La presencia de ruido es considerada la mayor limitación para el total desarrollo de los ordenadores cuánticos. Sin embargo, un nuevo estudio muestra que, en ciertos casos, este se puede usar de forma beneficiosa. Los resultados, firmados por Laia Domingo (ICMAT-UAM), se publicaron la semana pasada en Scientific Reports.
Los ordenadores cuánticos tienen el potencial de revolucionar muchos campos de la ciencia y la tecnología, resolviendo problemas que están más allá de las capacidades de los ordenadores clásicos actuales
Los ordenadores cuánticos tienen el potencial de revolucionar muchos campos de la ciencia y la tecnología, resolviendo problemas que están más allá de las capacidades de los ordenadores clásicos actuales. No obstante, la mayor limitación –en la actualidad– para su total desarrollo es la presencia de ruido, que provoca la aparición de errores en los resultados de los cálculos realizados. Un grupo de investigadores, entre ellos Laia Domingo –investigadora predoctoral del Instituto de Ciencias Matemáticas (ICMAT)–, han dado la vuelta a la cuestión, proponiendo usar el ruido cuántico para mejorar los resultados del algoritmo llamado ‘quantum reservoir computing’ (QRC). Este realiza, de forma cuántica, predicciones de aprendizaje automático con redes neuronales, donde la parte que aprende es una red de nodos conectados aleatoriamente.
En un artículo recién publicado en la revista Scientific Reports, Domingo, junto con Florentino Borondo –catedrático de la Universidad Autónoma de Madrid– y Gabriel Carlo –investigador de la Comisión Nacional de Energía Atómica (Argentina)–, demuestran que la presencia de ruido en los ordenadores cuánticos puede ser beneficioso para los resultados del QRC. Este permite resolver problemas muy diversos, como cálculos químicos cuánticos, predicción de series temporales o el descubrimiento de nuevos fármacos.
“En este caso, el ruido permite extraer propiedades útiles de los datos que describen el problema para así hacer predicciones más precisas”, explica Domingo. Para ello, son clave ideas del álgebra lineal compleja. “En concreto, se trata de explorar de forma efectiva un espacio de operadores cuánticos, haciendo uso del ruido”, añade.
Los cúbits se representan utilizando las llamadas matrices de densidad, que capturan la información estadística de los estados cuánticos. “Las transformaciones de los estados cuánticos debidas al efecto del ruido se describen mediante canales cuánticos, que modelan los procesos físicos relacionados con las interacciones entre los cúbits y su entorno”, detalla Borondo.
Hasta el momento, hay muy pocos trabajos en esta dirección. “La mayoría se focalizan en reducir el efecto del ruido”, afirman los autores. Sin embargo, según este nuevo estudio, ciertos tipos de ruido, como el llamado ‘amplitude damping noise’, mejoran la calidad de los resultados, por lo que no habría que preocuparse por reducirlo. Por otro lado, otras fuentes de error, como el denominado ‘depolarizing noise’, empeoran los resultados en todos los casos, y por eso se debe priorizar su corrección en los computadores cuánticos.
De esta manera, “sigue siendo de gran relevancia el desarrollo de técnicas de reducción de errores a posteriori (mitigación de errores), o el diseño de algoritmos más sencillos que se adapten a las limitaciones actuales”, aseguran.
El ruido presente en los computadores cuánticos proviene de la interacción con el entorno, a pesar de que se mantienen a temperaturas muy bajas. Supone una gran dificultad en la construcción y mantenimiento de estos ordenadores, ya que los errores que genera se propagan y multiplican cuando se ejecutan algoritmos complejos, destruyendo así todo el potencial de la computación cuántica.
Referencia
L. Domingo, G. G. Carlo y F. Borondo. Taking advantage of noise in quantum reservoir computing. Sci. Rep. (2023) doi:10.1038/s41598-023-35461-5