Las mismas técnicas utilizadas para entrenar automóviles autónomos y computadoras que juegan al ajedrez ahora están ayudando a los físicos a explorar las complejidades del mundo cuántico.

Por primera vez, Los físicos han demostrado que el aprendizaje automático puede reconstruir un sistema cuántico basándose en relativamente pocas mediciones experimentales. Este método permitirá a los científicos sondear a fondo sistemas de partículas exponencialmente más rápido que los convencionales. técnicas de fuerza bruta. Los sistemas complejos que requerirían miles de años para reconstruirse con métodos anteriores podrían analizarse por completo en cuestión de horas.

La investigación beneficiará el desarrollo de computadoras cuánticas y otras aplicaciones de la mecánica cuántica, los investigadores informan el 26 de febrero en Física de la naturaleza .

"Hemos demostrado que la inteligencia artificial puede capturar la esencia de un sistema cuántico de forma compacta, "dice el coautor del estudio Giuseppe Carleo, científico investigador asociado en el Centro de Física Cuántica Computacional del Instituto Flatiron en la ciudad de Nueva York. "Ahora podemos ampliar efectivamente las capacidades de los experimentos".

Carleo, quien realizó la investigación mientras era profesor en ETH Zurich, se inspiró en AlphaGo. Este programa informático utilizó el aprendizaje automático para superar al campeón mundial del juego de mesa chino Go en 2016. "AlphaGo fue realmente impresionante, " él dice, "así que empezamos a preguntarnos cómo podríamos usar esas ideas en física cuántica".

Los sistemas de partículas como los electrones pueden existir en muchas configuraciones diferentes, cada uno con una probabilidad particular de ocurrir. Cada electrón, por ejemplo, puede tener un giro hacia arriba o hacia abajo, similar al gato de Schrödinger estando vivo o muerto en el famoso experimento mental. En el reino cuántico Los sistemas no observados no existen como ninguno de estos arreglos. En lugar de, se puede pensar que el sistema está en todas las configuraciones posibles simultáneamente.

Cuando se mide, el sistema colapsa en una sola configuración, al igual que el gato de Schrödinger está vivo o muerto una vez que abres su caja. Esta peculiaridad de la mecánica cuántica significa que nunca se puede observar toda la complejidad de un sistema en un solo experimento. En lugar de, los experimentadores realizan las mismas mediciones una y otra vez hasta que pueden determinar el estado de todo el sistema.

Ese método funciona bien para sistemas simples que contienen solo unas pocas partículas. Pero "las cosas se ponen feas con muchas partículas, "Dice Carleo. A medida que aumenta el número de partículas, la complejidad se dispara. Si solo se considera que cada electrón puede tener un giro hacia arriba o hacia abajo, un sistema de cinco electrones tiene 32 configuraciones posibles. Un sistema de 100 electrones tiene más de 1 millón de billones de billones.

El entrelazamiento de partículas complica aún más las cosas. A través del entrelazamiento cuántico, las partículas independientes se entrelazan y ya no pueden ser tratadas como entidades puramente separadas incluso cuando están físicamente separadas. Este entrelazamiento altera la probabilidad de diferentes configuraciones.

Métodos convencionales, por lo tanto, simplemente no son factibles para sistemas cuánticos complejos.

Giacomo Torlai de la Universidad de Waterloo y del Perimeter Institute en Canadá, Carleo y sus colegas sortearon estas limitaciones aprovechando las técnicas de aprendizaje automático. Los investigadores alimentaron mediciones experimentales de un sistema cuántico a una herramienta de software basada en redes neuronales artificiales. El software aprende con el tiempo e intenta imitar el comportamiento del sistema. Una vez que el software ingiere suficientes datos, puede reconstruir con precisión el sistema cuántico completo.

Los investigadores probaron el software utilizando conjuntos de datos experimentales simulados basados ​​en diferentes sistemas cuánticos de muestra. En estas pruebas, el software superó con creces los métodos convencionales. Por ocho electrones, cada uno con giro hacia arriba o hacia abajo, el software podría reconstruir con precisión el sistema con solo alrededor de 100 mediciones. Para comparacion, un método convencional de fuerza bruta requería casi 1 millón de mediciones para alcanzar el mismo nivel de precisión. La nueva técnica también puede manejar sistemas mucho más grandes. Sucesivamente, esta capacidad puede ayudar a los científicos a validar que una computadora cuántica está configurada correctamente y que cualquier software cuántico funcionaría según lo previsto, sugieren los investigadores.

Capturar la esencia de sistemas cuánticos complejos con redes neuronales artificiales compactas tiene otras consecuencias de gran alcance. El codirector del Centro de Física Cuántica Computacional, Andrew Millis, señala que las ideas proporcionan un nuevo enfoque importante para el desarrollo continuo del centro de métodos novedosos para comprender el comportamiento de los sistemas cuánticos en interacción. y conectarse con el trabajo en otros enfoques de aprendizaje automático inspirados en la física cuántica.

Además de las aplicaciones a la investigación fundamental, Carleo dice que las lecciones que el equipo aprendió al combinar el aprendizaje automático con ideas de la física cuántica también podrían mejorar las aplicaciones de propósito general de la inteligencia artificial. "Podríamos utilizar los métodos que desarrollamos aquí en otros contextos, ", dice." Algún día podríamos tener un automóvil autónomo inspirado en la mecánica cuántica, quién sabe."