Una de las formas en que las computadoras 'piensan' es analizando las relaciones dentro de grandes conjuntos de datos. Un equipo internacional ha demostrado que las computadoras cuánticas pueden hacer uno de estos análisis más rápido que las computadoras clásicas, para una gama más amplia de tipos de datos de lo que se esperaba previamente.
El 'algoritmo de sistema lineal cuántico' propuesto por el equipo se publica en la edición del 2 de febrero de Cartas de revisión física . En el futuro, podría ayudar a reducir los números en problemas tan variados como el precio de los productos básicos, las redes sociales y las estructuras químicas.
"El algoritmo cuántico anterior de este tipo se aplicaba a un tipo de problema muy específico. Necesitamos una actualización si queremos lograr una velocidad cuántica para otros datos", dice Zhikuan Zhao, autor correspondiente del trabajo.
Eso es exactamente lo que ofrece, en un trabajo conjunto con su colega Anupam Prakash en el Centro de Tecnologías Cuánticas, Universidad Nacional de Singapur, y su colaborador Leonard Wossnig, luego en ETH Zurich y la Universidad de Oxford. Zhao es estudiante de doctorado en Singapur.Universidad de Tecnología y Diseño.
El primer algoritmo de sistema lineal cuántico fue propuesto en 2009 por un grupo diferente de investigadores. Ese algoritmo inició la investigación de formas cuánticas de aprendizaje automático o inteligencia artificial.
Un algoritmo de sistema lineal funciona en una gran matriz de datos. Por ejemplo, un comerciante podría estar tratando de predecir el precio futuro de los bienes. La matriz puede capturar datos históricos sobre movimientos de precios a lo largo del tiempo y datos sobre características que podrían influir en estosprecios, como los tipos de cambio de divisas. El algoritmo calcula qué tan fuertemente se correlaciona cada característica con otra 'invirtiendo' la matriz. Esta información se puede utilizar para extrapolar en el futuro.
"Hay una gran cantidad de cómputo involucrado en el análisis de la matriz. Cuando supera las entradas de 10,000 por 10,000, se vuelve difícil para las computadoras clásicas", explica Zhao. Esto se debe a que el número de pasos computacionales aumenta rápidamente con el númerode elementos en la matriz: cada duplicación del tamaño de la matriz aumenta la longitud del cálculo ocho veces.
El algoritmo de 2009 podría hacer frente mejor a las matrices más grandes, pero solo si los datos que contienen son lo que se conoce como 'dispersos'. En estos casos, existen relaciones limitadas entre los elementos, lo que a menudo no es cierto para los datos del mundo real.
Zhao, Prakash y Wossnig presentan un nuevo algoritmo que es más rápido que las versiones cuánticas clásicas y anteriores, sin restricciones sobre el tipo de datos para el que funciona.
Como guía aproximada, para una matriz de 10,000 cuadrados, el algoritmo clásico tomaría el orden de un billón de pasos computacionales, el primer algoritmo cuántico unos 10,000s de pasos y el nuevo algoritmo cuántico solo 100s de pasos. El algoritmo se basa enUna técnica conocida como estimación cuántica del valor singular.
Ha habido algunas demostraciones de prueba de principio del algoritmo del sistema lineal cuántico anterior en computadoras cuánticas a pequeña escala. Zhao y sus colegas esperan trabajar con un grupo experimental para ejecutar una demostración de prueba de su algoritmotambién quieren hacer un análisis completo del esfuerzo requerido para implementar el algoritmo, verificando qué costos generales pueden existir.
Para mostrar una verdadera ventaja cuántica sobre los algoritmos clásicos, se necesitarán computadoras cuánticas más grandes. Zhao estima que "Tal vez estemos viendo de tres a cinco años en el futuro cuando podamos usar el hardware construido por los experimentadores para hacer una cuántica significativacomputación con aplicación en inteligencia artificial "
Fuente de la historia :
Materiales proporcionados por Centro de Tecnologías Cuánticas en la Universidad Nacional de Singapur . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :