El nuevo estudio ayudará a los científicos a comprender y clasificar mejor las fases complejas y exóticas de la materia cuántica.
MADRID, 26 Sep. (EUROPA PRESS) –
Un equipo dirigido por el Instituto Tecnológico de California (Caltech) ha probado matemáticamente cómo métodos clásicos de aprendizaje automático resuelven problemas cuánticos.
Las computadoras cuánticas están diseñadas para imitar lo que sucede en la naturaleza a escalas microscópicas, lo que significa que tienen el poder de comprender mejor el reino cuántico y acelerar el descubrimiento de nuevos materiales, incluidos productos farmacéuticos, productos químicos ecológicos y más. Sin embargo, los expertos dicen que las computadoras cuánticas viables aún están a una década de distancia o más.
"Las computadoras cuánticas son ideales para muchos tipos de problemas de física y ciencia de los materiales", dice en un comunicado el autor principal Hsin-Yuan (Robert) Huang, un estudiante de posgrado que trabaja con John Preskill, profesor de física teórica Richard P. Feynman y Allen V. C. Davis and Lenabelle Davis Presidenta de Liderazgo del Instituto de Ciencia y Tecnología Cuántica (IQIM). "Pero aún no hemos llegado allí y nos sorprendió saber que mientras tanto se pueden usar los métodos clásicos de aprendizaje automático. En última instancia, este documento -publicado en Science- trata de mostrar lo que los humanos pueden aprender sobre el mundo físico".
A niveles microscópicos, el mundo físico se convierte en un lugar increíblemente complejo regido por las leyes de la física cuántica. En este reino, las partículas pueden existir en una superposición de estados, o en dos estados a la vez. Y una superposición de estados puede conducir al entrelazamiento, un fenómeno en el que las partículas se vinculan o correlacionan sin siquiera estar en contacto entre sí. Estos extraños estados y conexiones, que están muy extendidos en los materiales naturales y hechos por el hombre, son muy difíciles de describir matemáticamente.
"Predecir el estado de baja energía de un material es muy difícil", dice Huang. "Hay una gran cantidad de átomos, y están superpuestos y entrelazados. No se puede escribir una ecuación para describirlo todo".
El nuevo estudio es la primera demostración matemática de que el aprendizaje automático clásico se puede utilizar para cerrar la brecha entre nosotros y el mundo cuántico. El aprendizaje automático es un tipo de aplicación informática que imita el cerebro humano para aprender de los datos.
"Somos seres clásicos que vivimos en un mundo cuántico", dice Preskill. "Nuestros cerebros y nuestras computadoras son clásicos, y esto limita nuestra capacidad para interactuar y comprender la realidad cuántica".
Si bien estudios anteriores han demostrado que las aplicaciones de aprendizaje automático tienen la capacidad de resolver algunos problemas cuánticos, estos métodos generalmente funcionan de manera que dificultan que los investigadores aprendan cómo las máquinas llegaron a sus soluciones.
"Normalmente, cuando se trata de aprendizaje automático, no sabes cómo la máquina resolvió el problema. Es una caja negra", dice Huang. "Pero ahora hemos descubierto esencialmente lo que sucede en la caja a través de nuestras simulaciones numéricas". Huang y sus colegas realizaron extensas simulaciones numéricas en colaboración con el Centro de Computación Cuántica de AWS en Caltech, lo que corroboró sus resultados teóricos.
El nuevo estudio ayudará a los científicos a comprender y clasificar mejor las fases complejas y exóticas de la materia cuántica.
"La preocupación era que las personas que crean nuevos estados cuánticos en el laboratorio podrían no ser capaces de entenderlos", explica Preskill. "Pero ahora podemos obtener datos clásicos razonables para explicar lo que está pasando. Las máquinas clásicas no solo nos dan una respuesta como un oráculo, sino que nos guían hacia una comprensión más profunda".
