Cada dos segundos Los sensores que miden la red eléctrica de los Estados Unidos recopilan 3 petabytes de datos, el equivalente a 3 millones de gigabytes. El análisis de datos a esa escala es un desafío cuando la información crucial se almacena en una base de datos inaccesible.

Pero los investigadores de la Universidad de Purdue están trabajando en una solución, combinando algoritmos cuánticos con computación clásica en computadoras cuánticas a pequeña escala para acelerar la accesibilidad a la base de datos. Están utilizando datos de los sensores de los laboratorios nacionales del Departamento de Energía de EE. UU. llamadas unidades de medida fasorial, que recopilan información en la red eléctrica sobre voltajes, corrientes y generación de energía. Debido a que estos valores pueden variar, Mantener la red eléctrica estable implica monitorear continuamente los sensores.

Saber Kais, profesor de física química e investigador principal, liderará el esfuerzo por desarrollar nuevos algoritmos cuánticos para calcular la gran cantidad de datos generados por la red eléctrica.

"Los algoritmos no cuánticos que se utilizan para analizar los datos pueden predecir el estado de la cuadrícula, pero a medida que se despliegan más y más unidades de medida fasorial en la red eléctrica, necesitamos algoritmos más rápidos, "dijo Alex Pothen, profesor de informática y co-investigador del proyecto. "Los algoritmos cuánticos para el análisis de datos tienen el potencial de acelerar los cálculos sustancialmente en un sentido teórico, pero quedan grandes desafíos para lograr computadoras cuánticas que puedan procesar cantidades tan grandes de datos ".

El método del equipo de investigación tiene potencial para una serie de aplicaciones prácticas, como ayudar a las industrias a optimizar su cadena de suministro y la gestión logística. También podría conducir al descubrimiento de nuevos productos químicos y materiales utilizando una red neuronal artificial conocida como máquina cuántica de Boltzmann. Este tipo de red neuronal se utiliza para el aprendizaje automático y el análisis de datos.

"Ya hemos desarrollado un algoritmo cuántico híbrido que emplea una máquina cuántica de Boltzmann para obtener cálculos de estructura electrónica precisos, ", Dijo Kais." Tenemos una prueba de concepto que muestra resultados para sistemas moleculares pequeños, lo que nos permitirá seleccionar moléculas y acelerar el descubrimiento de nuevos materiales ".

Un artículo que describe estos resultados se publicó el miércoles en la revista. Comunicaciones de la naturaleza .

Se han utilizado algoritmos de aprendizaje automático para calcular las propiedades electrónicas aproximadas de millones de moléculas pequeñas, pero navegar por estos sistemas moleculares es un desafío para los físicos químicos. Kais y el co-investigador Yong Chen, director del Purdue Quantum Center y profesor de física y astronomía y de ingeniería eléctrica e informática, confían en que su algoritmo de aprendizaje automático cuántico podría solucionar este problema.

Sus algoritmos también podrían usarse para optimizar granjas solares. La vida útil de una granja solar varía según el clima, ya que las células solares se degradan cada año por el clima, según Muhammad Alam, profesor de ingeniería eléctrica e informática y co-investigador del proyecto. El uso de algoritmos cuánticos facilitaría la determinación de la vida útil de las granjas solares y otras tecnologías de energía sostenible para una ubicación geográfica determinada y podría ayudar a que las tecnologías solares sean más eficientes.

Adicionalmente, El equipo espera poner en marcha un centro de investigación colaborativa entre la industria y la universidad (IUCRC) financiado con fondos externos para promover más investigaciones en el aprendizaje automático cuántico para el análisis y la optimización de datos. Los beneficios de un IUCRC incluyen el apalancamiento de asociaciones académicas-corporativas, expandiendo la investigación de la ciencia de los materiales, y actuar sobre los incentivos del mercado. Es necesario realizar más investigaciones en el aprendizaje de la máquina cuántica para el análisis de datos antes de que pueda ser útil para las industrias para su aplicación práctica. Chen dijo:y una IUCRC lograría un progreso tangible.

"Estamos cerca de desarrollar los algoritmos clásicos para este análisis de datos, y esperamos que se utilicen ampliamente, "Pothen dijo." Los algoritmos cuánticos son de alto riesgo, investigación de alta recompensa, y es difícil predecir en qué marco de tiempo estos algoritmos encontrarán un uso práctico ".

El proyecto de investigación del equipo fue uno de los ocho seleccionados por la Iniciativa Integrativa de Ciencia de Datos de Purdue para ser financiado por un período de dos años. La iniciativa fomentará la colaboración interdisciplinaria y se basará en las fortalezas de Purdue para posicionar a la universidad como líder en investigación de ciencia de datos y se centrará en una de cuatro áreas:atención médica; defensa; ética, sociedad y política; fundamentos, métodos, y algoritmos. Los ejes de investigación de la Iniciativa Integrativa de Ciencia de Datos están alojados en Discovery Park de Purdue.

"Este es un momento emocionante para combinar el aprendizaje automático con la computación cuántica, ", Dijo Kais." Recientemente se ha logrado un progreso impresionante en la construcción de computadoras cuánticas, y las técnicas de aprendizaje automático cuántico se convertirán en herramientas poderosas para encontrar nuevos patrones en big data ".