Investigadores del IFISC (UIB-CSIC) han propuesto un novedoso método para la clasificación de patrones utilizando un solo oscilador cuántico no lineal en lugar de una red de espines (bits). El estudio, publicado en la prestigiosa revista Physical Review Letters, se centra en la implementación del método de memoria asociativa y algoritmos de clasificación mediante IA.
Hasta ahora, las tareas de clasificación de patrones se realizaban mediante la implementación de redes de bits o espines en las que estos elementos interaccionan entre ellos de forma clásica o cuántica, respectivamente. Sin embargo, estos métodos presentan problemas en cuanto a la capacidad de reconocer un gran número distinto de patrones, ya que esta capacidad está fuertemente limitada por el tamaño del sistema. La propuesta de método que los investigadores del IFISC (UIB-CSIC) publican se basa en sustituir la red de espines por un único oscilador cuántico forzado periódicamente y con términos de disipación no lineal. Estos términos no lineales le permiten al sistema tener una fase metaestable en la que los patrones a identificar se pueden codificar en estados de luz coherentes que actúan como atractores, a los cuales el sistema tiene tendencia de dirigir su dinámica.
Los niveles energéticos del oscilador cuántico pueden codificar los distintos patrones que el método clasificará. Esto supone una importante ventaja ya que se trabaja con un único sistema, en contraposición a una red de bits o espines en la que es necesario construir un entramado de elementos interaccionantes. Además, el estudio demuestra que con un menor tamaño del sistema se puede discernir entre más patrones, superando el límite teórico que presentan las redes de bits cuánticos.
Este novedoso método de clasificación de patrones se realiza en la fase transitoria del sistema permitiendo obtener resultados de forma más rápida y, por tanto, evitando que la información cuántica se pierda. El estudio representa un significativo avance en el campo del reconocimiento y clasificación de patrones mediante la utilización de la física cuántica.
Las redes neuronales artificiales son sistemas computacionales inspirados en el cerebro que pueden resolver y modelar numerosos tipos de tareas, desde el reconocimiento de patrones y del habla hasta el análisis de big data. La propuesta abre nuevas posibilidades en la implementación de soluciones estables en el tiempo mediante osciladores cuánticos para una variedad de problemas, como el reconocimiento de patrones.
Labay-Mora, A., Zambrini, R., & Giorgi, G. L. (2023). Quantum associative memory with a single driven dissipative nonlinear oscillator. Physical Review Letters, 130(19). https://doi.org/10.1103/physrevlett.130.190602