Ajuntament de Terrassa - Societat del coneixement.

UNIVERSITAT AUTÒNOMA DE BARCELONA - 29/10/2012


Ideen una màquina quàntica capaç d'aprendre


Ordinadors quàntics

Investigadors del Departament de Física de la UAB han elaborat el disseny teòric d'una màquina capaç d'aprendre a identificar estats quàntics utilitzant memòries digitals convencionals




Classificar aquests estats és una tasca fonamental en informació quàntica que fins ara requeria l'ús de memòries quàntiques, molt difícils de construir experimentalment.


S'espera que els ordinadors quàntics duguin a terme tasques d'interès pràctic amb una eficiència impossible per a un ordinador convencional. Un exemple és la factorització de grans nombres, de gran importància per a la seguretat de les transaccions electròniques. A més, el seu ús científic com a simuladors de sistemes quàntics accelerarà probablement el desenvolupament de futurs dispositius electrònics. Hi ha altres tasques de caràcter més fonamental, indispensables per al processament d'informació, que realitzen els ordinadors d'avui en dia, com per exemple la capacitat d'aprendre. Un ordinador convencional és capaç d'aprendre. Pot aprendre un ordinador quàntic?

Els investigadors del Grup d'Informació i Fenòmens Quàntics del Departament de Física de la UAB, Emili Bagán, Gael Sentís, John Calsamiglia i Ramon Muñoz Tapia, han ideat una màquina que pot ser entrenada per a la tasca de classificar estats quàntics. La informació que la màquina adquireix en aquesta fase preparatòria és "clàssica". Posteriorment, utilitza aquesta informació per identificar l'estat d'un sistema desconegut i poder classificar. En aquest sentit, la màquina és capaç d'aprendre de l'experiència per realitzar eficientment la identificació. El fet que la informació obtinguda durant l'entrenament sigui clàssica simplifica enormement la implementació d'aquestes màquines, ja que aquesta informació es podrà emmagatzemar en una memòria digital com les que utilitzem en els ordinadors o en els telèfons mòbils. Es tracta d'un important pas en la comprensió de la informació quàntica, ja que fins ara es pensava que l'emmagatzematge d'aquesta informació requeriria sistemes de memòria quàntics pràcticament irrealitzables.

Identificar correctament l'estat d'un sistema desconegut és una tasca de caràcter fonamental en qualsevol aplicació o procés que involucri codificació o emmagatzematge d'informació en aquest sistema. En el món clàssic, on els sistemes es comporten segons les lleis de la física clàssica, aquest problema és trivial: simplement hem de mirar (mesurar) el sistema. Imaginem, per exemple, la simple tasca de reconèixer un de dos rostres possibles basats en una pila de retrats d'entrenament. En principi, podrem extreure tota la informació sobre els trets facials que contenen els retrats, i després utilitzar-la per realitzar la identificació perfectament. On clàssicament no existeixen limitacions físiques (només tècniques), la mecànica quàntica imposa restriccions que fan impossible la realització d'aquesta tasca en el món quàntic de manera perfecta.

D'una banda, la mecànica quàntica és una descripció probabilística de la realitat: tota informació que puguem extreure, mitjançant una mesura, d'un sistema quàntic, estarà subjecta a una distribució de probabilitat, si volem extreure tota la informació possible que pot proporcionar la mesura, és a dir, la distribució de probabilitat dels seus resultats, hem de repetir infinites vegades. D'altra banda, sempre que mesurem un sistema quàntic estem modificant el seu estat. La combinació d'aquestes dues propietats, que es resumeixen en el teorema de no clonació, fan que sigui impossible extreure tota la informació continguda en un estat quàntic.

Hi ha multitud de mètodes per recollir informació sobre un estat quàntic desconegut, i, en particular, per a la tasca de classificar (identificar). Una línia d'investigació que ha captat molta atenció en els últims anys és l'aprenentatge automàtic (machine learning), és a dir, el disseny de tècniques que permeten a una màquina aprendre. En el context de la identificació d'estats quàntics, una màquina d'aprenentatge quàntic és capaç d'identificar l'estat d'un sistema en base a l'experiència proporcionada per l'entrenament amb sistemes en diferents estats. Aquests mètodes requereixen, en principi, l'ús de memòries quàntiques per emmagatzemar la informació (quàntica) adquirida durant la fase d'entrenament fins que s'utilitza en la fase d'identificació: d'aquesta manera, s'evita la pèrdua d'informació deguda a la seva transformació en informació clàssica, a través del procés de mesura. No obstant això, tot i els grans avenços tècnics en el control de sistemes quàntics individuals, que han merescut aquest any el premi Nobel de Física-concedit a S. Haroche i D. Wineland-, la implementació experimental de memòries quàntiques està en fase embrionària i, ara per ara, té un cost molt elevat.

En el treball realitzat pels investigadors de la UAB, publicat a Scientific Reports, es demostra que una màquina és capaç de realitzar la versió quàntica del problema d'identificació de rostres, amb màxima eficiència, sense necessitat d'utilitzar una memòria quàntica. Proveïda d'un conjunt de sistemes quàntics en dos possibles estats, extreu, mitjançant una mesura, informació clàssica sobre aquests, i posteriorment la utilitza per classificar l'estat desconegut. Això simplifica enormement la implementació d'una màquina d'aquest tipus, ja que l'experiència adquirida per la màquina es podrà emmagatzemar en una memòria digital comuna i corrent.

L'aprenentatge quàntic treu a la llum, com tants altres exemples, característiques intrínseques de la mecànica quàntica que difereixen radicalment de les que proporciona una descripció clàssica del món i que són, en molts casos, antiintuïtives. En l'exemple clàssic de la identificació de rostres, es podria resoldre el problema a l'inrevés: primer es memoritzen els trets facials de la persona desconeguda, i després, comparant amb la pila de retrats classificats, se la identifica. Aquesta tasca es pot executar tan eficaçment com l'original. En el món quàntic això no és així: en aquesta inversió del problema, aparentment innòcua, es cometen molts més errors. Aquest és un exemple que revela profundes diferències en el concepte clàssic de la memòria i el seu homònim quàntic.

Investigador de contacte:

Emili Bagán

Departament de Física

Universitat Autònoma de Barcelona

Tel: +34 93 5813301

Emili.bagan@uab.cat



Posa Flash Player per reproduïr aquest fitxer
o descarrega'l per reproduïr-lo localment.


Butlletí Innovem Terrassa !!!
Universitat i Societat del coneixement - Ajuntament de Terrassa.