Le reti neurali convoluzionali quantistiche sono l'analogo delle reti convoluzionali classiche utilizzate per il riconoscimento di immagini. Le piattaforme fotoniche sono tra gli hardware quantistici più promettenti, ma la maggior parte dei circuiti fotonici è limitata nelle operazioni non lineari necessarie per l'elaborazione di tipo neurale.
In uno studio pubblicato e selezionato come copertina sulla rivista scientifica Advanced Photonics, una collaborazione tra Sorbonne Université di Parigi, Sapienza Università di Roma e Istituto di Fotonica e Nanotecnologie (Consiglio Nazionale delle Ricerche) ha introdotto un’architettura fotonica adattiva per superare questa limitazione, compatibile con le tecnologie quantistiche esistenti.
L’architettura, testata sperimentalmente su riconoscimento di piccole immagini al Quantum Lab del Dipartimento di Fisica, ha raggiunto accuratezze di classificazione elevate, dimostrando un percorso pratico verso l'apprendimento automatico quantistico fotonico.

Referenza: L. Monbroussou, B. Polacchi, V. Yacoub, E. Caruccio, G. Rodari, F. Hoch, G. Carvacho, N. Spagnolo, T. Giordani, M. Bossi, A. Rajan, N. Di Giano, R. Albiero, F. Ceccarelli, R. Osellame, E. Kashefi, F. Sciarrino, "Photonic quantum convolutional neural networks with adaptive state injection.