Los modelos generativos, al igual que los modelos de difusión, representan uno de los desarrollos más significativos en el aprendizaje automático (ML) de los últimos años. Modelos como Stable Diffusion y Dall.e han transformado el campo de la generación de imágenes. Son capaces de producir imágenes de alta calidad a partir de una descripción textual.
“Nuestro nuevo modelo para programar ordenadores cuánticos hace lo mismo, pero en lugar de generar imágenes, genera circuitos cuánticos a partir de la descripción textual de la operación cuántica a realizar.“, explica Gorka Muñoz-Gil del Departamento de Física Teórica de la Universidad de Innsbruck, Austria.
Para preparar un determinado estado cuántico o ejecutar un algoritmo en una computadora cuántica, es necesario encontrar la secuencia adecuada de puertas cuánticas para realizar estas operaciones. Si bien esto es relativamente simple en la computación clásica, es un gran desafío en la computación cuántica, debido a las particularidades del mundo cuántico.
Recientemente, muchos científicos han propuesto métodos para construir circuitos cuánticos, a menudo basándose en métodos de aprendizaje automático. Entrenar estos modelos de ML suele ser muy difícil debido a la necesidad de simular circuitos cuánticos mientras la máquina aprende. Los modelos de difusión evitan estos problemas mediante su método de entrenamiento.
“Esto ofrece una ventaja considerable», afirma Gorka Muñoz-Gil, que desarrolló este método innovador junto con Hans J. Briegel y Florian Fürrutter. “Además, demostramos que los modelos de difusión de eliminación de ruido son precisos en su generación y también muy flexibles, lo que permite generar circuitos con diferentes números de qubits, así como tipos y números de puertas cuánticas.»
Los modelos también se pueden adaptar para preparar circuitos que tengan en cuenta la conectividad del hardware cuántico, es decir, cómo se conectan los qubits en la computadora cuántica.
“Como la producción de nuevos circuitos es muy económica una vez que se entrena el modelo, se puede utilizar para descubrir nuevos conocimientos sobre operaciones cuánticas de interés.», añade Gorka Muñoz-Gil.
El método desarrollado en la Universidad de Innsbruck produce circuitos cuánticos basados en las especificaciones del usuario y adaptados a las características del hardware cuántico en el que se ejecutará el circuito. Esto marca un importante paso adelante para aprovechar todo el potencial de la computación cuántica.
El trabajo fue publicado en Inteligencia de la máquina de la naturaleza y contó con el apoyo financiero del Fondo Austriaco para la Ciencia (FWF) y la Unión Europea, entre otros.
Artículo: “Síntesis de circuitos cuánticos con modelos de difusión” – DOI: 10.1038/s42256-024-00831-9
Pie de ilustración: El método desarrollado en la Universidad de Innsbruck permite producir circuitos cuánticos basados en las especificaciones del usuario y adaptados a las características del hardware cuántico en el que se ejecutará el circuito. Crédito: Universidad de Innsbruck/Harald Ritsch
