
Moth Quantum afirma haber alcanzado un nuevo hito en computación cuántica con Tessa, una técnica que permite almacenar información en un procesador cuántico y recuperarla después. En una prueba con el procesador Phoenix de IBM, la compañía distribuyó 1.568 valores numéricos entre sus 120 cúbits y utilizó los datos recuperados para reconstruir imágenes.
El resultado aborda uno de los retos centrales de esta tecnología: transferir información convencional a un sistema cuántico y recuperarla con suficiente precisión. Aunque la escala del experimento supera ampliamente la de trabajos anteriores, los resultados también dejan claro que la fidelidad sigue siendo una limitación importante.
## Un avance de escala con límites de precisión
Según la definición utilizada en el estudio, investigaciones anteriores habían recuperado 128 valores numéricos con 12 cúbits de iones atrapados. Tessa amplía esa escala aprovechando cúbits vecinos para controlar dónde se almacena la información. Así, las conexiones existentes del procesador realizan la operación sin trasladar datos entre cúbits distantes.
Este enfoque evita operaciones adicionales para mover información y no requiere cúbits auxiliares. Los circuitos evaluados alcanzaron una profundidad de 19 operaciones de dos cúbits.
«Todo ordenador cuántico debe recibir los datos antes de poder hacer algo útil con ellos, y ese paso ha sido un cuello de botella para campos como el aprendizaje automático cuántico», explicó Daniel Bultrini, investigador de Moth y creador de Tessa. «Tessa aprovecha al máximo las capacidades del chip para que todo el procesador pueda trabajar a la vez».
En las pruebas de imagen se almacenaron 784 y 441 valores, mediante 728 y 428 operaciones controladas, respectivamente. Cada experimento incluyó 8.192 intentos de medición. Sin embargo, la recuperación no fue perfecta: la imagen en color más grande obtuvo una correlación de 0,69 con la original, frente a valores de entre 0,95 y 0,96 en imágenes más sencillas.
El error numérico medio fue de 0,130 en Phoenix y 0,131 en el procesador Fez de IBM. Tras un ajuste, descendió a 0,075 y 0,078, respectivamente. No obstante, ese ajuste utilizó dos estadísticas de la imagen original, por lo que la reconstrucción mejorada dependió parcialmente de información ya conocida.
En otra prueba que combinó brillo y color, Phoenix registró errores de 0,152 y 0,092, mientras que Fez obtuvo 0,144 y 0,084. El error de brillo en Phoenix fue 2,6 veces superior al previsto por el modelo de ruido de la empresa, una señal de que el hardware real introdujo imprecisiones adicionales.
## Pruebas con audio y secuencias biológicas
Moth Quantum también evaluó audio, notas musicales, ADN y secuencias de proteínas, empleando distintos métodos para representar los datos dentro del procesador. En una prueba musical con 347 notas de flauta, el sistema recuperó correctamente el 18,7 % de las alturas antes del ajuste; en el procesador Fez, la cifra aumentó al 49,3 % después de aplicarlo.
Las pruebas biológicas requirieron 32.768 intentos de medición, cuatro veces más que los experimentos de imagen. Aun así, la precisión varió considerablemente entre secuencias y métodos de representación. La secuencia de la proteína p53 alcanzó un 71,5 % de recuperación correcta; Sonic hedgehog, un 76,2 %; y la proteína mitocondrial MT-CO3, un 92,3 % en Phoenix.
Otros resultados fueron más modestos: SUR1 obtuvo un 22,6 % y pikachurin, un 25,8 %. Las pruebas incluyeron además una secuencia de ADN mitocondrial de 784 unidades y una secuencia de ARN mensajero POLG2 de 1.582.
El estudio advierte que un solo error en una unidad de ADN o proteína puede tener relevancia biológica. Por tanto, estos porcentajes no demuestran que la técnica sea fiable para aplicaciones médicas. Las simulaciones tampoco incorporaron todas las interferencias entre grupos de cúbits vecinos, y los experimentos de hardware se realizaron sin técnicas de corrección de errores.
Tessa depende, además, de un patrón específico de conexiones entre cúbits, mientras que las exigencias de medición aumentan rápidamente a medida que se añaden más conexiones. Moth no aplicó mitigación de errores, una estrategia que, según el estudio, podría reducir notablemente los fallos de reconstrucción en futuras pruebas.
«Las aplicaciones cuánticas de mayor impacto, incluidas las que trabajan estrechamente con la inteligencia artificial, necesitarán avances como Tessa para cumplir las expectativas que se han generado», afirmó Harry Kumar, fundador y director comercial de Moth Quantum.
El experimento muestra que es posible distribuir y recuperar cantidades crecientes de información en hardware cuántico real. Sin embargo, la precisión desigual, el coste de las mediciones y la ausencia de corrección de errores indican que aún queda trabajo antes de que estos métodos puedan respaldar aplicaciones prácticas exigentes.
from Latest from TechRadar https://ift.tt/q7Brulh
via IFTTT IA








