Categorías: Tecnología

Después de todo, las computadoras ordinarias pueden vencer a la computadora cuántica de Google

Comparta este Artículo en:

Si la era de la computación cuántica amaneció hace 3 años, es posible que su sol naciente se haya escondido detrás de una nube.

En 2019, investigadores de Google afirmaron que habían superado un hito conocido como supremacía cuántica cuando su computadora cuántica Sycamore realizó en 200 segundos un cálculo abstruso que, según dijeron, le llevaría a una supercomputadora 10,000 años.

Ahora, científicos en China han hecho el cálculo en unas pocas horas con procesadores ordinarios.

Una supercomputadora, dicen, podría vencer a Sycamore por completo.

Creo que tienen razón en que si hubieran tenido acceso a una supercomputadora lo suficientemente grande, podrían haber simulado la… tarea en cuestión de segundos”, dice Scott Aaronson, científico informático de la Universidad de Texas, Austin.

El avance quita un poco de brillo a la afirmación de Google, dice Greg Kuperberg, matemático de la Universidad de California, Davis.

“Llegar a 300 pies de la cumbre es menos emocionante que llegar a la cumbre”.

Aún así, la promesa de la computación cuántica permanece intacta, dicen Kuperberg y otros.

Y Sergio Boixo, científico principal de Google Quantum AI, dijo que el equipo de Google sabía que su ventaja podría no mantenerse por mucho tiempo.

En nuestro artículo de 2019, dijimos que los algoritmos clásicos mejorarían”, dijo.

Pero, “no creemos que este enfoque clásico pueda seguir el ritmo de los circuitos cuánticos en 2022 y más allá”.

El “problema” que Sycamore resolvió fue diseñado para ser difícil para una computadora convencional pero lo más fácil posible para una computadora cuántica, que manipula qubits que se pueden establecer en 0, 1 o, gracias a la mecánica cuántica, cualquier combinación de 0 y 1 al mismo tiempo.

Juntos, los 53 qubits de Sycamore, diminutos circuitos eléctricos resonantes hechos de metal superconductor, pueden codificar cualquier número del 0 al 253 (aproximadamente 9 cuatrillones), o incluso todos a la vez.

Comenzando con todos los qubits establecidos en 0, los investigadores de Google aplicaron a qubits individuales y emparejaron un conjunto aleatorio pero fijo de operaciones lógicas, o puertas, durante 20 ciclos, luego leyeron los qubits.

Hablando en términos generales, las ondas cuánticas que representan todas las salidas posibles se desparramaron entre los qubits, y las puertas crearon interferencias que reforzaron algunas salidas y cancelaron otras.

Así que algunos deberían haber aparecido con mayor probabilidad que otros.

Tras millones de pruebas, surgió un patrón de salida puntiagudo.

Los investigadores de Google argumentaron que simular esos efectos de interferencia abrumaría incluso a Summit, una supercomputadora en el Laboratorio Nacional de Oak Ridge, que tiene 9216 unidades de procesamiento central y 27,648 unidades de procesamiento gráfico (GPU) más rápidas.

Los investigadores de IBM, que desarrolló Summit, respondieron rápidamente que si explotaban cada parte del disco duro disponible en la computadora, podría manejar el cálculo en unos pocos días.

Ahora, Pan Zhang, físico estadístico del Instituto de Física Teórica de la Academia de Ciencias de China, y sus colegas han demostrado cómo vencer a Sycamore.

Siguiendo a otros, Zhang y sus colegas reformularon el problema como una matriz matemática 3D llamada red de tensores.

Consistía en 20 capas, una para cada ciclo de puertas, y cada capa constaba de 53 puntos, uno para cada qubit.

Las líneas conectaban los puntos para representar las puertas, con cada puerta codificada en un tensor: una cuadrícula 2D o 4D de números complejos.

Ejecutar la simulación luego se redujo, esencialmente, a multiplicar todos los tensores.

La ventaja del método de red de tensores es que podemos usar muchas GPU para hacer los cálculos en paralelo”, dice Zhang.

Zhang y sus colegas también se basaron en una idea clave: el cálculo de Sycamore estaba lejos de ser exacto, por lo que el de ellos tampoco necesitaba serlo.

Sycamore calculó la distribución de las salidas con una fidelidad estimada del 0,2 %, lo suficiente como para distinguir las puntas parecidas a huellas dactilares del ruido en el circuito.

Entonces, el equipo de Zhang cambió precisión por velocidad cortando algunas líneas en su red y eliminando las puertas correspondientes.

Perder solo ocho líneas hizo que el cálculo fuera 256 veces más rápido y mantuvo una fidelidad del 0,37 %.

Los investigadores calcularon el patrón de salida para 1 millón de los 9 cuatrillones de cadenas de números posibles, basándose en una innovación propia para obtener un conjunto representativo verdaderamente aleatorio.

El cálculo tomó 15 horas en 512 GPU y arrojó la salida puntiaguda reveladora.

Es justo decir que el experimento de Google se ha simulado en una computadora convencional”, dice Dominik Hangleiter, científico informático cuántico de la Universidad de Maryland, College Park.

En una supercomputadora, el cálculo tomaría unas pocas docenas de segundos, dice Zhang, 10 mil millones de veces más rápido de lo que estimó el equipo de Google.

El avance subraya las trampas de competir con una computadora cuántica contra una convencional, dicen los investigadores.

“Hay una necesidad urgente de mejores experimentos de supremacía cuántica”, dice Aaronson.

Zhang sugiere un enfoque más práctico: “Deberíamos encontrar algunas aplicaciones del mundo real para demostrar la ventaja cuántica”.

Aún así, la demostración de Google no fue solo una exageración, dicen los investigadores.

Sycamore requería muchas menos operaciones y menos energía que una supercomputadora, señala Zhang.

Y si Sycamore tuviera una fidelidad ligeramente mayor, dice, la simulación de su equipo no podría haber seguido el ritmo.

Como dice Hangleiter, “El experimento de Google hizo lo que se suponía que debía hacer, comenzar esta carrera”.

Fuente: Science

Editor PDM

Entradas recientes

En China patrulla un nuevo robot policía

RT-G es un robot avanzado diseñado para escenarios de confrontación. (more…)

2 hours hace

Técnica reduce el sesgo en los modelos de IA y al mismo tiempo preserva o mejora la precisión

Los modelos de aprendizaje automático pueden fallar cuando intentan hacer predicciones para individuos que estaban…

2 hours hace

Curso de humanidades en universidad norteamericana utilizará un libro de texto generado por IA

La IA ha llegado a un mercado que estaba maduro para la disrupción: los libros…

2 hours hace

IA resuelve problemas complejos de ingeniería más rápido que las supercomputadoras

Modelar cómo se deforman los automóviles en un choque, cómo responden las naves espaciales a…

2 hours hace

Diseñan celdas que generan electricidad a oscuras

Investigadores chinos han afirmado que su unidad generó una producción de electricidad estable durante 160…

2 hours hace

Mano robótica capaz de manipular objetos

Recientemente, Sanctuary AI presentó su mano robótica que ahora es capaz de manipular objetos. (more…)

3 days hace
Click to listen highlighted text!