Un equipo internacional de investigadores liderado por la Universidad de Viena ha logrado un avance significativo en computación cuántica e inteligencia artificial, demostrando que incluso los ordenadores cuánticos de pequeña escala pueden aportar beneficios prácticos a las aplicaciones de aprendizaje automático.
El estudio, publicado en Nature Photonics el 8 de junio de 2025, utilizó un novedoso circuito cuántico fotónico para implementar un algoritmo de aprendizaje automático basado en kernels mejorado cuánticamente. Los investigadores demostraron que su enfoque cuántico supera a los métodos clásicos más avanzados, como los kernels gaussianos y de tangente neuronal, en tareas de clasificación binaria.
"Hemos comprobado que, para tareas específicas, nuestro algoritmo comete menos errores que su homólogo clásico", explica el profesor Philip Walther, de la Universidad de Viena, quien lideró el proyecto. "Esto implica que los ordenadores cuánticos existentes pueden mostrar buenos rendimientos sin necesidad de superar necesariamente la tecnología más avanzada", añade Zhenghao Yin, primer autor de la publicación.
El montaje experimental contó con un circuito fotónico cuántico construido en el Politécnico de Milán (Italia), que ejecutaba un algoritmo de aprendizaje automático propuesto inicialmente por investigadores de Quantinuum (Reino Unido). El sistema utiliza interferencia cuántica y coherencia de fotones individuales para lograr una precisión superior en tareas de clasificación de datos.
Más allá de la mejora en la precisión, este enfoque fotónico ofrece ventajas significativas en eficiencia energética. A medida que las aplicaciones de aprendizaje automático se vuelven cada vez más complejas y demandan más energía, los procesadores cuánticos fotónicos podrían ofrecer una alternativa sostenible. "Esto podría ser crucial en el futuro, dado que los algoritmos de aprendizaje automático están empezando a ser inviables debido a su excesivo consumo energético", destaca la coautora Iris Agresti.
La investigación tiene implicaciones que van más allá de la computación cuántica, ya que identifica tareas concretas que se benefician de los efectos cuánticos y podría inspirar nuevos algoritmos clásicos con mejor rendimiento y menor consumo energético. Esto representa un paso importante hacia la ventaja cuántica práctica en aplicaciones de inteligencia artificial, acercando la brecha entre la computación cuántica teórica y la implementación en el mundo real.