Investigadores de Google han descubierto una nueva técnica que podría finalmente hacer que la computación cuántica sea práctica en la vida real, utilizando inteligencia artificial para resolver uno de los desafíos más persistentes de la ciencia: estados más estables.


En un artículo de investigación publicado en Nature, los científicos de Google Deepmind explican que su nuevo sistema de IA, AlphaQubit, ha demostrado ser notablemente exitoso en corregir los errores persistentes que han atormentado durante mucho tiempo a las computadoras cuánticas.


"Las computadoras cuánticas tienen el potencial de revolucionar el descubrimiento de fármacos, el diseño de materiales y la física fundamental—eso es, si podemos hacer que funcionen de manera confiable," dice el anuncio de Google. Pero nada es perfecto: los sistemas cuánticos son extraordinariamente frágiles. Incluso la menor interferencia ambiental—desde el calor, la vibración, los campos electromagnéticos, o incluso los rayos cósmicos—puede interrumpir sus delicados estados cuánticos, llevando a errores que hacen que las computaciones sean poco confiables.


Un artículo de investigación de marzo destaca el desafío: las computadoras cuánticas necesitan una tasa de error de solo uno en un billón de operaciones (10^-12) para su uso práctico. Sin embargo, el hardware actual tiene tasas de error entre 10^-3 y 10^-2 por operación, lo que hace que la corrección de errores sea crucial.


"Ciertos problemas, que llevarían a una computadora convencional miles de millones de años para resolver, llevarían a una computadora cuántica solo horas," afirma Google. "Sin embargo, estos nuevos procesadores son más propensos al ruido que los convencionales."


“Si queremos hacer que las computadoras cuánticas sean más confiables, especialmente a gran escala, necesitamos identificar y corregir estos errores con precisión.”


El nuevo sistema de IA de Google, AlphaQubit, quiere abordar este problema. El sistema de IA emplea una arquitectura de red neuronal sofisticada que ha demostrado una precisión sin precedentes en la identificación y corrección de errores cuánticos, mostrando un 6% menos de errores que los mejores métodos anteriores en experimentos a gran escala y un 30% menos de errores que las técnicas tradicionales.


También mantuvo una alta precisión a través de sistemas cuánticos que van desde 17 qubits hasta 241 qubits—lo que sugiere que el enfoque podría escalar a los sistemas más grandes necesarios para la computación cuántica práctica.


Bajo el capó

AlphaQubit emplea un enfoque de dos etapas para lograr su alta precisión.


El sistema primero se entrena con datos de ruido cuántico simulado, aprendiendo patrones generales de errores cuánticos, luego se adapta al hardware cuántico real utilizando una cantidad limitada de datos experimentales.


Este enfoque permite que AlphaQubit maneje efectos complejos de ruido cuántico en el mundo real, incluyendo la interferencia entre qubits, fugas (cuando los qubits salen de sus estados computacionales) y correlaciones sutiles entre diferentes tipos de errores.


Pero no te emociones demasiado; no tendrás una computadora cuántica en tu garaje pronto.


A pesar de su precisión, AlphaQubit aún enfrenta obstáculos significativos antes de su implementación práctica. "Cada verificación de consistencia en un procesador cuántico superconductor rápido se mide un millón de veces cada segundo," señalan los investigadores. "Mientras que AlphaQubit es excelente para identificar errores con precisión, todavía es demasiado lento para corregir errores en un procesador superconductor en tiempo real."


"Entrenar a distancias de código más grandes es más desafiante porque los ejemplos son más complejos, y la eficiencia de muestra parece más baja a mayores distancias," dijo un portavoz de Deepmind a Decrypt, "Es importante porque la tasa de error escala exponencialmente con la distancia de código, por lo que esperamos necesitar resolver distancias más grandes para obtener las tasas de error ultrabajas necesarias para la computación tolerante a fallos en circuitos cuánticos grandes y profundos.


Los investigadores se están enfocando en la optimización de velocidad, escalabilidad e integración como áreas críticas para el desarrollo futuro.


La IA y la computación cuántica forman una relación sinérgica, mejorando el potencial del otro. "Esperamos que la IA/ML y la computación cuántica sigan siendo enfoques complementarios para la computación. La IA puede aplicarse en otras áreas para apoyar el desarrollo de computadoras cuánticas tolerantes a fallos, como la calibración y la compilación o el diseño de algoritmos," dijo el portavoz a Decrypt, "al mismo tiempo, la gente está investigando aplicaciones de ML cuántico para datos cuánticos, y más especulativamente, para algoritmos de ML cuántico en datos clásicos.


Esta convergencia podría representar un punto de inflexión crucial en la ciencia computacional. A medida que las computadoras cuánticas se vuelvan más confiables a través de la corrección de errores asistida por IA, podrían, a su vez, ayudar a desarrollar sistemas de IA más sofisticados, creando un poderoso ciclo de retroalimentación de avance tecnológico.


La era de la computación cuántica práctica, tan prometida pero nunca cumplida, podría estar finalmente más cerca—aunque no lo suficientemente cerca como para comenzar a preocuparnos por un apocalipsis ciborg.


Editado por Sebastián Sinclair