En una nueva investigación, Google DeepMind ha demostrado que su IA puede ayudar a acelerar el desarrollo de computadoras cuánticas – dando un paso más al combinar dos de las tecnologías más disruptivas.
DeepMind trabajó junto con Quantinuum, con sede en el Reino Unido, para resolver un desafío clave en las computadoras cuánticas tolerantes a fallas: reducir el número de puertas T.
Las puertas T son esenciales para implementar una circuito cuántico – una red de puertas que manipula qubits para generar algoritmos. Sin embargo, las puertas T son también las puertas de la red más caras y que consumen más recursos.
Para abordar esto, el equipo desarrolló AlphaTensor-Quantum, una extensión de DeepMind. AlfaTensorel primer sistema de IA que puede descubrir algoritmos eficientes para tareas como multiplicación de matrices.
AlphaTensor-Quantum es un AI modelo que aprovecha la relación entre la optimización del recuento T y la descomposición del tensor, utilizando el aprendizaje por refuerzo profundo.
A diferencia de los enfoques existentes, el modelo puede incorporar conocimientos específicos de dominio sobre la computación cuántica, así como utilizar técnicas de «dispositivo», que implementan puertas alternativas mediante la introducción de qubits y operaciones adicionales. De esta manera, la IA puede reducir significativamente el número de puertas T.
Según los investigadores, AlphaTensor-Quantum supera a los sistemas existentes para la optimización del recuento T y es tan eficiente como las «mejores» soluciones diseñadas por humanos en numerosas aplicaciones. También puede ahorrar «cientos de horas» de investigación al optimizar el proceso de forma totalmente automatizada, afirma el equipo en el papel.
DeepMind y Quantinuum visualizan aplicaciones en química cuántica y campos relacionados, y sugieren que posibles investigaciones futuras podrían centrarse en mejorar la arquitectura de la red neuronal del algoritmo.
Nos comunicamos con Quantinuum para solicitar comentarios y actualizaremos este artículo en consecuencia.