Un estudio pionero ha demostrado que la computación cuántica no es solo una promesa de futuro, sino que ya ofrece beneficios tangibles para las aplicaciones de inteligencia artificial en la actualidad.
Un equipo internacional de investigación liderado por la Universidad de Viena ha conseguido demostrar que incluso procesadores cuánticos de tamaño modesto pueden superar a los algoritmos convencionales de aprendizaje automático en tareas específicas. Su trabajo, publicado este mes en Nature Photonics, representa una de las primeras aplicaciones prácticas de la computación cuántica para mejorar los sistemas de IA cotidianos.
Los investigadores utilizaron un circuito cuántico fotónico construido en el Politécnico de Milán (Italia) para implementar un algoritmo de aprendizaje automático propuesto originalmente por investigadores de Quantinuum en el Reino Unido. El experimento se centró en tareas de clasificación binaria, donde el sistema cuántico demostró una precisión superior en comparación con los enfoques clásicos.
"Hemos comprobado que para tareas específicas nuestro algoritmo comete menos errores que su homólogo clásico", explica Philip Walther, de la Universidad de Viena y líder del proyecto. "Esto implica que los ordenadores cuánticos existentes pueden mostrar buenos rendimientos sin necesidad de superar el estado actual de la tecnología", añade Zhenghao Yin, primer autor de la publicación.
Más allá de la mejora en la precisión, el enfoque fotónico ofrece importantes ventajas en eficiencia energética. "Esto podría ser crucial en el futuro, dado que los algoritmos de aprendizaje automático están empezando a ser inviables debido a sus elevadas demandas energéticas", destaca la coautora Iris Agresti. A medida que los sistemas de IA siguen creciendo en tamaño y complejidad, su enorme consumo energético se ha convertido en una preocupación urgente.
La investigación tiende un puente entre las ventajas teóricas de la computación cuántica y las aplicaciones prácticas, demostrando que la tecnología cuántica actual puede potenciar los sistemas de aprendizaje automático sin esperar a los ordenadores cuánticos a gran escala. Este avance abre nuevas posibilidades para algoritmos más eficientes inspirados en arquitecturas cuánticas, lo que podría revolucionar la manera en que abordamos el cálculo en IA en un mundo cada vez más orientado a los datos.