El ruido: un aliado inesperado para la computación cuántica

Los ordenadores cuánticos tienen el potencial de revolucionar múltiples campos, pero están fuertemente limitados por el ruido. Investigadores de la Universidad Autónoma de Madrid (UAM) proponen usar el ruido para mejorar los resultados de algoritmos cuánticos, abriendo así nuevas posibilidades en el desarrollo de la computación cuántica.

Los ordenadores cuánticos se distinguen por el uso de qubits en lugar de bits. Esto les permite almacenar y procesar mucha más información a una velocidad mucho mayor, mediante el aprovechamiento de propiedades cuánticas como la superposición y el entrelazamiento. No obstante, existe una importante limitación para el desarrollo pleno de estos ordenadores: el ruido.

El ruido provoca la aparición de errores que se propagan cuando se ejecutan algoritmos complejos, socavando así el potencial prometedor de la computación cuántica para revolucionar muchos campos de la ciencia y la tecnología.

Equipos de todo el mundo llevan años trabajando intensamente para superar esta barrera, concentrando sus esfuerzos principalmente en técnicas para la corrección o mitigación de errores, y en el diseño de algoritmos más sencillos que se adapten a las limitaciones.

Ahora, investigadores de la Universidad Autónoma de Madrid (UAM) han dado una vuelta de tuerca a la cuestión. En un reciente artículo, publicado en la revista Scientific Reports del grupo Nature, proponen una solución alternativa: usar el ruido para mejorar los resultados de algoritmos cuánticos.

Quantum reservoir computing

Este algoritmo realiza predicciones de aprendizaje automático ( machine learning) usando sistemas cuánticos con parámetros aleatorios para extraer información útil del sistema estudiado. De este modo, puede resolver problemas muy diversos, como cálculos químicos cuánticos o predicciones de series temporales, así como ayudar en el descubrimiento de nuevos fármacos.

"La idea detrás del quantum reservoir computing es utilizar el espacio de Hilbert, donde viven los estados cuánticos, para extraer propiedades esenciales de los datos estudiados. Así, 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", detallan los autores.

Una nueva perspectiva en la computación cuántica

El estudio concluye que algunos tipos de ruido, como el llamado amplitude damping noise, mejoran la calidad de los resultados del quantum reservoir computing. Por lo tanto, no solo es innecesario corregir este tipo de ruido, sino que podría ser beneficioso para los cálculos cuánticos.

Sin embargo, otras fuentes de errores, como el depolarizing noise, pueden degradar los resultados en todos los casos, por lo que es primordial priorizar su corrección en los ordenadores cuánticos.

El estudio también proporciona 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 ilustran cómo el ruido amplitude damping permite explorar de manera más efectiva el espacio de operadores cuánticos. Esto facilita la extracción de propiedades más complejas y valiosas de los datos, que luego se utilizan para predecir la variable objetivo.

En suma, el hallazgo ofrece una nueva perspectiva sobre los mecanismos físicos inherentes en los dispositivos cuánticos. Además, proporciona sólidas pautas prácticas para lograr una implementación exitosa del procesamiento de información cuántica en la tecnología actual.