Lekton.AI

Ricerca & Innovazione

Dove guardiamo, oltre il lavoro quotidiano

I nostri prodotti vivono nel presente dell’AI generativa: piattaforme documentali, compliance, agenti operativi. Ma una parte del nostro lavoro guarda più lontano. In collaborazione con l’Università degli Studi di Siena portiamo avanti una linea di ricerca su frontiere avanzate dell’intelligenza artificiale, con un principio comune: validazione rigorosa, incertezza dichiarata e codice aperto dove possibile.

Quantum Machine Learning

Esploriamo architetture neurali ibride quantistico-classiche e nuovi algoritmi per l’efficienza dei circuiti quantistici, su piattaforme Qiskit e PennyLane. L’apertura del fronte di ricerca è raccontata nell’articolo Lekton.AI apre un nuovo fronte di ricerca: il Quantum Machine Learning.

  • qh_algorithms — confronto sperimentale rigoroso tra CNN classica, CNN ibrida quantistico-classica (HQCNN) e riferimento puramente quantistico, con statistica multi-seed, test di Wilcoxon e studio di resilienza al rumore. Licenza MIT.
  • QC-2025-26 — i notebook del laboratorio di Quantum Computing: dalla libreria dei circuiti agli algoritmi di Deutsch-Jozsa, Grover, Quantum Phase Estimation e Shor, su simulatore e hardware reale.

AI per la salute e l’imaging medico

Il deep learning classico applicato a immagini cliniche, con attenzione al metodo e alla protezione del dato sanitario. Il caso che abbiamo raccontato unisce AI classica e quantistica sulla diagnosi precoce della malattia di Parkinson: Non solo AI generativa: l’AI classica e quantistica al servizio della diagnosi della malattia di Parkinson.

  • BrainNet — rete neurale convoluzionale 3D per la classificazione di immagini PET C-DOPA, con pipeline leak-free, cross-validation per paziente e metriche corredate di incertezza.

I progetti di AI per la salute sono attività di ricerca: non costituiscono dispositivi medici né strumenti diagnostici validati per uso clinico.

Le radici accademiche

Logo dell'Università degli Studi di Siena

Gran parte di questa ricerca è legata alla tesi di dottorato «New Perspectives on Quantum Technologies: Progress on Quantum Sensing and Quantum Computation» (Università di Siena, Ciclo XXXVII). I repository qh_introduction, qh_algorithms, qh_hardware e qh_sensing raccolgono il codice e le figure dei capitoli, con i sorgenti LaTeX in PhDThesis.

Tutto il codice di ricerca è pubblico sul nostro GitHub. Vuoi collaborare o saperne di più? Contattaci.