El sistema D-Wave muestra que las computadoras cuánticas pueden aprender a detectar las firmas de partículas en una montañas de datos, pero no superan a los métodos convencionales, aún...
Bosones de Higgs, imagen conceptual. Crédito de la imagen: Victor De Schwanberg Getty Images
Por Davide Castelvecchi, para Scientific American 22 de octubre de 2017
Una rudimentaria computadora cuántica ha redescubierto el bosón de Higgs. Más o menos
Los físicos han estado trabajando arduamente para desarrollar máquinas que puedan usar trucos mecánicos cuánticos para acelerar el cálculo. Pero también esperan que tales computadoras cuánticas puedan devolverles el favor y ayudarles a descubrir nuevas leyes de la naturaleza.
Ahora, un equipo ha demostrado que un circuito cuántico puede aprender a analizar resmas de datos de experimentos que destruyen átomos en busca de una nueva partícula. Su estudio de prueba de principio, realizado utilizando una máquina construida por la compañía de computación cuántica D-Wave que trabaja en el caso ahora familiar del bosón de Higgs, aún no ofrece una clara ventaja sobre las técnicas convencionales. Pero los autores dicen que el aprendizaje automático cuántico podría hacer la diferencia en futuros experimentos, cuando los datos de las cantidades crecerán aún más. Su investigación fue publicada el 18 de octubre en Nature1.
Kyle Cranmer, un físico de la Universidad de Nueva York que no participó en el trabajo, dice que es refrescante ver una máquina cuántica aplicada a un problema práctico de física, en lugar de las preguntas matemáticas habituales, como factorizar números enteros en números primos. "Antes de este punto, las personas sabían que esto tal vez algún día sería relevante", dice. "Esto hace que parezca que tal vez lo es".
SOLUCIONES ÓPTIMAS
En 2012, dos experimentos en el Gran Colisionador de Hadrones (LHC) en el CERN, el laboratorio de física de alta energía de Europa cerca de Ginebra, Suiza, anunciaron que tenían pruebas de la existencia del bosón de Higgs, la última pieza faltante en el modelo estándar de partículas física. Los dos experimentos, llamados CMS y ATLAS, encontraron evidencia del bosón creado en las colisiones de protones por la forma en que los Higgs se descompusieron en otros más comunes, como pares de fotones de alta energía. Pero cada vez que el LHC colisiona dos protones, se crean cientos de otras partículas, algunas de las cuales pueden malinterpretarse como fotones cuando golpean los detectores.
Para ayudar a acelerar la búsqueda de los físicos de Higgs, ATLAS y CMS usaron datos simulados para entrenar algoritmos de aprendizaje automático para distinguir el trigo de los fotógrafos de los impostores.
Más recientemente, la física de partículas Maria Spiropulu, que ayudó a liderar la búsqueda de Higgs en CMS, quería saber si una computadora cuántica podría ayudar a hacer el proceso de capacitación más eficiente, en particular reduciendo la cantidad de datos simulados requeridos para entrenar el sistema. "Quería ver si puede resolver el problema de Higgs, porque conozco el problema de Higgs", dice Spiropulu, quien se encuentra en el Instituto de Tecnología de California en Pasadena.
Su colaborador Alex Mott, un físico que ahora está en DeepMind en Londres, tradujo el proceso de aprendizaje en algo que podría calcularse con una computadora de "recocido cuántico" construida por D-Wave, que tiene su sede en Burnaby, Canadá. Este tipo de máquina encuentra las soluciones óptimas para ciertos problemas al permitir que los bucles superconductores, que codifican la información cuántica, caigan en su estado de menor energía.
La idea era que la máquina cuántica encontrara los criterios óptimos que una computadora ordinaria podría usar para buscar las firmas de fotones del Higgs en datos reales. Para probar su teoría, el equipo obtuvo acceso a una máquina D-Wave en la Universidad del Sur de California en Los Ángeles. El experimento fue exitoso, dice Spiropulu: "Podemos entrenar con pequeños conjuntos de datos y encontrar la solución óptima".
Los investigadores no utilizaron esos criterios para redescubrir el Higgs, porque no lo necesitaban. Mostrar que es posible fue "la mejor parte" de su trabajo, dice Cranmer, especialista en análisis de datos y que ayudó a liderar la búsqueda de Higgs en la colaboración de ATLAS.
MÁS ALLÁ DE LA FÍSICA
No espere que los físicos cambien a computadoras cuánticas por el momento: hasta ahora, la máquina no se ha desempeñado mejor que una versión virtual de sí mismo que Spiropolu y su equipo ejecutaron en una computadora convencional. Y hay un largo camino por recorrer para demostrar que estas técnicas son más eficientes que algunos algoritmos de aprendizaje automático existentes que son capaces de entrenar en conjuntos de datos relativamente pequeños, dice Cranmer. Spiropulu está de acuerdo y agregó que será necesario probar los diferentes enfoques para ver cuál es el mejor.
Pero los resultados podrían tener un impacto en campos más allá de la física. Davide Venturelli, físico que trabaja para la Asociación de Investigación Espacial de Universidades sin fines de lucro y en el Centro de Investigación Ames de la NASA en Mountain View, California, maneja un programa que hace que una máquina D-Wave en Ames (administrada conjuntamente por Google y NASA) esté disponible para experimentadores de todo el mundo. Investigadores en campos que van desde la ciencia de la Tierra hasta la bioinformática están interesados en usar anutadores cuánticos, en particular para aplicaciones de aprendizaje automático, dice.
"Lo interesante es que todo esto funciona", dice Mott.
Davide Castelvecchi es un periodista principal de Nature en Londres que cubre física, astronomía, matemáticas e informática.
With a little help from Google Translate for Business