Un metodo di ispirazione quantistica semplifica l'analisi dei Big Data in genetica e sanità

Un team di ricerca della Cornell ha sviluppato un nuovo metodo di rappresentazione dei dati ispirato alla meccanica quantistica per gestire in modo più efficiente i grandi set di dati. Questo approccio innovativo semplifica i dati complessi e filtra il rumore, accelerando potenzialmente i progressi nel settore sanitario e nell'epigenetica, dove i metodi tradizionali spesso falliscono. Martin Wells, professore Charles A. Alexander di scienze statistiche, spiega che i fisici hanno creato strumenti basati sulla meccanica quantistica che offrono rappresentazioni matematiche concise di dati complessi. Prendendo in prestito la loro struttura matematica, i ricercatori mirano a comprendere meglio la struttura sottostante dei dati. La stima tradizionale della dimensione intrinseca, una tecnica utilizzata per cogliere l'essenza di enormi set di dati, è frequentemente ostacolata dal rumore e dalla complessità dei dati del mondo reale. Luca Candelori, autore principale e direttore della ricerca presso Qognitive, sottolinea che le tecniche convenzionali di stima della dimensione intrinseca spesso producono risultati errati quando applicate a set di dati reali. Il nuovo metodo cerca di affrontare queste limitazioni fornendo un modo più robusto e accurato per stimare la dimensione intrinseca di set di dati complessi, migliorando in definitiva l'analisi dei dati in vari campi.