Dos físicos, de la EPFL y la Universidad de Columbia, han introducido un enfoque para simular el algoritmo de optimización aproximada cuántica utilizando una computadora tradicional.
En lugar de ejecutar el algoritmo en procesadores cuánticos avanzados, el nuevo enfoque utiliza un algoritmo clásico de aprendizaje automático que imita de cerca el comportamiento de las computadoras cuánticas a corto plazo.
En un artículo publicado en Nature Quantum Information, el profesor de EPFL Giuseppe Carleo y Matija Medvidovic, estudiante de posgrado en la Universidad de Columbia y en el Instituto Flatiron de Nueva York, han encontrado una manera de ejecutar un algoritmo complejo de computación cuántica en computadoras tradicionales en lugar de en computadoras cuánticas.
El «software cuántico» específico que están considerando se conoce como algoritmo de optimización aproximada cuántica (QAOA) y se utiliza para resolver problemas de optimización clásicos en matemáticas; es esencialmente una forma de elegir la mejor solución a un problema entre un conjunto de posibles soluciones. «Hay mucho interés en comprender qué problemas pueden resolverse de manera eficiente con una computadora cuántica, y QAOA es uno de los candidatos más destacados», dice Carleo.
En última instancia, QAOA está destinado a ayudarnos en el camino hacia la famosa «aceleración cuántica», el aumento previsto en la velocidad de procesamiento que podemos lograr con las computadoras cuánticas en lugar de las convencionales.
Según un comunicado de la EPFL es comprensible que QAOA tenga varios defensores, incluido Google, que tienen la mira puesta en las tecnologías cuánticas y la computación en un futuro cercano: en 2019 crearon Sycamore, un procesador cuántico de 53 qubits, y lo usaron para ejecutar una tarea que una supercomputadora clásica de última generación tardaría unos 10.000 años en completarse. Sycamore ejecutó la misma tarea en 200 segundos.
«Pero la barrera de la ‘aceleración cuántica’ es casi rígida y está siendo remodelada continuamente por nuevas investigaciones, también gracias al progreso en el desarrollo de algoritmos clásicos más eficientes», dice Carleo.
En su estudio, Carleo y Medvidovic abordan una pregunta clave abierta en el campo: ¿pueden los algoritmos que se ejecutan en computadoras cuánticas actuales y de corto plazo ofrecer una ventaja significativa sobre los algoritmos clásicos para tareas de interés práctico? «Si vamos a responder a esa pregunta, primero debemos comprender los límites de la computación clásica en la simulación de sistemas cuánticos», dice Carleo. Esto es especialmente importante ya que la generación actual de procesadores cuánticos opera en un régimen en el que cometen errores al ejecutar «software» cuántico y, por lo tanto, solo pueden ejecutar algoritmos de complejidad limitada.
Usando computadoras convencionales, los dos investigadores desarrollaron un método que puede simular aproximadamente el comportamiento de una clase especial de algoritmos conocidos como algoritmos cuánticos variacionales, que son formas de calcular el estado de energía más bajo o «estado fundamental» de un sistema cuántico. QAOA es un ejemplo importante de tal familia de algoritmos cuánticos, que los investigadores creen que se encuentran entre los candidatos más prometedores para la «ventaja cuántica» en las computadoras cuánticas a corto plazo.
El enfoque se basa en la idea de que las herramientas modernas de aprendizaje automático; por ejemplo, los que se usan para aprender juegos complejos como Go, también se pueden usar para aprender y emular el funcionamiento interno de una computadora cuántica. La herramienta clave para estas simulaciones son Neural Network Quantum States, una red neuronal artificial que Carleo desarrolló en 2016 con Matthias Troyer, y que ahora se utilizó por primera vez para simular QAOA. Los resultados se consideran competencia de la computación cuántica y establecen un nuevo punto de referencia para el desarrollo futuro del hardware cuántico.
«Nuestro trabajo muestra que el QAOA que se puede ejecutar en computadoras cuánticas actuales y de corto plazo se puede simular, con buena precisión, también en una computadora clásica», dice Carleo. «Sin embargo, esto no significa que todos los algoritmos cuánticos útiles que se pueden ejecutar en procesadores cuánticos a corto plazo puedan emularse de manera clásica. De hecho, esperamos que nuestro enfoque sirva como guía para diseñar nuevos algoritmos cuánticos que sean útiles y difíciles de simular para computadoras clásicas».
