Los ordenadores cuánticos se distinguen por el uso de cúbits, en lugar de bits, lo cual les permite almacenar y procesar una cantidad significativamente mayor de información a velocidades mucho más rápidas. Este avance se logra mediante el aprovechamiento de propiedades cuánticas como la superposición y el entrelazamiento. Sin embargo, una limitación importante para el desarrollo completo de estos ordenadores es el ruido, que provoca la aparición de errores durante la ejecución de algoritmos complejos, limitando su potencial para revolucionar múltiples campos de la ciencia y la tecnología.
Hasta ahora, los investigadores han centrado sus esfuerzos en superar esta barrera mediante técnicas de corrección o mitigación de errores y en el diseño de algoritmos más sencillos que se adapten a las limitaciones impuestas por el ruido. En un giro innovador, un equipo de la Universidad Autónoma de Madrid (UAM) ha propuesto una solución alternativa: utilizar el ruido para mejorar los resultados de algoritmos cuánticos.
En un artículo reciente publicado en la revista Scientific Reports, los investigadores demuestran que el ruido en los ordenadores cuánticos puede ser beneficioso para los resultados del algoritmo conocido como quantum reservoir computing. Laia Domingo, investigadora predoctoral, y Florentino Borondo, profesor de la UAM, junto con Gabriel Carlo de la Comisión Nacional de Energía Atómica de Argentina, lideraron el estudio.
Este algoritmo predice patrones de aprendizaje automático utilizando sistemas cuánticos con parámetros aleatorios para extraer información útil del sistema estudiado. De este modo, puede resolver una variedad de problemas, como cálculos químicos cuánticos y predicciones de series temporales, además de contribuir al descubrimiento de nuevos fármacos.
“La idea detrás del quantum reservoir computing es utilizar el espacio de Hilbert, donde residen los estados cuánticos, para extraer propiedades esenciales de los datos estudiados. Usando propiedades cuánticas como superposición y entrelazamiento, podemos obtener información útil de los datos y proporcionarla a un modelo de aprendizaje automático, el cual hace la predicción final”, explican los autores.
El estudio concluye que algunos tipos de ruido, como el llamado «amplitude damping noise», mejoran la calidad de los resultados del quantum reservoir computing. De este modo, corregir este tipo de ruido no solo sería innecesario sino que podría resultar beneficioso para los cálculos cuánticos. Este hallazgo proporciona una nueva perspectiva sobre los mecanismos físicos inherentes en los dispositivos cuánticos y ofrece sólidas pautas prácticas para una implementación exitosa del procesamiento de información cuántica en la tecnología actual.
Sin embargo, otras fuentes de errores, como el «depolarizing noise», pueden degradar los resultados en todos los casos, por lo que su corrección sigue siendo primordial para el avance de los ordenadores cuánticos.
El estudio también presenta una demostración teórica que ayuda a explicar este fenómeno. A través del formalismo matemático de las matrices de densidad y los canales cuánticos, los autores muestran cómo el ruido de «amplitude damping» permite explorar más efectivamente el espacio de operadores cuánticos. Esto facilita la extracción de propiedades complejas y valiosas de los datos que luego se utilizan para hacer predicciones precisas.
Este avance no solo abre nuevas oportunidades para mejorar la precisión y eficiencia de los algoritmos cuánticos, sino que también redefine la forma en que los científicos perciben y manejan el ruido en la computación cuántica.
