Algoritmo AlphaZero aplicado a la computación cuántica

La computación cuántica se ha convertido en un enfoque cada vez más importante en los últimos años. Investigadores y empresas de todo el mundo están trabajando constantemente en el desarrollo de esta tecnología, que puede resolver problemas extremadamente complejos que son demasiado avanzados para los ordenadores clásicos.

Uno de los grupos que trabajan en una computadora cuántica es el de la Universidad de Aarhus. Un grupo de investigación liderado por el profesor Jacob Sherson utilizó el algoritmo de computadora AlphaZero para controlar un sistema cuántico.

Las computadoras cuánticas utilizan la mecánica cuántica, que es una rama de la física que se centra en los bloques de construcción más pequeños de nuestro universo. Una de las reglas fundamentales es que un sistema puede existir en más de un estado al mismo tiempo.

Estas reglas se traducen en lenguaje de computadora, y una computadora cuántica puede realizar múltiples cálculos al mismo tiempo. Esto significa que una computadora cuántica puede funcionar mucho más rápido que los ordenadores regulares.

La teoría de las computadoras cuánticas se ha establecido, pero todavía no se ha creado una computadora cuántica a gran escala.

AlphaZero es capaz de aprender por sí solo sin intervención humana. Debido a esto, el algoritmo ha podido derrotar a humanos y programas de computadora complejos en juegos difíciles como Go, Shogi y Ajedrez. AlphaZero pudo hacerlo compitiendo contra sí mismo y mejorando con el tiempo.

El algoritmo pudo derrotar al programa de ajedrez líder Stockfish después de jugar contra sí mismo durante solo cuatro horas. Después de esta impresionante actuación, el gran maestro danés Peter Heine Nielsen comparó a AlphaZero con una especie alienígena superior.

El grupo de investigación de la Universidad de Aarhus ha utilizado simulaciones por computadora para demostrar cómo AlphaZero se puede aplicar a tres problemas de control diferentes. Estos podrían posiblemente utilizarse en una computadora cuántica.

“AlphaZero emplea una red neuronal profunda en conjunto con una búsqueda de anticipación profunda en una búsqueda de árbol guiada, lo que permite una aproximación predictiva de la variable oculta del paisaje de parámetros cuánticos. Para enfatizar la transferibilidad, aplicamos y evaluamos el algoritmo en tres clases de problemas de control utilizando solo un conjunto común de hiperparámetros algorítmicos”, según el estudio.

La investigación realizada por el equipo se publicó en Nature Quantum Information.

El estudiante de doctorado principal Mogens Dalgaard habló sobre cómo el equipo se impresionó con la capacidad de AlphaZero para enseñarse rápidamente a sí mismo.

“Cuando analizamos los datos de AlphaZero, vimos que el algoritmo había aprendido a explotar una simetría subyacente del problema que no consideramos originalmente. Fue una experiencia asombrosa”.

El verdadero avance se produjo al emparejar AlphaZero, que es un algoritmo extremadamente impresionante por sí solo, con un algoritmo de optimización cuántica especializado.

Según el profesor Jacob Sherson, “Esto indica que todavía necesitamos habilidades y experiencia humanas, y que el objetivo del futuro debería ser comprender y desarrollar interfaces de inteligencia híbrida que exploten óptimamente las fortalezas de ambos”.

El grupo quiere acelerar el ritmo de desarrollo en el campo, por lo que publicaron el código y lo hicieron disponible de forma abierta. El movimiento generó mucho interés.

“Dentro de unas pocas horas, fui contactado por importantes empresas de tecnología con laboratorios cuánticos y universidades líderes internacionales para establecer colaboraciones futuras”, dijo Jacob Sherson. “Así que probablemente no pasará mucho tiempo hasta que estos métodos encuentren aplicación en experimentos prácticos en todo el mundo”.

DeepMind es una empresa hermana del Reino Unido de Google que es responsable de AlphaZero y AlphaGo. Estos sistemas ahora están mostrando su importancia en otras áreas, incluida la computación cuántica.