menu
close

Avance revolucionario en amplificadores cuánticos potencia la capacidad de cálculo de la IA

Ingenieros de la Universidad Tecnológica de Chalmers han desarrollado un amplificador de qubits impulsado por pulsos que consume solo una décima parte de la energía requerida por los mejores amplificadores actuales, manteniendo un rendimiento óptimo. Este avance permite que incluso los ordenadores cuánticos a pequeña escala mejoren las capacidades de aprendizaje automático mediante novedosos circuitos cuánticos fotónicos. La tecnología supone un paso significativo hacia sistemas cuánticos capaces de realizar cálculos de IA miles de veces más rápido que los sistemas convencionales.
Avance revolucionario en amplificadores cuánticos potencia la capacidad de cálculo de la IA

Investigadores suecos han logrado un avance importante en la computación cuántica que podría acelerar drásticamente las aplicaciones de inteligencia artificial y transformar la forma en que se entrenan y despliegan los modelos de IA.

El 24 de junio de 2025, un equipo liderado por la doctoranda Yin Zeng en la Universidad Tecnológica de Chalmers presentó un amplificador de qubits impulsado por pulsos que resuelve uno de los mayores desafíos para la escalabilidad de los ordenadores cuánticos: el consumo energético y la generación de calor.

El innovador amplificador solo se activa al leer información de los qubits, consumiendo apenas una décima parte de la energía de los mejores amplificadores actuales sin sacrificar el rendimiento. Esta drástica reducción en el consumo energético ayuda a evitar que los qubits pierdan su estado cuántico —un fenómeno conocido como decoherencia—, que ha sido uno de los principales factores limitantes en la computación cuántica.

"Este es el amplificador más sensible que se puede construir hoy en día utilizando transistores", explica Zeng, primera autora del estudio publicado en IEEE Transactions on Microwave Theory and Techniques. "Hemos conseguido reducir su consumo energético a solo una décima parte de lo que requieren los mejores amplificadores actuales, sin perder rendimiento".

El equipo empleó programación genética para dotar al amplificador de un control inteligente, permitiéndole responder a los pulsos de los qubits entrantes en apenas 35 nanosegundos. Esta velocidad es crucial, ya que la información cuántica se transmite en pulsos y el amplificador debe activarse lo suficientemente rápido para seguir el ritmo de la lectura de los qubits.

El profesor Jan Grahn, supervisor de la investigación, señala: "Este estudio ofrece una solución para la futura ampliación de los ordenadores cuánticos, donde el calor generado por estos amplificadores de qubits supone un factor limitante importante".

Las implicaciones para la IA son profundas. Experimentos recientes de investigadores de la Universidad de Viena han demostrado que incluso los ordenadores cuánticos a pequeña escala pueden mejorar el rendimiento del aprendizaje automático mediante novedosos circuitos cuánticos fotónicos. Sus hallazgos sugieren que la tecnología cuántica actual no es solo experimental, sino que ya puede aportar ventajas prácticas para aplicaciones específicas de IA.

Los ordenadores cuánticos aprovechan los principios de la mecánica cuántica, permitiendo que los qubits existan en múltiples estados simultáneamente. Esto les permite procesar problemas complejos muy por encima de las capacidades de los ordenadores clásicos. Con solo 20 qubits, un ordenador cuántico puede representar más de un millón de estados diferentes a la vez.

A medida que los ordenadores cuánticos aumentan el número de qubits, su potencia de cálculo crece exponencialmente, pero también lo hace el reto de gestionar el calor y evitar la decoherencia. El avance de Chalmers aborda directamente este desafío, lo que podría permitir el desarrollo de sistemas cuánticos más grandes y estables, optimizados específicamente para cargas de trabajo de IA.

Los expertos predicen que la IA potenciada por la computación cuántica podría revolucionar campos como el descubrimiento de fármacos, la ciencia de materiales, la modelización financiera y la resolución de problemas complejos de optimización que hoy resultan intratables incluso para los superordenadores más potentes.

Source:

Latest News