Incluso las formas de vida más simples enfrentan un aluvión interminable de decisiones:dónde buscar sustento, por ejemplo, o cómo evitar a los depredadores. Varios modelos matemáticos pueden imitar estos procesos de toma de decisiones, llegando a las mismas conclusiones a las que podría llegar un organismo vivo. Uno de estos modelos, conocida como la regla softmax, ofrece la aproximación más cercana a un humano que intenta maximizar sus ganancias de un banco de máquinas tragamonedas.

Masahiko Hara del RIKEN Global Research Cluster, en colaboración con Song-Ju Kim del Instituto Nacional de Ciencia de Materiales de Japón y otros investigadores, ahora ha desarrollado un modelo teórico basado en puntos cuánticos que supera la regla softmax en la selección de máquinas tragamonedas.

Los puntos cuánticos son pequeños fragmentos de materia de apenas nanómetros de tamaño. El modelo desarrollado por el equipo de investigación simula la selección entre dos máquinas tragamonedas utilizando cinco de estos puntos dispuestos en una línea:un punto pequeño en el medio y un par de puntos medianos y grandes a cada lado que representan cada una de las dos máquinas tragamonedas. Cada máquina tiene una probabilidad diferente de ganar el premio mayor.

El sistema elige qué máquina tragamonedas jugar al emitir una 'luz de control' en el gran punto cuántico a la izquierda o a la derecha. La máquina tragamonedas se 'juega' al encender una segunda luz en el pequeño punto en el centro. Esto desencadena una excitación cuántica que se comparte con el punto cuántico medio en la máquina elegida. El punto medio emite esta energía en forma de luz, indicando qué máquina jugar a continuación.

Después de cada jugada, la luz de control se mueve ligeramente hacia la máquina ganadora. Al ajustar la intensidad de la luz de esta manera, el sistema pronto se establece en un equilibrio óptimo entre las dos máquinas. Si una máquina tuviera cuatro veces más probabilidades de "pagar" que la otra, el sistema podría ganar más del 98 por ciento de sus juegos en 200 intentos. Si las probabilidades de pago de las máquinas cambian, el sistema de puntos cuánticos también se adapta y lo hace más rápidamente que la regla softmax. Por lo tanto, el sistema representa un dispositivo a nanoescala que puede tomar decisiones de manera eficiente y adaptativa mediante la explotación de las propiedades ópticas intrínsecas de los puntos cuánticos.

El sistema de transferencia de energía óptica del modelo ya se ha utilizado en sistemas de puntos cuánticos, dice Hara, y el equipo ahora está tratando de construir una versión funcional de su tomador de decisiones. Hara señala que estos sistemas pueden ofrecer una forma extremadamente eficiente de tomar decisiones en tareas de prueba y error.