Redes neuronales y computación cuántica
Las redes neuronales clásicas son modelos computacionales inspirados en la estructura neuronal del cerebro. Están diseñadas para reconocer patrones y aprender funciones por medio de capas interconectadas de neuronas artificiales. En la actualidad, se utilizan con mucho éxito para ejecutar tareas tan diversas como el reconocimiento y la clasificación de imágenes y voz, el aprendizaje automático y el análisis de datos masivos. El desarrollo de las redes neuronales clásicas se produjo en paralelo a la evolución de la computación cuántica, un paradigma informático avanzado que aprovecha los principios de la mecánica cuántica para procesar información utilizando cúbits en lugar de bits. Aunque ambas tecnologías se desarrollaron de forma independiente, los científicos no tardaron en detectar posibles sinergias. «La idea es combinar la enorme capacidad de las redes neuronales para procesar información en paralelo con la aceleración que promete la computación cuántica. Con ese objetivo, varias iniciativas han intentado formular versiones cuánticas de las redes neuronales», comenta Markus Müller, profesor en el Centro de Investigación de Jülich(se abrirá en una nueva ventana). Una de ellas es el proyecto QNets, financiado por el Consejo Europeo de Investigación(se abrirá en una nueva ventana). El objetivo era examinar el potencial de las redes neuronales cuánticas como alternativa para lograr un procesamiento escalable de información cuántica. «Por un lado, queríamos entender qué arquitecturas neuronales cuánticas pueden formularse y qué ventajas ofrecen para el procesamiento de la información cuántica desde el punto de vista conceptual», agrega Müller, coordinador del proyecto. «Por otro, tratamos de identificar los elementos físicos necesarios para implementar redes neuronales en las plataformas cuánticas más avanzadas».
Avances en el campo del procesamiento escalable de información cuántica
El proyecto ha dado lugar a numerosos resultados que han contribuido al desarrollo del campo del procesamiento escalable de información cuántica. Por ejemplo, se ha concebido un formalismo para evaluar la capacidad máxima de almacenamiento de redes cuánticas, que permite determinar cuánta información puede almacenarse, como límite superior, en una red neuronal cuántica de un tamaño dado. Los investigadores también estudiaron generalizaciones cuánticas de redes neuronales tipo autocodificador y de autómatas celulares cuánticos, dos modelos representativos de las redes neuronales clásicas y del procesamiento de información. «Demostramos que las generalizaciones cuánticas de estos modelos pueden formularse de manera coherente. Además, es posible entrenar o diseñar cuidadosamente las redes neuronales cuánticas para que desarrollen capacidades de corrección de errores cuánticos emergentes», explica Müller. Otro resultado del proyecto es el desarrollo y aplicación de un nuevo marco, junto con protocolos prácticos, para la corrección autónoma de errores cuánticos y sin mediciones, así como para la computación cuántica en procesadores cuánticos de última generación. «Al cerrar la brecha entre la teoría y el experimento, logramos la primera demostración mundial de computación cuántica universal, tolerante a fallos y sin necesidad de mediciones», comenta Müller.
Estudio del potencial de las redes neuronales cuánticas abiertas
QNets puso de manifiesto el potencial de las redes neuronales cuánticas abiertas como alternativa para el procesamiento escalable de información cuántica, ofreciendo resultados teóricos como demostración conceptual que evidencian la viabilidad de sus nuevas ideas. «Hemos sentado las bases para seguir examinando las redes neuronales cuánticas y el procesamiento de información cuántica sin mediciones. Estoy muy interesado en ver qué planteamientos podrán aplicarse en futuros ordenadores cuánticos escalables», concluye Müller.
