Nel quantum computing l’attenzione si concentra spesso sull’hardware: nuovi processori, aumento del numero di qubit e roadmap tecnologiche. La storia di Algorithmiq nasce invece da un’altra prospettiva, quella del software necessario a rendere utilizzabili macchine ancora rumorose, limitate e difficili da programmare.
Sabrina Maniscalco conosce questa fase fin dalle origini. Prima di fondare Algorithmiq, era docente di informazione quantistica all’Università di Helsinki e partecipò con il proprio gruppo ai primi programmi di accesso ai computer quantistici IBM via cloud. “Siamo stati tra i primi a utilizzare un computer quantistico per attività di ricerca”, racconta. In quel momento, l’atteggiamento di molti ricercatori era ancora prudente: “La domanda era sempre la stessa: cosa si può fare davvero con queste macchine?”.
La risposta arrivò con uno dei primi lavori del gruppo, pubblicato su npj Quantum Information, che dimostrava come i processori IBM accessibili via cloud potessero essere utilizzati per simulare sistemi quantistici aperti, cioè soggetti a rumore e interazione con l’ambiente. Quel risultato contribuì a mostrare che anche i primi computer quantistici, pur ancora limitati, potevano essere impiegati per affrontare problemi scientifici concreti.
Da quell’esperienza nacquero il nucleo di ricercatori che avrebbe poi dato vita ad Algorithmiq e i primi metodi proprietari sviluppati per superare i limiti delle macchine disponibili.
Fondata nel 2020, Algorithmiq sviluppa oggi software e algoritmi per computer quantistici e ha costruito negli anni un portafoglio di proprietà intellettuale e brevetti nel campo del software quantistico.
Per Maniscalco, però, il patrimonio principale dell’azienda non coincide con i brevetti: “L’asset più importante di Algorithmiq non sono i brevetti, pur importanti, ma il team”. Il gruppo riunisce competenze di fisica quantistica, chimica teorica, life sciences, high-performance computing e ingegneria del software, con una struttura nata fin dall’inizio su scala internazionale: “Molte startup nascono con una dimensione nazionale e solo successivamente si internazionalizzano. Noi siamo nati con una prospettiva globale”.
Maniscalco è intervenuta a IBM Quantum Connect, l’evento organizzato da IBM a Milano il 24 giugno 2026 dedicato all’evoluzione del quantum computing, insieme al CSO e co-founder Guillermo García-Pérez a capo dell’intera ricerca scientifica della startup. La sua posizione parte da quella storia: senza algoritmi, tecniche di mitigazione degli errori, strumenti di misura e piattaforme software capaci di integrarsi con il calcolo tradizionale, il computer quantistico resta una macchina sperimentale difficile da trasformare in valore industriale.
Perché il software è strategico quanto l’hardware
Per Algorithmiq il valore del quantum computing non dipende soltanto dall’evoluzione dei processori, ma dalla capacità di sviluppare algoritmi e piattaforme software in grado di trasformarne la potenza di calcolo in applicazioni concrete. È da questa convinzione che derivano sia le scelte industriali dell’azienda sia la posizione di Sabrina Maniscalco sul futuro dell’ecosistema quantistico europeo: “Il software è strategico tanto quanto l’hardware. Le infrastrutture sono indispensabili, ma un computer quantistico privo del software e degli algoritmi necessari a costruire un caso d’uso industriale non ha alcuna utilità”.
In quest’ottica, secondo la CEO, il dibattito europeo sulla sovranità tecnologica dedica ancora troppa attenzione all’hardware. “Competere sull’hardware è estremamente difficile: richiede capitali enormi. Perché non puntare invece su settori che richiedono investimenti molto inferiori e nei quali disponiamo già di un’eccellenza riconosciuta a livello globale?”
La stessa convinzione orienta anche le scelte industriali di Algorithmiq. L’azienda sviluppa i propri algoritmi sulle piattaforme quantistiche più avanzate disponibili, indipendentemente dalla loro provenienza geografica, perché, sottolinea Maniscalco, “se vogliamo sviluppare gli algoritmi più performanti dobbiamo utilizzare i computer quantistici migliori”. Autonomia tecnologica e accesso alle infrastrutture più avanzate, aggiunge, devono procedere in parallelo, senza contrapposizioni ideologiche.
Riportare Algorithmiq in Europa
Il percorso di Algorithmiq riflette anche l’evoluzione della sua struttura internazionale. Nata in Finlandia, dove continua a mantenere una presenza significativa, l’azienda aveva inizialmente costituito la holding nel Delaware, una scelta comune tra le startup deep-tech sostenute da investitori internazionali. Negli ultimi anni, però, il mutato contesto geopolitico e la crescente rilevanza strategica del quantum computing hanno portato il management a riportare la holding in Europa e a stabilire a Milano l’headquarter globale.
“Abbiamo deciso di riportare la holding in Europa. Per noi era importante rafforzare l’identità europea dell’azienda”, spiega Sabrina Maniscalco. Per la CEO, la decisione è coerente con la strategia perseguita fin dalla fondazione: non competere con Stati Uniti e Cina nella costruzione dell’hardware, ma contribuire allo sviluppo di un ecosistema europeo fondato su proprietà intellettuale, algoritmi e software. “A un certo punto abbiamo dovuto decidere se diventare, di fatto, una società americana oppure mantenere una forte identità europea. Abbiamo scelto la seconda strada”.
Il trasferimento dell’headquarter a Milano ha coinciso anche con il ritorno di Maniscalco in Italia dopo ventidue anni trascorsi all’estero. “Sono tornata dopo ventidue anni”, racconta. La scelta si lega anche alla convinzione che l’Italia possa assumere un ruolo di primo piano nello sviluppo del software quantistico. “L’Italia ha una tradizione straordinaria nella fisica teorica e nella meccanica quantistica. Continuiamo a formare persone di altissimo livello che poi spesso lavorano all’estero”.
Questa presenza è già evidente nella struttura di Algorithmiq: circa la metà dei 52 dipendenti è italiana, pur operando da diversi Paesi. Anche l’ultimo round di finanziamento ha rafforzato il legame con il Paese, con l’ingresso di investitori come United Ventures e CDP Venture Capital. Secondo Maniscalco, proprio il software rappresenta il segmento nel quale l’Italia può costruire un vantaggio competitivo internazionale. “Credo che l’Italia sia già un’eccellenza globale nel software quantistico”.
Per la CEO, il quantum computing richiede orizzonti di investimento molto più lunghi rispetto al software tradizionale e una stretta integrazione tra ricerca e sviluppo industriale. I capitali, però, non bastano: servono competenze, collaborazioni industriali e capacità di attrarre talenti internazionali. Per questo Algorithmiq continua a operare con una struttura distribuita tra più Paesi, mantenendo una presenza internazionale pur avendo scelto Milano come centro delle proprie attività globali.
Dal computer quantistico al prodotto software
Con la maturazione del settore, l’attenzione si sta spostando dalla ricerca alla trasformazione delle tecnologie quantistiche in prodotti software utilizzabili dalle imprese. Maniscalco cita come esempio le Qiskit Functions, il modello introdotto da IBM per rendere accessibili funzionalità quantistiche avanzate attraverso interfacce standardizzate: “L’idea è che l’utente possa utilizzare una funzione con una riga di codice, senza dover conoscere tutti i dettagli dell’algoritmo sottostante”.
Il passaggio da strumenti destinati agli specialisti a componenti software riutilizzabili rappresenta uno dei passaggi chiave nell’evoluzione del settore. La standardizzazione, però, non elimina la necessità di personalizzazione: i casi d’uso più avanzati richiedono ancora una stretta collaborazione tra sviluppatori, ricercatori e clienti e, osserva la CEO, “stiamo ancora sperimentando diversi modelli di business. È un mercato che si sta formando”.
Dopo anni in cui l’innovazione si è concentrata soprattutto sull’hardware, l’attenzione si sta progressivamente spostando verso il software che renderà la computazione quantistica utilizzabile nelle applicazioni industriali. È in questo spazio che Algorithmiq intende consolidare il proprio ruolo.
Software indipendente dall’hardware
Una delle caratteristiche distintive del software quantistico è la capacità di operare su piattaforme hardware profondamente diverse. Algorithmiq sviluppa i propri algoritmi in modo da adattarli alle differenti architetture disponibili, senza dipendere da uno specifico costruttore.
L’infrastruttura software si basa in larga parte su framework open source. Maniscalco indica Qiskit come l’ambiente oggi più diffuso, utilizzato non soltanto sui sistemi IBM ma anche da numerosi altri operatori. Su questo livello si innestano componenti sviluppati internamente in linguaggi diversi, da Python a C++, scelti in funzione delle prestazioni richieste.
Anche il panorama hardware è estremamente eterogeneo. Oggi convivono tecnologie basate su qubit superconduttori, ioni intrappolati, atomi neutri e sistemi fotonici, ciascuna con caratteristiche differenti in termini di velocità, rumore e modalità operative. “Non sappiamo ancora quale sarà la piattaforma vincente”, osserva Maniscalco. “Il vantaggio di lavorare a livello software è che possiamo utilizzare gli stessi algoritmi su architetture diverse, ottimizzandoli in funzione delle caratteristiche della macchina”.
Le differenze hanno ricadute concrete sulle prestazioni. I sistemi basati su atomi neutri mantengono più a lungo la coerenza quantistica – lo stato quantistico necessario per eseguire i calcoli – e risultano quindi meno sensibili al rumore, ma eseguono le operazioni più lentamente. I processori superconduttori, invece, sono molto più rapidi, una caratteristica particolarmente importante nella fase di misura. Come spiega la CEO, “in genere si effettuano milioni di misure”: sui sistemi superconduttori è possibile arrivare a circa dieci milioni di campionamenti, mentre con gli atomi neutri oggi ci si ferma tipicamente a circa diecimila nello stesso intervallo operativo. Questa differenza incide direttamente sulla qualità statistica dei risultati e impone strategie di ottimizzazione differenti.
Per Maniscalco, l’indipendenza dall’hardware rappresenta anche uno dei principali punti di forza del software quantistico sul piano industriale. Sviluppare algoritmi indipendenti dalla piattaforma consente infatti di continuare a far evolvere le proprie tecnologie qualunque sia l’architettura che finirà per affermarsi sul mercato.
Programmare macchine che sbagliano
Quando si parla di quantum computing, l’attenzione si concentra spesso sul numero di qubit, sulle roadmap tecnologiche e sui nuovi record prestazionali. Sabrina Maniscalco osserva il settore da una prospettiva diversa: quella di chi deve rendere queste macchine concretamente utilizzabili. “Noi facciamo software”, sottolinea, ricordando che i computer quantistici sono ancora sistemi caratterizzati da rumore, errori e limitazioni che impongono di adattare ogni algoritmo all’architettura utilizzata, riducendo il numero di operazioni e minimizzando le fonti di errore.
Su questi aspetti si concentra il lavoro di Algorithmiq. “Essendo stati tra i primi utilizzatori, abbiamo capito molto presto quali fossero i problemi da risolvere”. Da quell’esperienza sono nate gran parte della proprietà intellettuale e delle tecnologie sviluppate dall’azienda.
Tra le difficoltà più rilevanti c’è la misura dei sistemi quantistici. A differenza del calcolo tradizionale, nel quale la lettura non modifica il dato memorizzato, nella computazione quantistica la misura è parte integrante del processo di calcolo e ne influenza direttamente il risultato. Per questo Algorithmiq dedica una parte significativa del proprio lavoro all’ottimizzazione della lettura e dell’interpretazione dei dati prodotti dai computer quantistici. Come osserva Maniscalco, “alla fine bisogna estrarre informazione utile”, riducendo al minimo gli effetti del rumore e degli errori.
Anche i brevetti sono nati da questo lavoro. “Abbiamo iniziato a sviluppare i metodi che per noi erano assolutamente importanti”, spiega la CEO. L’azienda ha così sviluppato algoritmi, tecniche di ottimizzazione e strumenti software per migliorare l’utilizzo dei sistemi quantistici disponibili, distinguendosi da molte realtà concentrate principalmente sull’hardware. Per Maniscalco, il valore del quantum computing dipenderà tanto dall’evoluzione dei processori quanto dalla capacità del software di trasformarne le potenzialità in applicazioni concrete.
Un ecosistema composto da tecnologie diverse
Per Algorithmiq il quantum computing non opera in isolamento. Le applicazioni industriali richiedono l’integrazione tra sistemi quantistici, infrastrutture di high-performance computing e strumenti di intelligenza artificiale, ciascuno impiegato nella parte del problema in cui offre il maggiore vantaggio.
Secondo Maniscalco, l’idea che il computer quantistico possa sostituire integralmente i sistemi tradizionali non riflette quanto sta accadendo nella pratica. I casi d’uso reali si basano su workflow ibridi nei quali elaborazione classica e computazione quantistica collaborano all’interno dello stesso processo.
Anche il concetto di quantum advantage viene interpretato in modo meno rigido rispetto al passato. Il confronto non riguarda soltanto la velocità di esecuzione rispetto ai computer tradizionali, perché anche gli algoritmi classici continuano a evolvere. Per questo Algorithmiq concentra la ricerca non sulla contrapposizione tra calcolo classico e quantistico, ma sull’individuazione dei problemi nei quali la combinazione delle due tecnologie produce risultati.
Il caso Wellcome Leap e la terapia fotodinamica
Per Sabrina Maniscalco il quantum computing sta uscendo dalla fase della sola sperimentazione accademica. Tra i primi casi d’uso con vantaggi misurabili cita il progetto sviluppato da Algorithmiq nell’ambito di Wellcome Leap, iniziativa statunitense che finanzia programmi di ricerca ad alto rischio e ad alto potenziale d’impatto.
Per il programma dedicato all’impiego del quantum computing nella ricerca biomedica, Wellcome Leap ha stanziato 50 milioni di dollari distribuiti nell’arco di tre anni attraverso una selezione particolarmente competitiva. “Sono state presentate circa duecento candidature e alla fine ne sono state selezionate sei. Il premio finale da due milioni di dollari è stato assegnato al nostro progetto, davanti a concorrenti come Harvard, Cambridge e NASA”.
Algorithmiq ha coordinato un consorzio internazionale nel quale IBM ha fornito l’infrastruttura hardware, Cleveland Clinic il problema e l’expertise nel campo medico, mentre la startup ha sviluppato software e algoritmi. Nel complesso il progetto ha raccolto oltre quattro milioni di dollari di finanziamenti. “Sono questi gli ordini di grandezza necessari quando si vuole sviluppare davvero una tecnologia di frontiera”.
La ricerca affronta un problema posto da medici dermatologi di Cleveland Clinic: migliorare i farmaci fotosensibili utilizzati nella terapia fotodinamica per il trattamento di alcune forme di tumore della pelle, dello stomaco e dell’intestino. Il principio attivo viene somministrato in forma inattiva e si attiva soltanto quando è illuminato nella zona interessata. Come spiega Maniscalco, “il farmaco viene attivato dalla luce soltanto nel punto in cui si trova la lesione. A quel punto genera radicali liberi che distruggono le cellule tumorali circostanti, mentre il resto dell’organismo non viene coinvolto e il composto viene successivamente eliminato”.
La principale difficoltà riguarda la progettazione di nuove molecole. L’interazione tra luce e molecole fotosensibili è un fenomeno governato dalla meccanica quantistica che i metodi di simulazione classici non riescono a descrivere con sufficiente accuratezza. “Simulare l’interazione tra la luce e queste molecole è estremamente difficile con i metodi tradizionali proprio perché il fenomeno è governato dalla meccanica quantistica. Per questo motivo la terapia rimane confinata a un numero limitato di applicazioni: servono tempi lunghissimi per comprendere il comportamento delle molecole e svilupparne di nuove”.
Algorithmiq ha lavorato sulla simulazione della molecola fotosensibile TLD1433, già entrata nella fase II della sperimentazione clinica, sviluppando un metodo capace di individuare il punto in cui il computer quantistico offre un vantaggio misurabile rispetto agli approcci convenzionali.
La soluzione consiste in una pipeline ibrida nella quale i più avanzati metodi di chimica computazionale vengono alimentati con dati generati dal computer quantistico. “Generiamo sul computer quantistico lo stato altamente correlato della molecola, eseguiamo numerose misurazioni statistiche e utilizziamo quei risultati come punto di partenza per i metodi classici. In questo modo dimostriamo che l’impiego combinato del computer quantistico e degli algoritmi tradizionali produce risultati migliori rispetto all’uso esclusivo delle tecniche classiche”.
Secondo Maniscalco, si tratta di uno dei primi esempi nei quali il vantaggio quantistico viene dimostrato sperimentalmente all’interno di un’applicazione reale. “Abbiamo dimostrato che è possibile migliorare ciò che oggi si riesce a ottenere esclusivamente con il calcolo classico affrontando un problema concreto, legato allo sviluppo di una terapia oncologica alternativa”.
Dalla simulazione quantistica all’active learning
Il lavoro svolto nell’ambito di Wellcome Leap è anche il punto di partenza di una piattaforma software riutilizzabile. “Stiamo cercando di estendere questo framework in maniera che non richieda più l’ottimizzazione continua da parte dei fisici”, spiega Maniscalco, con l’obiettivo di trasformarlo in “un pacchetto software ottimizzato per diversi utilizzi”.
La ricerca continua a utilizzare come riferimento la molecola TLD1433, ma l’attenzione si è spostata dalla simulazione alla progettazione di nuove varianti, integrando simulazione quantistica e active learning. “L’abbiamo accoppiata a metodi di active learning”.
La molecola è costituita da un nucleo centrale contenente un atomo di rutenio e da una parte periferica, descritta dalla CEO come una sorta di antenna. Modificando questa sezione è possibile variare la lunghezza d’onda di assorbimento della luce e adattare il farmaco ai diversi tipi di tumore. “Se si tratta di un tumore della pelle, la luce non deve penetrare in profondità; se invece il tumore è localizzato nell’intestino, serve una lunghezza d’onda capace di raggiungere tessuti più profondi”.
L’attuale generazione di computer quantistici impone però un limite pratico. “Una simulazione sul computer quantistico è molto precisa, ma è anche molto costosa. Non possiamo farla per mille varianti. Possiamo farla per tre, quattro, dieci o quindici”.
Per superare questo vincolo, le poche simulazioni quantistiche ad alta precisione vengono utilizzate per addestrare il sistema di active learning. “Questi nuovi dati diventano dati di training dell’active learning”. La qualità del modello dipende direttamente da quella dei dati iniziali: “Se fornisci dati scarsi, perché non riesci a simulare correttamente il sistema, anche il risultato sarà limitato. Se invece fornisci dati di altissima precisione, chiaramente anche l’outcome diventa molto più preciso”.
Il computer quantistico genera così simulazioni estremamente accurate, il modello di machine learning esplora un numero molto più elevato di configurazioni molecolari e seleziona quelle più promettenti, che vengono poi validate con nuove simulazioni quantistiche.
Computer quantistico, high-performance computing e intelligenza artificiale operano quindi come componenti complementari dello stesso workflow. Il framework non è limitato alla terapia fotodinamica, ma può essere applicato ad altri problemi di simulazione quantistica adattando i modelli al dominio specifico senza modificarne l’architettura. È questa riusabilità che, secondo Maniscalco, distingue una dimostrazione scientifica da un prodotto software destinato a trovare applicazione nella chimica computazionale, nella scienza dei materiali e nelle life sciences.
Le quantum complex networks: oltre la scoperta di farmaci
Sebbene la scoperta di nuovi farmaci rappresenti oggi l’applicazione più avanzata, Sabrina Maniscalco ritiene che il potenziale del quantum computing sia molto più ampio. Il lavoro svolto da Algorithmiq sulla terapia fotodinamica dimostra infatti che una stessa architettura, capace di integrare simulazione quantistica, calcolo classico e intelligenza artificiale, può essere applicata a problemi caratterizzati da un’elevata complessità computazionale.
È un approccio che affonda le radici nel percorso scientifico dei fondatori dell’azienda. “Uno dei problemi più interessanti riguarda i sistemi in cui esistono moltissime correlazioni tra elementi diversi. Pensiamo alle reti biologiche, alle reti chimiche, ma anche ai sistemi complessi in generale”.
Prima della nascita di Algorithmiq, i quattro cofondatori lavoravano nel campo delle quantum complex networks, disciplina che combina meccanica quantistica e teoria delle reti complesse. All’aumentare delle correlazioni tra gli elementi di un sistema, infatti, la simulazione classica diventa rapidamente proibitiva dal punto di vista computazionale. “Quando ci sono tantissime correlazioni tra componenti differenti, il computer quantistico diventa particolarmente interessante perché riesce a rappresentare naturalmente questo tipo di fenomeni”.
Secondo Maniscalco, è proprio questa caratteristica a rendere il quantum computing interessante ben oltre il settore biomedicale. Le stesse metodologie sviluppate per la simulazione molecolare possono trovare applicazione nello studio di materiali avanzati, nella progettazione di nuovi composti chimici, nell’analisi di reti biologiche e, più in generale, in tutti i problemi nei quali il numero e la natura delle interazioni rendono rapidamente insufficienti gli strumenti computazionali tradizionali.
Questa visione si discosta dall’idea, spesso proposta nel dibattito pubblico, di un computer quantistico destinato a sostituire le infrastrutture di calcolo esistenti. Secondo Maniscalco, “il computer quantistico non sostituirà il supercomputer. Sarà uno strumento specializzato, utilizzato solo per quelle parti del problema che nessun’altra architettura riesce a risolvere in modo efficiente”. Processori quantistici, supercalcolo e intelligenza artificiale sono destinati invece a operare all’interno dello stesso ecosistema, ciascuno impiegato dove offre il maggiore vantaggio.
È una visione che richiama il punto di partenza della stessa Algorithmiq. L’azienda non nasce con l’obiettivo di costruire un computer quantistico, ma dalla convinzione che il principale fattore abilitante della rivoluzione quantistica risieda nello sviluppo di algoritmi, metodi e piattaforme software capaci di trasformare una tecnologia emergente in uno strumento utilizzabile nei processi scientifici e industriali.
