Un estudio revolucionario realizado por un equipo internacional de investigación liderado por la Universidad de Viena ha demostrado que incluso las computadoras cuánticas a pequeña escala pueden impulsar significativamente el rendimiento del aprendizaje automático utilizando un novedoso circuito cuántico fotónico.
Los investigadores han demostrado que la tecnología cuántica actual no es solo experimental: ya puede superar a los sistemas clásicos en tareas específicas. El experimento utilizó una computadora cuántica fotónica para clasificar puntos de datos y demostró que los procesadores cuánticos de tamaño reducido pueden desempeñarse mejor que los algoritmos convencionales. "Descubrimos que para tareas específicas, nuestro algoritmo comete menos errores que su contraparte clásica", explica Philip Walther de la Universidad de Viena, líder del proyecto.
El montaje experimental cuenta con un circuito cuántico fotónico construido en el Politecnico di Milano (Italia), el cual ejecuta un algoritmo de aprendizaje automático propuesto inicialmente por investigadores de Quantinuum (Reino Unido). "Esto implica que las computadoras cuánticas existentes pueden mostrar buenos desempeños sin necesidad de superar la tecnología de punta actual", añade Zhenghao Yin, primer autor de la publicación en Nature Photonics.
Un aspecto especialmente prometedor de esta investigación es que las plataformas fotónicas pueden consumir significativamente menos energía en comparación con las computadoras estándar. "Esto podría ser crucial en el futuro, dado que los algoritmos de aprendizaje automático están volviéndose inviables debido a sus elevadas demandas energéticas", enfatiza la coautora Iris Agresti. Como solo fluye luz, y no corriente, a través del circuito, los chips fotónicos requieren menos refrigeración. Al combinar esto con un mayor rendimiento y densidad de cómputo, se logran ahorros sustanciales de energía. Algunos aceleradores de IA fotónica prometen consumir hasta 30 veces menos energía que una Unidad de Procesamiento Gráfico (GPU).
El resultado tiene impacto tanto en la computación cuántica, ya que identifica tareas que se benefician de los efectos cuánticos, como en la computación convencional. De hecho, podrían diseñarse nuevos algoritmos inspirados en arquitecturas cuánticas, logrando mejores desempeños y reduciendo el consumo energético. Este avance demuestra que las computadoras cuánticas fotónicas a pequeña escala pueden superar a los sistemas clásicos en tareas específicas de aprendizaje automático, con investigadores utilizando un algoritmo mejorado cuánticamente en un circuito fotónico para clasificar datos con mayor precisión que los métodos convencionales.
A medida que los sistemas de inteligencia artificial continúan creciendo en complejidad y demanda de energía, esta investigación abre un camino hacia tecnologías de IA más sostenibles y potentes que aprovechan las ventajas cuánticas hoy, y no solo en un futuro teórico. La integración de la fotónica cuántica y el aprendizaje automático representa una de las fronteras más prometedoras en la tecnología informática, con aplicaciones prácticas inmediatas que ya están surgiendo.