Las computadoras cuánticas de hoy en día tienen un rango computacional pequeño: el chip dentro de su teléfono inteligente contiene miles de millones de transistores, mientras que la computadora cuántica más poderosa contiene unos pocos cientos del equivalente cuántico de un transistor. También son poco fiables. Si ejecuta el mismo cálculo una y otra vez, lo más probable es que produzca respuestas diferentes cada vez.
Pero con su capacidad inherente para considerar muchas posibilidades a la vez, las computadoras cuánticas no necesitan ser muy grandes para abordar algunos problemas computacionales complicados, y el miércoles investigadores de IBM anunciaron que habían desarrollado un método para lidiar con la falta de confiabilidad de una manera que conducir a respuestas fiables y útiles.
«Ce qu’IBM a montré ici est vraiment une étape incroyablement importante dans cette direction pour progresser vers une conception algorithmique quantique sérieuse», a déclaré Dorit Aharonov, professeur d’informatique à l’Université hébraïque de Jérusalem qui n’a pas participé à la investigacion.
Mientras que los investigadores de Google en 2019 afirmaron haber logrado la «supremacía cuántica», una tarea realizada mucho más rápido en una computadora cuántica que en una computadora convencional, los investigadores de IBM afirman haber logrado algo nuevo y más útil, aunque con un nombre más modesto.
“Estamos entrando en esta fase de la computación cuántica que llamo utilidad”, dijo Jay Gambetta, vicepresidente de IBM Quantum. «La era de la utilidad».
Un equipo de científicos de IBM que trabaja para el Dr. Gambetta describió sus hallazgos en un artículo publicado el miércoles en la revista Nature.
Las computadoras de hoy se llaman digitales o clásicas porque manejan bits de información que son 1 o 0, encendidos o apagados. Una computadora cuántica realiza cálculos en bits cuánticos, o qubits, que capturan un estado de información más complejo. Así como un experimento mental del físico Erwin Schrödinger postuló que un gato podría estar tanto en un estado cuántico vivo como muerto, un qubit puede ser 1 y 0 simultáneamente.
Esto permite que las computadoras cuánticas realicen muchos cálculos en un solo paso, mientras que las computadoras digitales tienen que realizar cada cálculo por separado. Al acelerar la computación, las computadoras cuánticas podrían resolver problemas grandes y complejos en áreas como la química y la ciencia de los materiales que hoy en día están fuera del alcance. Las computadoras cuánticas también podrían tener un lado más oscuro al amenazar la privacidad a través de algoritmos que rompen las protecciones utilizadas para las contraseñas y las comunicaciones cifradas.
Cuando los investigadores de Google reclamaron la supremacía en 2019, dijeron que su computadora cuántica realizó un cálculo en 3 minutos y 20 segundos que tomaría alrededor de 10,000 años en una supercomputadora convencional de última generación.
Pero algunos otros investigadores, incluidos los de IBM, rechazaron esa afirmación y dijeron que el problema era artificial. «El experimento de Google, tan impresionante como es, y realmente impresionante, está haciendo algo que no es interesante para ninguna aplicación», dijo el Dr. Aharonov, quien también trabaja como director de estrategia en Qedma, una empresa de computación cuántica.
El cálculo de Google también resultó ser menos impresionante de lo que parecía inicialmente. Un equipo de investigadores chinos pudo lograr el mismo cálculo en una supercomputadora no cuántica en poco más de cinco minutosmucho más rápido que los 10.000 años estimados por el equipo de Google.
Los investigadores de IBM en el nuevo estudio realizaron una tarea diferente, que es de interés para los físicos. Utilizaron un procesador cuántico con 127 qubits para simular el comportamiento de 127 barras magnéticas a escala atómica, lo suficientemente pequeñas como para regirse por las aterradoras reglas de la mecánica cuántica, en un campo magnético. Es un sistema simple conocido como modelo de Ising, que a menudo se usa para estudiar el magnetismo.
Este problema es demasiado complejo para calcular una respuesta precisa incluso en las supercomputadoras más grandes y rápidas.
En la computadora cuántica, el cálculo tomó menos de una milésima de segundo. Cada cálculo cuántico no era confiable (las fluctuaciones en el ruido cuántico inevitablemente se filtran e inducen errores), pero cada cálculo fue rápido, por lo que podría realizarse repetidamente.
De hecho, para muchos cálculos, se agregó deliberadamente ruido adicional, lo que hizo que las respuestas fueran aún menos confiables. Pero al variar la cantidad de ruido, los investigadores pudieron descubrir las características específicas del ruido y sus efectos en cada etapa del cálculo.
«Podemos amplificar el ruido con mucha precisión y luego podemos ejecutar el mismo circuito nuevamente», dijo Abhinav Kandala, jefe de capacidades cuánticas y demostraciones en IBM Quantum y autor del artículo de Nature. «Y una vez que tenemos los resultados de estos diferentes niveles de ruido, podemos extrapolar cuál habría sido el resultado en ausencia de ruido».
Esencialmente, los investigadores pudieron sustraer los efectos del ruido de cálculos cuánticos poco confiables, un proceso que llaman mitigación de errores.
«Tienes que sortear eso inventando formas muy inteligentes de amortiguar el ruido», dijo el Dr. Aharonov. «Y eso es lo que hacen».
En total, la computadora realizó el cálculo 600.000 veces, convergiendo en una respuesta para la magnetización total producida por los imanes de 127 barras.
Pero, ¿cuál fue la calidad de la respuesta?
En busca de ayuda, el equipo de IBM recurrió a físicos de la Universidad de California, Berkeley. Aunque un modelo de Ising con imanes de 127 barras es demasiado grande, con demasiadas configuraciones posibles, para caber en una computadora convencional, los algoritmos clásicos pueden producir respuestas aproximadas, una técnica similar a cómo las imágenes JPEG de compresión descartan datos menos cruciales para reducir el tamaño del archivo. conservando la mayoría de los detalles de la imagen.
Michael Zaletel, profesor de física de Berkeley y autor del artículo de Nature, dijo que cuando comenzó a trabajar con IBM pensó que sus algoritmos clásicos funcionarían mejor que los cuánticos.
“Resultó un poco diferente de lo que esperaba”, dijo el Dr. Zaletel.
Algunas configuraciones del modelo de Ising se pueden resolver con exactitud, y los algoritmos clásicos y cuánticos concuerdan en los ejemplos más simples. Para instancias más complejas pero solucionables, los algoritmos cuántico y clásico produjeron respuestas diferentes, y fue el algoritmo cuántico el correcto.
Entonces, para otros casos en los que los cálculos cuánticos y clásicos han divergido y no se conoce una solución exacta, «hay razones para creer que el resultado cuántico es más preciso», dijo Sajant Anand, un estudiante graduado en Berkeley que hizo gran parte del trabajo sobre aproximaciones clásicas.
No está claro que la computación cuántica sea la clara vencedora de las técnicas clásicas para el modelo de Ising.
Actualmente, Anand está tratando de agregar una versión de mitigación de errores para el algoritmo clásico, y es posible que esto pueda igualar o superar el rendimiento de los cálculos cuánticos.
«No está claro que hayan logrado la supremacía cuántica aquí», dijo el Dr. Zaletel.
A largo plazo, los científicos cuánticos esperan un enfoque diferente, la corrección de errores, para poder detectar y corregir errores de cálculo, lo que abrirá la puerta para que las computadoras cuánticas aceleren muchos usos.
La corrección de errores ya se utiliza en las computadoras convencionales y en la transmisión de datos para corregir errores. Pero para las computadoras cuánticas, es probable que la corrección de errores esté a años de distancia, lo que requiere mejores procesadores que puedan procesar muchos más qubits.
La mitigación de errores, según los científicos de IBM, es una solución provisional que se puede utilizar ahora para problemas cada vez más complejos más allá del modelo de Ising.
«Es uno de los problemas de ciencias naturales más simples que existen», dijo el Dr. Gambetta. “Así que es un buen punto de partida. Pero ahora la pregunta es ¿cómo generalizarlo y pasar a problemas de ciencias naturales más interesantes? »
Estos podrían incluir la determinación de las propiedades de materiales exóticos, la aceleración del descubrimiento de fármacos y el modelado de reacciones de fusión.
.jpg "envíos internacionales")
.jpg "transporte de mercancía")
