. Questa integrazione permette di sperimentare come le diverse componenti lavorano insieme.

Un esempio concreto riguarda l’ottimizzazione delle reti del gas. Nel preprint di settembre 2026 firmato da Alex Ben Ishay e colleghi, la piattaforma Classiq è stata impiegata per cercare configurazioni di pressione capaci di aumentare la portata, rispettando i vincoli idraulici. Il problema viene tradotto in variabili e condizioni che un algoritmo quantistico di ottimizzazione può esplorare, affiancando i metodi di calcolo già utilizzati.

Gli autori hanno confrontato i risultati dei simulatori con riferimenti classici ed eseguito una versione ridotta del problema sul processore IonQ Forte‑1. Hanno ottenuto soluzioni fisicamente valide vicine all’ottimo classico. Il lavoro documenta una dimostrazione di principio: per stabilire un vantaggio industriale servono confronti su dimensioni realistiche, tempi complessivi e costi rispetto alle migliori alternative classiche.

Strategie territoriali e partnership europee

La diffusione della piattaforma passa anche da accordi territoriali. In Italia, la partnership con TEA TEK Group annunciata il 24 giugno 2026 prevede un polo a Napoli, con software Classiq e hardware quantistico da 128 qubit. L’avvio dei servizi è previsto entro fine 2026. Il progetto punta a offrire capacità di calcolo e strumenti di sviluppo a imprese e ricerca attraverso un servizio gestito.

Questa iniziativa europea rappresenta un passo importante per creare un ecosistema locale capace di attrarre talenti e investimenti, riducendo la dipendenza dalle infrastrutture statunitensi. Inoltre, la presenza di un nodo con 128 qubit fornisce un banco di prova ideale per applicazioni di simulazione di materiali, ottimizzazione logistica e machine learning quantistico.

Correzione degli errori e il Fault Tolerance Engine

Per aumentare la scala delle applicazioni occorre affrontare gli errori delle macchine quantistiche. La correzione degli errori protegge l’informazione di un qubit logico distribuendola su più qubit fisici, con un costo aggiuntivo di hardware e operazioni. Il Fault Tolerance Engine annunciato da Classiq il 30 settembre 2026 traduce i programmi in piani di esecuzione protetta e ne stima risorse, tempi e affidabilità.

È uno strumento per valutare la fattibilità delle applicazioni future, in funzione dell’architettura e del rumore della macchina. Il valore attuale di Classiq consiste proprio nel collegare il progetto di un algoritmo alle risorse richieste per eseguirlo. Intel dichiara di voler conservare le integrazioni multipiattaforma dopo l’acquisizione: la continuità di questa apertura sarà un elemento da seguire per chi sviluppa oggi su hardware di fornitori diversi.

Prospettive post‑acquisizione

Conclusioni

Classiq si è affermata come ponte cruciale tra la teoria algoritmica e le limitazioni pratiche dei processori quantistici. La capacità di automatizzare la traduzione da descrizione ad alto livello a circuiti ottimizzati, unita a integrazioni con i principali cloud provider e a strumenti di fault tolerance, la rende una risorsa strategica per chi vuole sperimentare il quantum computing a livello industriale.

L’interesse di Intel conferma la tendenza verso offerte convergenti hardware‑software, in cui la differenza competitiva non risiede più solo nella potenza dei qubit, ma nella capacità di trasformare rapidamente un’idea in un risultato eseguibile. Nei prossimi mesi, la community dovrà osservare come Intel gestirà l’integrazione, mantenendo aperte le porte a più fornitori e garantendo la continuità della roadmap di Classiq.