El ruido: un aliado inesperado para la computación cuántica

Comparta este Artículo en:

Los computadores cuánticos se distinguen por el uso de bits cuánticos (qubits) en lugar de bits.

Esto les permite almacenar y procesar mucha más información a una velocidad mucho mayor, mediante el aprovechamiento de propiedades cuánticas como la superposición y el entrelazamiento.

No obstante, existe una importante limitación para el desarrollo pleno de estos computadores: el ruido (entendido como las perturbaciones generales del entorno).

El ruido provoca la aparición de errores que se propagan cuando se ejecutan algoritmos complejos, socavando así el potencial prometedor de la computación cuántica para revolucionar muchos campos de la ciencia y la tecnología.

Equipos de todo el mundo llevan años trabajando intensamente para superar esta barrera, concentrando sus esfuerzos principalmente en técnicas para la corrección o mitigación de errores, y en el diseño de algoritmos más sencillos que se adapten a las limitaciones.

Ahora, investigadores de la Universidad Autónoma de Madrid (UAM) en España han dado una vuelta de tuerca a la cuestión.

En un reciente estudio han dado con una solución alternativa: usar el ruido para mejorar los resultados de algoritmos cuánticos.

Un nuevo algoritmo realiza predicciones de aprendizaje automático (machine learning, una modalidad de inteligencia artificial) usando sistemas cuánticos con parámetros aleatorios para extraer información útil del sistema estudiado.

De este modo, puede resolver problemas muy diversos, como cálculos químicos cuánticos o predicciones de series temporales, así como ayudar en el descubrimiento de nuevos fármacos.

“La idea detrás del Quantum Reservoir Computing es utilizar el espacio de Hilbert, donde viven los estados cuánticos, para extraer propiedades esenciales de los datos estudiados.

Así, usando propiedades cuánticas como superposición y entrelazamiento, podemos obtener información útil de los datos y proporcionarla a un modelo de aprendizaje automático, el cual hace la predicción final”, detallan Laia Domingo y sus colegas.

El estudio concluye que algunos tipos de ruido, como el llamado “amplitude damping noise”, mejoran la calidad de los resultados del Quantum Reservoir Computing.

Por lo tanto, no solo es innecesario corregir este tipo de ruido, sino que podría ser beneficioso para los cálculos cuánticos.

Sin embargo, otras fuentes de errores, como el “depolarizing noise”, pueden degradar los resultados en todos los casos, por lo que es primordial priorizar su corrección en los computadores cuánticos.

El estudio también proporciona una demostración teórica que ayuda a explicar este fenómeno.

A través del formalismo matemático de las matrices de densidad y los canales cuánticos, los autores del estudio ilustran cómo el ruido “amplitude damping” permite explorar de manera más efectiva el espacio de operadores cuánticos.

Esto facilita la extracción de propiedades más complejas y valiosas de los datos, que luego se utilizan para predecir la variable objetivo.

En suma, el hallazgo hecho por el equipo de Laia Domingo ofrece una nueva perspectiva sobre los mecanismos físicos inherentes en los dispositivos cuánticos.

Además, proporciona sólidas pautas prácticas para lograr una implementación exitosa del procesamiento de información cuántica en la tecnología actual.

Fuente: Scientific Reports