Los ordenadores cuánticos prometen un poder computacional sin precedentes, pero la naturaleza de los estados cuánticos introduce un nivel de «ruido» que complica la computación y el manejo de datos. Investigadores de la Universidad de Rice han desarrollado algoritmos que tienen en cuenta no solo el ruido aleatorio, sino también el ruido malicioso. Este avance podría contribuir a que los ordenadores cuánticos sean más precisos y fiables.
En un ordenador convencional, la información se almacena en bits —0 o 1— que pueden ser leídos directamente. Por el contrario, en un ordenador cuántico, la información se guarda en un estado cuántico, que implica una multiplicidad de probabilidades coexistentes que no pueden reducirse a un único valor. Cada vez que se mide un estado cuántico, esta multiplicidad colapsa en un resultado aleatorio.
«De acuerdo con las leyes de la mecánica cuántica, observar un estado cuántico a menudo lo ‘destruye’, resultando en una medición aleatoria que solo revela información parcial sobre ese estado,» explica Yuhan Liu, investigador postdoctoral en Rice y autor principal de un estudio que será presentado en diciembre en el Simposio sobre Fundamentos de la Ciencia de la Computación de la IEEE. «El aprendizaje del estado cuántico estudia cómo traducir con precisión la información cuántica utilizando múltiples copias del estado cuántico.»
Desafíos en el Aprendizaje de Estados Cuánticos
El aprendizaje del estado cuántico, a menudo denominado tomografía cuántica, utiliza múltiples copias de un estado cuántico para reconstruirlo, de manera similar a cómo una exploración médica compone secciones transversales para reconstruir un órgano en tres dimensiones. Este método es crucial para evaluar el hardware cuántico, validar algoritmos cuánticos y garantizar la fiabilidad de las tecnologías cuánticas.
Los dispositivos cuánticos se encuentran actualmente en una etapa de desarrollo conocida como NISQ, que significa «cuántico de escala intermedia ruidosa», lo que implica que tienden a ser propensos a errores. Pequeñas perturbaciones en el entorno de un dispositivo cuántico, interrupciones inesperadas a nivel físico o problemas de calibración pueden fácilmente corromper los sistemas cuánticos, introduciendo errores de medición. Por lo tanto, manejar el ruido cuántico se convierte en uno de los mayores retos para el aprendizaje de estados cuánticos.
«Los científicos han buscado diversas formas de modelar este ruido,» señala Nai-Hui Chia, profesor asistente de informática en Rice y coautor del estudio. Muchos modelos asumen que el ruido ocurre de manera aleatoria o uniforme, pero el equipo de Rice ha introducido un marco más robusto y realista que considera no solo errores aleatorios, sino también la posibilidad de interferencias dirigidas.
«Nuestro modelo es sólido en el sentido de que también considera factores no físicos y potencialmente maliciosos que pueden afectar al sistema,» añade Chia. «Nuestro objetivo era diseñar un buen algoritmo que certificara dispositivos o realizara otras tareas de manera que pudiéramos estar seguros ante un ataque deliberado de un adversario.»
El equipo investigó este nuevo marco, demostrando que puede ofrecer resultados óptimos siempre que se disponga de un número «suficientemente grande» de copias de un estado cuántico. Además, los investigadores establecieron los criterios tanto para el rendimiento máximo como para el fracaso.
«Queríamos entender los límites fundamentales: ¿cuál es el nivel máximo de corrupción que el algoritmo puede soportar, más allá del cual no habría esperanza de aprender la información con precisión?» comenta Liu. «Estas preguntas son muy importantes tanto en teoría como en la práctica.»
El panorama es mixto. «La mala noticia es que, para algunos estados, aprender bajo ruido adversarial es casi imposible,» advierte Liu. «Un adversario solo necesita cambiar una fracción exponencialmente pequeña de los estados o mediciones para engañar totalmente a cualquier algoritmo de aprendizaje.» Sin embargo, esto ocurre únicamente con estados que «se parecen a ruido puro,» que serían inútiles para la computación.
La buena noticia es que para una amplia clase de estados bien estructurados, que se utilizan frecuentemente en muchos algoritmos cuánticos, es posible lograr una precisión razonablemente buena, incluso cuando el ruido se añade de forma maliciosa.
Si bien fue diseñado para abordar un problema en la computación cuántica, el nuevo marco robusto ante adversarios se basa en gran medida en herramientas estadística y algorítmica no cuánticas. Según Liu, el trabajo se sustenta en la idea de que, aunque algunos problemas pueden parecer cuánticos, «cuando se profundiza, la dificultad central depende de técnicas de estadística y algoritmos clásicos.»
Maryam Aliakbarpour, científica de la computación en Rice que estudia la teoría del aprendizaje, contribuyó con su experiencia en el lado clásico de la investigación. «Diseño algoritmos que resuelven problemas estadísticos bajo restricciones realistas, y algunas de las consideraciones en mi trabajo fueron directamente relevantes aquí,» señala Aliakbarpour, profesora asistente en el Departamento de Informática.
Para avanzar más allá de la etapa NISQ, la tecnología cuántica deberá mejorar continuamente las estrategias para manejar eficazmente el ruido. Un camino para lograrlo es ajustar los sistemas físicos subyacentes que albergan los estados cuánticos. Nuevos descubrimientos prometedores en materiales bidimensionales están acercándose a un hardware cuántico más «silencioso» y estable.
Otro frente para abordar el problema se sitúa a nivel de software: los algoritmos cuánticos que se adapten a la naturaleza compleja y delicada de los estados cuánticos son fundamentales para el avance de la computación cuántica. El nuevo marco robusto ante adversarios, desarrollado por Aliakbarpour, Chia y Liu, junto con Vladimir Braverman, profesor adjunto de informática en Rice, ofrece un enfoque algorítmico creativo para lidiar con el ruido de los ordenadores cuánticos.
