Adivinando el futuro cuántico con aprendizaje automático

Científicos de la Universidad de Sydney (Australia) han demostrado que se puede "ver" el futuro de los sistemas cuánticos y han utilizado ese conocimiento para evitar la desintegración de dichos sistemas. Aseguran que su logro podría ayudar a hacer realidad las tecnologías cuánticas.

Las aplicaciones de las tecnologías con capacidad cuántica tendrían impactos significativos, especialmente en el ámbito de la detección. Además, existe la posibilidad de fabricar computadoras cuánticas excepcionalmente potentes usando bits cuánticos, o qubits, esfuerzo en el que están invirtiendo las compañías más grandes del mundo.

Sin embargo, un obstáculo significativo para la fabricación de tecnologías cuánticas fiables ha sido la llamada decoherencia cuántica o cómo un sistema físico, bajo ciertas condiciones específicas, deja de exhibir efectos cuánticos y pasa a exhibir un comportamiento típicamente clásico, lo que anula sus características cuánticas aprovechables. Esta decoherencia es fruto del azar.

Diferencia con los sistemas clásicos

En los sistemas clásicos, la cosa es más sencilla: Por ejemplo, si queremos predecir dónde caerá una pelota de tenis, bastará con observar la bola aerotransportada. Dado que esta seguirá reglas regulares y conocidas -como la gravedad-, la previsión es posible.  Pero en física cuántica las reglas cambian aleatoriamente. Por tanto, no se puede predecir qué ocurrirá.

Sin embargo, justo esto es lo que hay que hacer porque, si se quiere aprovechar las características de estos sistemas, hay que adivinar cuando se va a producir su decoherencia.

Solución encontrada

Parece ser que los físicos de la Universidad de Sidney han dado un salto importante para esquivar este obstáculo.

Lo que han hecho ha sido utilizar técnicas de big data (almacenamiento de grandes cantidades de datos y procedimientos usados para encontrar patrones repetitivos en ellos) para predecir cómo cambiarían los sistemas cuánticos y así poder evitar que la decoherencia de estos sistemas se produzca por sorpresa.

En concreto, el equipo recurrió al aprendizaje automático (que se utiliza para que los ordenadores aprendan, a partir del suministro de información sobre comportamientos) para analizar sistemas cuánticos de qubits.
 
Este análisis permitió establecer que lo que podría un comportamiento aleatorio realmente contenía suficiente información como para que un programa de ordenador adivine cómo cambiaría el sistema en el futuro.

A partir de ahí, se podría entonces predecir el futuro del sistema cuántico sin observación directa, lo cual de otro modo eliminaría las características útiles de estos sistemas.

Además, las predicciones realizadas fueron notablemente precisas, lo que permitió al equipo usar sus conjeturas para compensar anticipadamente los cambios. Esto se tradujo en la posibilidad de extender la vida útil de los qubits, algo crucial, pues la capacidad de controlar y estabilizar los qubits puede hacer útiles las aplicaciones cuánticas.

Los investigadores afirman que la técnica empleada podría aplicarse a cualquier qubit de cualquier tecnología, incluyendo los circuitos superconductores especiales utilizados por las grandes corporaciones.

Referencia bibliográfica:

Sandeep Mavadia, Virginia Frey, Jarrah Sastrawan, Stephen Dona, Michael J. Biercuk. Prediction and real-time compensation of qubit decoherence via machine learning. Nature Communications (2017). DOI: 10.1038/NCOMMS14106.