Un motor de coche de carreras de alta gama necesita que todos sus componentes estén afinados y trabajen juntos con precisión para ofrecer un rendimiento de máxima calidad. Lo mismo puede decirse del procesador dentro de una computadora cuántica, cuyos delicados bits deben ajustarse de la manera correcta antes de que pueda realizar un cálculo. ¿Quién es el mecánico adecuado para este trabajo de puesta a punto cuántica? Según un equipo que incluye a científicos del Instituto Nacional de Estándares y Tecnología (NIST), es una inteligencia artificial, ese es quien.

El artículo del equipo en la revista Revisión física aplicada describe una forma de enseñar a una IA a realizar un conjunto interconectado de ajustes en pequeños puntos cuánticos, que se encuentran entre los muchos dispositivos prometedores para crear los bits cuánticos, o "qubits, "Eso formaría los interruptores en el procesador de una computadora cuántica.

Ajustar con precisión los puntos es crucial para transformarlos en qubits que funcionen correctamente, y hasta ahora el trabajo tenía que ser realizado minuciosamente por operadores humanos, requiriendo horas de trabajo para crear incluso un pequeño puñado de qubits para un solo cálculo.

Una computadora cuántica práctica con muchos qubits interactuando requeriría muchos más puntos y ajustes de los que un humano podría manejar. por lo que el logro del equipo podría acercar el procesamiento basado en puntos cuánticos del ámbito de la teoría a la realidad diseñada.

"Los teóricos de la computadora cuántica imaginan lo que podrían hacer con cientos o miles de qubits, pero el elefante en la habitación es que en realidad solo podemos hacer que un puñado de ellos funcione a la vez, "dijo Justyna Zwolak, un matemático del NIST. "Ahora tenemos un camino a seguir para hacer esto realidad".

Un punto cuántico normalmente contiene electrones que están confinados a un espacio estrecho en forma de caja en un material semiconductor. Las paredes de la caja forman varios electrodos metálicos (las llamadas puertas) sobre la superficie del semiconductor a los que se les aplica voltaje eléctrico, influyendo en la posición del punto cuántico y el número de electrones. Dependiendo de su posición relativa al punto, las puertas controlan los electrones de diferentes formas.

Para que los puntos hagan lo que quieras:actuar como un tipo de interruptor lógico qubit u otro, por ejemplo, los voltajes de la puerta deben ajustarse a los valores correctos. Esta afinación se realiza manualmente, midiendo las corrientes que fluyen a través del sistema de puntos cuánticos, luego cambiando un poco los voltajes de la puerta, luego verificando la corriente nuevamente. Y cuantos más puntos (y puertas) involucres, Cuanto más difícil sea sintonizarlos todos simultáneamente para obtener qubits que funcionen juntos correctamente.

En breve, este no es un concierto que cualquier mecánico humano se sentiría mal por perder ante una máquina.

"Por lo general, es un trabajo que realiza un estudiante de posgrado, ", dijo el estudiante graduado Tom McJunkin del departamento de física de la Universidad de Wisconsin-Madison y coautor del artículo." Podría ajustar un punto en unas pocas horas, y dos podrían tomarse un día de hacer girar las perillas. Podría hacer cuatro pero no si necesito ir a casa a dormir. A medida que este campo crece, no podemos pasar semanas preparando el sistema; tenemos que sacar al ser humano del cuadro ".

Imágenes, aunque, son justo lo que McJunkin estaba acostumbrado a mirar mientras ajustaba los puntos:los datos con los que trabajaba venían en forma de imágenes visuales, que el equipo se dio cuenta de que la IA es buena para reconocer. Los algoritmos de IA llamados redes neuronales convolucionales se han convertido en la técnica de referencia para la clasificación automatizada de imágenes. siempre que estén expuestos a muchos ejemplos de lo que necesitan reconocer. Así que Sandesh Kalantre del equipo, bajo la supervisión de Jake Taylor en el Joint Quantum Institute, creó un simulador que generaría miles de imágenes de mediciones de puntos cuánticos que podrían alimentar a la IA como un ejercicio de entrenamiento.

"Simulamos la configuración de qubit que queremos y la ejecutamos durante la noche, y por la mañana tenemos todos los datos que necesitamos para entrenar a la IA para que sintonice el sistema automáticamente, ", Dijo Zwolak." Y lo diseñamos para que se pueda utilizar en cualquier sistema basado en puntos cuánticos, no solo el nuestro ".

El equipo empezó pequeño usando una configuración de dos puntos cuánticos, y verificaron que, dentro de ciertas limitaciones, su IA entrenada podía sintonizar automáticamente el sistema a la configuración que deseaban. No fue perfecto, identificaron varias áreas en las que necesitan trabajar para mejorar la confiabilidad del enfoque, y todavía no pueden usarlo para ajustar miles de puntos cuánticos interconectados. Pero incluso en esta etapa temprana, su poder práctico es innegable, permitiendo que un investigador experto pase un tiempo valioso en otra parte.

"Es una forma de utilizar el aprendizaje automático para ahorrar mano de obra, y, eventualmente, hacer algo que los seres humanos no hacen bien, ", Dijo Zwolak." Todos podemos reconocer un gato tridimensional, y eso es básicamente lo que es un solo punto con unas pocas puertas ajustadas correctamente. Muchos puntos y puertas son como un gato de 10 dimensiones. Un humano ni siquiera puede ver un gato 10D. Pero podemos entrenar a una IA para que la reconozca ".

Esta historia se vuelve a publicar por cortesía de NIST. Lea la historia original aquí.