Los modelos informáticos de sistemas como el flujo de tráfico de una ciudad o la activación neuronal en el cerebro tienden a consumir mucha memoria. Pero un nuevo enfoque con simuladores cuánticos podría reducir significativamente el uso de la memoria al adoptar un enfoque cuántico del tiempo. El único costo es un registro disminuido del pasado.

La sugerencia proviene de los investigadores Mile Gu y Thomas Elliott en Singapur, que describen su propuesta en un artículo publicado el 1 de marzo en npj Información cuántica . Gu trabaja en el Centro de Tecnologías Cuánticas y la Universidad Tecnológica de Nanyang (NTU) en Singapur, y Elliott está en NTU.

Para realizar una simulación, una computadora clásica debe reducir el tiempo en pasos discretos. Gu hace una analogía con una forma antigua de medir el tiempo:el reloj de arena. "Si se acerca un reloj de arena, se pueden ver los granos individuales de arena cayendo uno por uno. Es un flujo granular, "dice Gu.

Así como el reloj de arena necesita arena más fina para realizar una medición más precisa del tiempo, una computadora necesita pasos de tiempo más precisos para realizar simulaciones más precisas. De hecho, lo ideal sería simular el tiempo de forma continua porque, según nuestras mejores observaciones, el tiempo parece ser continuo. Pero eso implica que una simulación clásica verdaderamente precisa necesitaría una memoria infinita para ejecutar dicho programa.

Si bien eso es imposible con una computadora clásica, los efectos cuánticos proporcionan una solución alternativa. "Con un simulador cuántico, puede evitar la compensación de precisión versus almacenamiento que tiene que sufrir con un dispositivo clásico, "explica Elliott.

Para explicar cómo funciona, imagina que necesitas coger un autobús. Si llega a la parada justo a tiempo para ver salir un autobús, ahora espera que el próximo autobús tarde más en llegar que si no hubiera visto salir uno. Eso es porque la probabilidad de que venga un autobús no siempre es constante, pero depende de cuánto tiempo haya pasado desde el último autobús.

Para simular procesos similares donde la probabilidad cambia con el tiempo, una computadora normal calcula los resultados en intervalos de tiempo establecidos. Que podría, por ejemplo, dividir las probabilidades de los tiempos de llegada del autobús en intervalos de 30 segundos, actualizando esas probabilidades después de cada intervalo dependiendo de si un autobús llegó (o no). Para ser más precisos sobre cuándo llegará un autobús, o para modelar con precisión más grande, redes de tráfico más complicadas, necesita pasos de tiempo más pequeños y, por lo tanto, más memoria.

En este enfoque clásico, uno hace predicciones contando cuánto tiempo ha pasado desde el autobús anterior. Esto parece lógico y resulta ser el mejor método clásico. Física cuántica, sin embargo, permite un enfoque completamente diferente.

Un simulador cuántico puede estar en muchos estados diferentes al mismo tiempo, cada uno con su propia probabilidad de realizarse. Este es un fenómeno conocido como superposición cuántica. La propuesta de Gu y Elliott es codificar la distribución de probabilidad temporal para el evento que quieren simular en la ponderación de probabilidad de los diferentes estados. Si la superposición se crea en una propiedad como la posición de una partícula, que puede en sí mismo evolucionar continuamente, El tiempo también se puede rastrear continuamente. Por lo tanto, es posible descartar cierta información sobre el tiempo transcurrido, logrando una eficiencia de memoria superior, sin sacrificar la precisión predictiva.

La ganancia se obtiene a costa de perder el conocimiento del pasado. El tiempo transcurrido - un registro del pasado, en otras palabras, no se puede recuperar exactamente de la superposición, pero no obstante, se conserva toda la capacidad de pronóstico.

"Por último, al hacer predicciones no nos importa lo que ya hemos visto. Bastante, solo nos preocupamos por lo que estas observaciones nos dicen sobre lo que esperamos ver a continuación. La física cuántica nos permite aislar esta información de manera eficiente ", dice Elliott.