El motor de un auto de carreras de alta gama necesita todos sus componentes sintonizados y trabajar juntos de manera precisa para ofrecer un rendimiento de alta calidad. Lo mismo puede decirse del procesador dentro de una computadora cuántica, cuyos bits delicados deben ajustarse de la manera correcta antespuede realizar un cálculo. ¿Quién es el mecánico adecuado para este trabajo de ajuste cuántico? Según un equipo que incluye científicos en el Instituto Nacional de Estándares y Tecnología NIST, es una inteligencia artificial, eso es quién.
El trabajo del equipo en el diario Revisión física aplicada describe una forma de enseñarle a una IA a hacer un conjunto interconectado de ajustes a pequeños puntos cuánticos, que se encuentran entre los muchos dispositivos prometedores para crear los bits cuánticos, o "qubits", que formarían los interruptores en el procesador de una computadora cuántica.
Ajustar con precisión los puntos es crucial para transformarlos en qubits que funcionen correctamente, y hasta ahora el trabajo tenía que ser realizado minuciosamente por operadores humanos, lo que requería horas de trabajo para crear incluso un pequeño puñado de qubits para un solo cálculo.
Una computadora cuántica práctica con muchos qubits interactivos requeriría muchos más puntos, y ajustes, de lo que un humano podría manejar, por lo que el logro del equipo podría acercar el procesamiento basado en puntos cuánticos del reino de la teoría a la realidad de ingeniería.
"Los teóricos de la computación cuántica imaginan lo que podrían hacer con cientos o miles de qubits, pero el elefante en la habitación es que en realidad solo podemos hacer que un puñado de ellos trabajen a la vez", dijo Justyna Zwolak, matemática del NIST ".Ahora tenemos un camino para hacer que esto sea real "
Un punto cuántico generalmente contiene electrones confinados a un espacio estrecho en forma de caja en un material semiconductor. Formando las paredes de la caja hay varios electrodos metálicos llamados compuertas sobre la superficie del semiconductor que tienen voltaje eléctrico aplicado a ellos, influyendo en el cuantoposición del punto y número de electrones. Dependiendo de su posición con respecto al punto, las puertas controlan los electrones de diferentes maneras.
Para que los puntos hagan lo que desea, por ejemplo, actuar como un tipo de interruptor lógico qubit u otro, los voltajes de las puertas deben ajustarse a los valores correctos. Esta sintonización se realiza manualmente, midiendo las corrientes que fluyen a través deel sistema de puntos cuánticos, luego cambia un poco los voltajes de las compuertas, luego verifica la corriente nuevamente. Y mientras más puntos y compuertas involucres, más difícil será sintonizarlos todos de manera simultánea para que obtengas qubits que funcionen correctamente juntos.
En resumen, este no es un concierto que cualquier mecánico humano se sentiría mal por perder ante una máquina.
"Por lo general, es un trabajo realizado por un estudiante graduado", dijo el estudiante graduado Tom McJunkin del departamento de física de la Universidad de Wisconsin-Madison y un coautor del artículo. "Podría sintonizar un punto en unas pocas horas, y dospodría tomar un día de perillas giratorias. Podría hacer cuatro, pero no si necesito ir a casa y dormir. A medida que este campo crece, no podemos pasar semanas preparando el sistema, necesitamos sacar al humano delimagen."
Las imágenes, sin embargo, son justo lo que McJunkin estaba acostumbrado a mirar mientras ajustaba los puntos: los datos con los que trabajó venían en forma de imágenes visuales, que el equipo se dio cuenta de que la IA es buena para reconocer. Algoritmos de IA llamados redes neuronales convolucionalesse han convertido en la técnica de referencia para la clasificación automatizada de imágenes, siempre y cuando estén expuestos a muchos ejemplos de lo que necesitan reconocer. Entonces, el equipo de Sandesh Kalantre, bajo la supervisión de Jake Taylor en el Joint Quantum Institute, creó un simulador quegeneraría miles de imágenes de mediciones de puntos cuánticos que podrían alimentar a la IA como ejercicio de entrenamiento.
"Simulamos la configuración de qubit que queremos y la ejecutamos durante la noche, y en la mañana tenemos todos los datos que necesitamos para entrenar a la IA para ajustar el sistema automáticamente", dijo Zwolak. "Y lo diseñamos para que se pueda usar en cualquiersistema basado en puntos cuánticos, no solo el nuestro "
El equipo comenzó pequeño, usando una configuración de dos puntos cuánticos, y verificaron que dentro de ciertas limitaciones su IA entrenada podía ajustar automáticamente el sistema a la configuración que deseaban. No fue perfecto: identificaron varias áreas que necesitabantrabajar para mejorar la confiabilidad del enfoque, y aún no pueden usarlo para sintonizar miles de puntos cuánticos interconectados, pero incluso en esta etapa inicial su poder práctico es innegable, lo que permite que un investigador experto pase un tiempo valioso en otro lugar.
"Es una forma de utilizar el aprendizaje automático para ahorrar mano de obra y, eventualmente, hacer algo que los seres humanos no son buenos para hacer", dijo Zwolak. "Todos podemos reconocer a un gato tridimensional, y eso esbásicamente, lo que es un solo punto con unas pocas puertas sintonizadas adecuadamente. Muchos puntos y puertas son como un gato de 10 dimensiones. Un humano ni siquiera puede ver un gato 10D. Pero podemos entrenar a una IA para que reconozca uno ".
Fuente de la historia :
Materiales proporcionado por Instituto Nacional de Estándares y Tecnología NIST . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :