Las mismas técnicas utilizadas para entrenar autos autónomos y computadoras de ajedrez ahora están ayudando a los físicos a explorar las complejidades del mundo cuántico.
Por primera vez, los físicos han demostrado que el aprendizaje automático puede reconstruir un sistema cuántico basado en relativamente pocas mediciones experimentales. Este método permitirá a los científicos sondear a fondo sistemas de partículas exponencialmente más rápido que las técnicas convencionales de fuerza bruta. Sistemas complejos que podríanrequerir miles de años para reconstruir con métodos anteriores podría analizarse completamente en cuestión de horas.
La investigación beneficiará el desarrollo de computadoras cuánticas y otras aplicaciones de la mecánica cuántica, informan los investigadores el 26 de febrero Física de la naturaleza .
"Hemos demostrado que la inteligencia artificial puede capturar la esencia de un sistema cuántico de una manera compacta", dice el coautor del estudio Giuseppe Carleo, científico investigador asociado del Centro de Física Cuántica Computacional del Instituto Flatiron en la ciudad de Nueva York"Ahora podemos extender efectivamente las capacidades de los experimentos".
Carleo, quien realizó la investigación mientras era profesor en ETH Zurich, se inspiró en AlphaGo. Este programa de computadora utilizó el aprendizaje automático para superar al campeón mundial del juego de mesa chino Go en 2016. "AlphaGo fue realmente impresionante", dice,"Así que comenzamos a preguntarnos cómo podríamos usar esas ideas en física cuántica".
Los sistemas de partículas como los electrones pueden existir en muchas configuraciones diferentes, cada una con una probabilidad particular de ocurrir. Cada electrón, por ejemplo, puede tener un giro hacia arriba o hacia abajo, similar al gato de Schrödinger estando vivo o muerto en elfamoso experimento mental. En el ámbito cuántico, los sistemas no observados no existen como ninguno de estos arreglos. En cambio, se puede pensar que el sistema está en todas las configuraciones posibles simultáneamente.
Cuando se mide, el sistema colapsa en una configuración, al igual que el gato de Schrödinger está vivo o muerto una vez que abre su caja. Esta peculiaridad de la mecánica cuántica significa que nunca puede observar la complejidad completa de un sistema en un solo experimento. En cambio, los experimentadores realizan las mismas mediciones una y otra vez hasta que puedan determinar el estado de todo el sistema.
Ese método funciona bien para sistemas simples que contienen solo unas pocas partículas. Pero "las cosas se ponen feas con muchas partículas", dice Carleo. A medida que aumenta el número de partículas, la complejidad se dispara. Si solo se considera que cada electrón puede tenergirar hacia arriba o hacia abajo, un sistema de cinco electrones tiene 32 configuraciones posibles. Un sistema de 100 electrones tiene más de 1 millón de billones de billones.
El enredo de partículas complica aún más las cosas. A través del enredo cuántico, las partículas independientes se entrelazan y ya no se pueden tratar como entidades puramente separadas, incluso cuando están físicamente separadas. Este enredo altera la probabilidad de diferentes configuraciones.
Los métodos convencionales, por lo tanto, simplemente no son factibles para sistemas cuánticos complejos.
Giacomo Torlai de la Universidad de Waterloo y el Perimeter Institute en Canadá, Carleo y sus colegas evadieron estas limitaciones al aprovechar las técnicas de aprendizaje automático. Los investigadores introdujeron mediciones experimentales de un sistema cuántico en una herramienta de software basada en redes neuronales artificiales. El software aprendecon el tiempo e intenta imitar el comportamiento del sistema. Una vez que el software ingiere suficientes datos, puede reconstruir con precisión el sistema cuántico completo.
Los investigadores probaron el software utilizando conjuntos de datos experimentales simulados basados en diferentes sistemas cuánticos de muestra. En estas pruebas, el software superó con creces los métodos convencionales. Para ocho electrones, cada uno con giro hacia arriba o hacia abajo, el software podía reconstruir con precisión el sistema con solo alrededor100 mediciones. Para comparar, un método convencional de fuerza bruta requirió casi 1 millón de mediciones para alcanzar el mismo nivel de precisión. La nueva técnica también puede manejar sistemas mucho más grandes. A su vez, esta capacidad puede ayudar a los científicos a validar que una computadora cuántica es correctaconfigurar y que cualquier software cuántico se ejecute según lo previsto, sugieren los investigadores.
Capturar la esencia de sistemas cuánticos complejos con redes neuronales artificiales compactas tiene otras consecuencias de largo alcance. El codirector del Centro de Física Cuántica Computacional Andrew Millis señala que las ideas proporcionan un nuevo enfoque importante para el desarrollo continuo del centro de métodos novedosos para comprenderel comportamiento de los sistemas cuánticos interactivos y la conexión con el trabajo en otros enfoques de aprendizaje automático inspirados en la física cuántica.
Además de las aplicaciones a la investigación fundamental, Carleo dice que las lecciones que el equipo aprendió al combinar el aprendizaje automático con las ideas de la física cuántica también podrían mejorar las aplicaciones de inteligencia artificial de uso general ". Podríamos usar los métodos que desarrollamos aquí en otros contextos", dice." Algún día podríamos tener un auto sin conductor inspirado en la mecánica cuántica, quién sabe ".
Fuente de la historia :
Materiales proporcionado por Fundación Simons . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :