UU.) demuestran cómo un ordenador cuántico de IBM puede acelerar un tipo específico de tareas de aprendizaje automático llamado coincidencia de características. El equipo afirma que los futuros ordenadores cuánticos deberían facilitar que el aprendizaje automático alcance nuevos niveles de complejidad.
nTal y como se idearon por primera vez hace décadas, los ordenadores cuánticos ofrecían una forma diferente de calcular la información. Al aprovechar la naturaleza extraña y probabilística de la física a escala cuántica o atómica, estas máquinas deberían ser capaces de realizar ciertos tipos de cálculos a velocidades muy superiores a las de cualquier ordenador convencional (ver ¿Qué es un ordenador cuántico?). Existe mucho entusiasmo sobre su potencial en este momento, ya que están a punto de ser prácticos, por fin.
nAl mismo tiempo, debido a que todavía no disponemos de ordenadores cuánticos grandes, no está del todo claro cómo superarán a los superordenadores normales o, en otras palabras, qué es lo que realmente harán (ver Los ordenadores cuánticos ya están aquí. ¿Qué haremos con ellos?).
nLa coincidencia de características es una técnica que convierte los datos en una representación matemática que se puede analizar mediante aprendizaje automático. Pero esto depende de la eficiencia y de la calidad del proceso, así que un ordenador cuántico debería poder ejecutarlo a un nivel imposible hasta la fecha.
nLos investigadores ejecutaron un cálculo simple con un ordenador cuántico de dos cúbits. Como es tan pequeño, no puede demostrar que los ordenadores cuánticos más grandes tendrán una ventaja fundamental sobre los convencionales, aunque sugiere que sí sería posible. Los ordenadores cuánticos más grandes disponibles en la actualidad tienen alrededor de 50 cúbits, aunque no todos se pueden usar para hacer cálculos ya que se deben corregir algunos errores escondidos que surgen a causa de la frágil naturaleza de los bits cuánticos.
nEn un blog, los investigadores de IBM dirigidos por Jay Gambetta, afirman: "Todavía estamos lejos de lograr una ventaja cuántica para el aprendizaje automático. No obstante, los métodos de mapeo de las características que estamos desarrollando pronto serán capaces de clasificar conjuntos de datos mucho más complejos de lo que un ordenador clásico podría manejar. Hemos demostrado un camino prometedor hacia adelante".
nPor su parte, el profesor asistente en el Centro Conjunto de la Información Cuántica y las Ciencias Informáticas de la Universidad de Maryland (EE.UU.) Xiaodi Wu afirma: "Estamos en una etapa en la que no dispondremos de una aplicación práctica para el próximo mes o el próximo año, pero nos encontramos en una muy buena posición para explorar las posibilidades". Y añade que espera que se descubran las aplicaciones prácticas dentro de uno o dos años.
nLa computación cuántica y la inteligencia artificial están muy de moda. Hace apenas un mes, Xanadu, una start-up de computación cuántica con sede en Toronto (Canadá), ideó un enfoque casi idéntico al de los investigadores del MIT-IBM, que la compañía publicó online. La investigadora de aprendizaje automático en Xanadu Maria Schuld cree que el reciente estudio podría ser el comienzo de una serie de trabajos de investigación que combinan las dos palabras de moda: "cuántico" e "IA". "Hay un enorme potencial", concluye ella.
n