La capacidad de procesar datos cuánticos directamente con un dispositivo cuántico (derecha) permite resolver aspectos de nuestro universo exponencialmente más rápido que pasar por un intermedio clásico (izquierda). Esto puede permitirnos descubrir nuevos fenómenos físicos que habrían sido prácticamente invisibles sin dicha tecnología. Crédito:Google Quantum AI Hook
Un equipo de investigadores afiliados a múltiples instituciones en los EE. UU., incluido Google Quantum AI, y un colega en Australia, desarrollaron una teoría que sugiere que las computadoras cuánticas deberían ser exponencialmente más rápidas en algunas tareas de aprendizaje que las máquinas clásicas. En su artículo publicado en la revista Science , el grupo describe su teoría y los resultados cuando se prueban en la computadora cuántica Sycamore de Google. Vedran Dunjko de Leiden University City ha publicado un artículo de Perspective en la misma edición de la revista que describe la idea detrás de combinar la computación cuántica con el aprendizaje automático para proporcionar un nuevo nivel de sistemas de aprendizaje basados en computadora.
El aprendizaje automático es un sistema mediante el cual las computadoras entrenadas con conjuntos de datos hacen conjeturas informadas sobre nuevos datos. Y la computación cuántica implica el uso de partículas subatómicas para representar qubits como un medio para realizar aplicaciones mucho más rápido de lo que es posible con las computadoras clásicas. En este nuevo esfuerzo, los investigadores consideraron la idea de ejecutar aplicaciones de aprendizaje automático en computadoras cuánticas, posiblemente haciéndolas mejores en el aprendizaje y, por lo tanto, más útiles.
Para averiguar si la idea podría ser posible y, lo que es más importante, si los resultados serían mejores que los logrados en las computadoras clásicas, los investigadores plantearon el problema de una manera novedosa:idearon una tarea de aprendizaje automático que aprendería a través de experimentos repetidos muchas veces. veces más Luego desarrollaron teorías que describen cómo se podría usar un sistema cuántico para realizar tales experimentos y aprender de ellos. Descubrieron que podían demostrar que una computadora cuántica podía hacerlo y que podía hacerlo mucho mejor que un sistema clásico. De hecho, encontraron una reducción en la cantidad requerida de experimentos necesarios para aprender un concepto cuatro órdenes de magnitud más bajos que para los sistemas clásicos. Luego, los investigadores construyeron un sistema de este tipo y lo probaron en la computadora cuántica Sycamore de Google y confirmaron su teoría.
El trabajo sugiere que si alguna vez se desarrolla una computadora cuántica utilizable, podría ser capaz de aprender cosas nuevas en una escala casi inimaginable.
© 2022 Red Ciencia X El entrelazamiento desbloquea el escalado para el aprendizaje automático cuántico
