IA predice ventaja cuántica: red neuronal pronostica comportamiento del sistema

El modelo de IA predice si una máquina cuántica dada tendrá alguna ventaja cuántica. Se basa en una red neuronal que analiza la estructura de red de un sistema cuántico y aprende gradualmente a predecir su comportamiento. Esto ayudará a los científicos a desarrollar nuevos dispositivos cuánticos eficientes.

IA identifica candidatos para construir computadoras cuánticas

Los paseos cuánticos se han empleado en años recientes para procesar eficientemente información cuántica. Son contrapartes cuánticas de paseos aleatorios clásicos. Puedes visualizar este fenómeno como una partícula viajando en una red específica que subyace a un circuito cuántico.

A diferencia del estado de un caminante clásico, el estado del caminante cuántico puede ser una superposición coherente de varias posiciones. Un dispositivo tendrá ventaja cuántica si una partícula en el circuito del dispositivo exhibe paseo cuántico (de un nodo de red a otro) más rápido que su contraparte clásica.

En este estudio, los investigadores usaron un modelo de aprendizaje automático para identificar tales redes superiores. El modelo distingue entre redes y aprende gradualmente a predecir si una red dada entregará alguna ventaja cuántica. Esto nos da las redes que pueden utilizarse para desarrollar una computadora cuántica eficiente.

Ilustración de IA buscando ventajas cuánticas

Los ejemplos de entrenamiento se generaron simulando la dinámica de paseo aleatorio de partículas clásicas y cuánticas. Cada ejemplo de entrenamiento contenía una matriz de adyacencia y una etiqueta correspondiente ("clásica" o "cuántica").

El equipo de investigación también construyó una herramienta para simplificar el desarrollo de circuitos computacionales basados en algoritmos cuánticos. Podría usarse para investigación en ciencia de materiales y biofotónica.

Paseos cuánticos

Los paseos cuánticos proporcionarán una forma simple (mucho más simple que arquitecturas basadas en qubits y compuertas) de implementar cálculos cuánticos de fenómenos naturales. Por ejemplo, tienen el potencial de describir con precisión la excitación de proteínas fotosensibles como clorofila o rodopsina.

Dado que la proteína es una biomolécula compleja con una estructura similar a una red, determinar el tiempo de paseo cuántico de un nodo de red a otro puede revelar qué ocurre realmente dentro de una molécula: dónde se moverá el electrón y qué tipo de excitación causará.