La computación cuántica ha sido aclamada como una tecnología que puede superar a la computación clásica tanto en velocidad como en uso de memoria, lo que potencialmente abre el camino para hacer predicciones de fenómenos físicos que antes no eran posibles.
Muchos ven la llegada de la computación cuántica como un cambio de paradigma respecto de la computación clásica o convencional. Las computadoras convencionales procesan información en forma de bits digitales (0 y 1), mientras que las computadoras cuánticas implementan bits cuánticos (qubits) para almacenar información cuántica en valores entre 0 y 1.
En determinadas condiciones, esta capacidad de procesar y almacenar información en qubits puede utilizarse para diseñar algoritmos cuánticos que superen drásticamente a sus homólogos clásicos. En particular, la capacidad de los cuánticos para almacenar información en valores entre 0 y 1 dificulta que las computadoras clásicas emulen perfectamente las cuánticas.
Sin embargo, las computadoras cuánticas son quisquillosas y tienden a perder información. Además, incluso si se puede evitar la pérdida de información, es difícil traducirla a información clásica, lo cual es necesario para producir un cálculo útil.
Las computadoras clásicas no sufren ninguno de esos dos problemas. Además, los algoritmos clásicos inteligentemente diseñados pueden explotar aún más los desafíos gemelos de la pérdida de información y la traducción para imitar una computadora cuántica con muchos menos recursos de lo que se pensaba anteriormente, como se informó recientemente en un artículo de investigación en la revista PRX Quantum. .
Los resultados de los científicos muestran que la computación clásica se puede reconfigurar para realizar cálculos más rápidos y precisos que los ordenadores cuánticos de última generación.
Este avance se logró con un algoritmo que mantiene solo una parte de la información almacenada en el estado cuántico, y lo suficiente para poder calcular con precisión el resultado final.
"Este trabajo muestra que existen muchas rutas potenciales para mejorar los cálculos, abarcando tanto los enfoques clásicos como los cuánticos", explica Dries Sels, profesor asistente en el Departamento de Física de la Universidad de Nueva York y uno de los autores del artículo. "Además, nuestro trabajo pone de relieve lo difícil que es lograr una ventaja cuántica con un ordenador cuántico propenso a errores."
Al buscar formas de optimizar la computación clásica, Sels y sus colegas de la Fundación Simons se centraron en un tipo de red tensorial que represente fielmente las interacciones entre los qubits. Ese tipo de redes ha sido notoriamente difícil de manejar, pero los avances recientes en el campo ahora permiten optimizar estas redes con herramientas tomadas de la inferencia estadística.
Los autores comparan el trabajo del algoritmo con la compresión de una imagen en un archivo JPEG, lo que permite almacenar imágenes de gran tamaño utilizando menos espacio eliminando información con una pérdida apenas perceptible en la calidad de la imagen.
"Elegir diferentes estructuras para la red tensor corresponde a elegir diferentes formas de compresión, como diferentes formatos para la imagen", dice Joseph Tindall del Instituto Flatiron, quien dirigió el proyecto. "Estamos desarrollando con éxito herramientas para trabajar con una amplia gama de redes tensoriales diferentes. Este trabajo lo refleja y estamos seguros de que pronto elevaremos aún más el listón de la computación cuántica".
Más información: Joseph Tindall et al, Simulación eficiente de red tensorial del experimento Eagle Kicked Ising de IBM, PRX Quantum (2024). DOI:10.1103/PRXQuantum.5.010308
Información de la revista: PRX cuántico
Proporcionado por la Universidad de Nueva York
