Un equipo internacional de investigadores liderado por la Universidad de Viena ha logrado un avance significativo en la computación cuántica y la inteligencia artificial, demostrando que incluso las computadoras cuánticas a 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 y mejorado mediante computación cuántica. 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.
"Descubrimos que para tareas específicas, nuestro algoritmo comete menos errores que su contraparte clásica", explica el profesor Philip Walther de la Universidad de Viena, quien lideró el proyecto. "Esto implica que las computadoras cuánticas existentes pueden mostrar un buen rendimiento sin necesidad de superar la tecnología de punta actual", añade Zhenghao Yin, primer autor de la publicación.
El montaje experimental incluyó un circuito cuántico fotónico construido en el Politecnico di Milano (Italia), ejecutando 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 mayor precisión 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 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 volviéndose inviables debido a las altas demandas energéticas", enfatiza la coautora Iris Agresti.
La investigación tiene implicaciones que van más allá de la computación cuántica, ya que identifica tareas específicas 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, cerrando la brecha entre la computación cuántica teórica y su implementación en el mundo real.