Un equip d’investigadors ha demostrat de manera experimental com dotar un sistema quàntic fotònic de memòria controlable, aprofitant les propietats quàntiques de la llum per aprendre patrons temporals. L’estudi, publicat a Nature Photonics, obre la porta a noves formes d’aprenentatge automàtic quàntic capaços d’analitzar i predir en temps real senyals que evolucionen amb el temps. El treball l’han dut a terme científics de l’Institut de Física Interdisciplinària i Sistemes Complexos (IFISC, UIB–CSIC) i del Laboratoire Kastler Brossel (LKB, Sorbonne Université), on es va construir la plataforma experimental.
Des dels mercats financers fins a les dades climàtiques o l’activitat cerebral, molts problemes del món real depenen de reconèixer patrons que evolucionen amb el temps. Això requereix memòria: la capacitat de conservar informació sobre el passat mentre es processa el present. «La memòria és l’ingredient clau per aprendre a partir de senyals temporals», explica Iris Paparelle, investigadora del LKB i de l’IFISC i primera autora de l’estudi. «En el nostre experiment mostram que pot ajustar-se directament a nivell del procés òptic quàntic, sense necessitat d’afegir arquitectures clàssiques complexes».
La recerca se centra en el quantum reservoir computing, un enfocament d’aprenentatge automàtic inspirat en les xarxes neuronals en el qual només s’entrena la capa de sortida, mentre que el mateix sistema físic realitza la gran part de la tasca computacional. «El quantum reservoir computing és un enfocament eficient que permet aprofitar propietats exclusivament quàntiques, com l’entrellaçament i l’squeezing, com a recursos computacionals», afirma Roberta Zambrini, investigadora de l’IFISC. «Els nostres resultats mostren que aquests recursos poden aprofitar-se de manera controlable i escalable, i obrir el camí cap a un aprenentatge millorat quànticament amb aplicacions pràctiques».
Mitjançant la modulació de polsos làser ultraràpids i la mesura de correlacions quàntiques, l’equip va crear un sistema fotònic reconfigurable capaç de processar informació temporal. Per introduir memòria, els investigadors varen implementar un mecanisme de retroalimentació en temps real que permet que les entrades anteriors influeixin en les respostes futures. «Enginyam el que es coneix com a fading memory», explica Gian Luca Giorgi, investigador de l’IFISC. «El sistema conserva una petjada de les entrades anteriors, però aquesta petjada s’afebleix de manera gradual amb el temps, que és exactament el que es necessita per a tasques d’aprenentatge temporal».
Aquesta plataforma permet avaluar problemes que requereixen tant no linealitat com memòria[NF1] [A2] , inclosa la predicció de sèries temporals caòtiques. «La capacitat de reproduir patrons complexos ens acosta a comprendre com els sistemes quàntics poden oferir avantatges en el processament de dades temporals complexes», conclou Miguel C. Soriano, investigador de l’IFISC.
Més enllà d’aquestes demostracions, els investigadors destaquen les implicacions més àmplies de l’experiment, que posa de manifest el potencial de la fotònica per a l’aprenentatge automàtic quàntic i la predicció. «El nostre sistema funciona a temperatura ambient i es basa en tècniques estàndard de detecció òptica», assenyala Valentina Parigi, investigadora de l’LKB. «Això el converteix en un candidat pràctic i escalable per al processament d’informació en temps real millorat de manera quàntica, capaç d’aprendre patrons temporals complexos més enllà dels enfocaments clàssics, com suggereix la millora en l’escalabilitat amb el nombre de recursos».
Imatge: Esquema de l'aprenentatge temporal mitjançant computació quàntica de reservori (esquerra) i la plataforma experimental fotònica utilitzada per a implementar memòria controlable en llum quàntica en el Laboratoire Kastler Brossel (dreta).
Paparelle, I., Henaff, J., García-Beni, J. et al. Experimental memory control in continuous-variable optical quantum reservoir computing. Nat. Photon. (2026). https://doi.org/10.1038/s41566-026-01880-9