:format(jpg)/f.elconfidencial.com%2Foriginal%2Fc3a%2F39b%2F96a%2Fc3a39b96a4db9b4a27ed32548c5d5b22.jpg)
Centro de datos en Virgina, EEUU. (REUTERS/Leah Millis File)
China demuestra un sistema cuántico a pequeña escala que iguala a los superordenadores de IA en predicciones meteorológicas por menos del 1% del presupuesto, poniendo en duda la rentabilidad de los actuales centros de datos
99 por ciento. Esa sería la reducción de coste y tamaño de un centro de datos IA si el camino iniciado por un grupo de científicos chinos llega a extenderse a todos los procesos de inteligencia artificial. Según su investigación y experimentos, publicados en la revista científica Physical Review Letters, su sistema cuántico compacto igualó e incluso excedió la potencia de proceso de una granja de servidores IA con 10.000 nodos.
Este hallazgo es un avance radical comparado con la actual infraestructura IA. Un centro informático de IA capaz de predecir el clima con semanas de antelación tiene un coste habitual de 100 millones de dólares o más. La Administración Nacional Oceánica y Atmosférica de Estados Unidos ha invertido casi esa misma cantidad en actualizar su superordenador Rhea, mientras que empresas privadas como Tomorrow.io han usado más de 175 millones. El sistema cuántico chino logra el mismo rendimiento operativo por menos del 1% de esa inversión.
Cómo lo han hecho
Como apunta el diario hongkonés South China Morning Post, el equipo de la Universidad de Ciencia y Tecnología de China y la Universidad China de Hong Kong utilizó un sistema de resonancia magnética nuclear de nueve espines que interactúan entre sí, formado por cuatro núcleos de carbono y cinco de protones en una molécula de ácido crotónico. Un espín funciona como una brújula atómica microscópica que apunta en diferentes direcciones para procesar información. El diseño prescinde de circuitos y opera usando la dinámica hamiltoniana intrínseca, un palabro científico que significa que procesa los datos siguiendo el movimiento natural y las colisiones de los átomos sin necesidad de forzarlos con técnicas de control externo.
La arquitectura se basa en la computación cuántica de reserva. En este modelo, los científicos emplean la relajación longitudinal, un proceso físico mediante el cual las partículas pierden energía y vuelven a su estado base, un efecto que en otros sistemas se descarta como ruido. El procesador utiliza esta "relajación" del estado para crear una memoria temporal, atenuando la información pasada como si fueran las ondas que produce una piedra al caer en un estanque. Según la empresa SpinQ Technology, que fabrica estos sistemas, "esto se debe en parte al hecho de que la ruta de resonancia magnética nuclear no requiere costosos equipos criogénicos" para refrigerar las partículas a temperaturas cercanas al cero absoluto. Esto recorta el precio de forma radical. Un procesador comercial de nueve cúbits de Rigetti Computing se sitúa en torno a los 900.000 dólares, una fracción ridícula del coste de un supercomputador.
:format(jpg)/f.elconfidencial.com%2Foriginal%2F469%2Fb14%2F8a1%2F469b148a16615b98f03e9ddf0f7a4688.jpg)
:format(jpg)/f.elconfidencial.com%2Foriginal%2F469%2Fb14%2F8a1%2F469b148a16615b98f03e9ddf0f7a4688.jpg)
En las pruebas estandarizadas Narma, que evalúan la capacidad de una red para retener y procesar secuencias de datos, el modelo redujo los errores de predicción entre uno y dos órdenes de magnitud frente a experimentos cuánticos previos. Para extraer los datos sin destruir el estado de las partículas, los investigadores aplicaron un método equivalente a capturar la posición de cada músico de una orquesta midiendo una única vibración en el aire durante 0,01 segundos, extrayendo 653 características en una medición continua.
El sistema se probó con datos climáticos históricos diarios de la ciudad de Nueva Delhi para pronosticar temperatura y humedad. En la previsión de temperaturas a largo plazo, el hardware de nueve espines igualó la precisión de una red de 'estado de eco' clásica de 1.000 nodos. Las redes de estado de eco funcionan como una red de tráfico compleja donde se introducen datos masivos para analizar por qué ruta salen.
Aplicaciones reales
Según la Academia de Ciencias de China (CAS), los "experimentos han demostrado por primera vez que, al tratar con tareas de predicción de series temporales del mundo real, el rendimiento del aprendizaje automático cuántico puede superar al de los modelos de redes neuronales clásicas". Este logro histórico, como apuntan los investigadores, "representa una primera demostración experimental de un sistema de aprendizaje automático cuántico que supera a las redes clásicas a gran escala en conjuntos de datos realistas, donde las ventajas anteriores se mostraban típicamente a través de simulaciones numéricas o se limitaban a conjuntos de datos sintéticos".
El estudio detalla que usar la relajación atómica como mecanismo de cálculo elimina la necesidad de reiniciar los cúbits de forma constante, un requisito de la computación cuántica tradicional. Esto es un primer paso en la dirección correcta para poder reemplazar los sistemas de computación masiva actuales, aunque todavía queda mucho camino por recorrer. Xinhua Peng, una de las científicas de la investigación, apunta que su sistema logra una mayor precisión de predicción y que estas ventajas cuánticas prácticas "pueden ser alcanzables con el hardware cuántico actual".
