Programar la memoria de la luz: un nuevo paso hacia la computación cuántica

• El estudio, publicado en Nature Photonics, muestra por primera vez cómo explotar un sistema cuántico de luz dotado de memoria controlable, lo que permite aprender y predecir señales complejas.
• La investigación es fruto de una colaboración entre el Laboratoire Kastler Brossel (LKB, Sorbonne Université) y el Instituto de Física Interdisciplinar y Sistemas Complejos (IFISC, UIB–CSIC).

Un equipo de investigadores ha demostrado experimentalmente cómo dotar a un sistema cuántico fotónico de memoria controlable, aprovechando las propiedades cuánticas de la luz para aprender patrones temporales. El estudio, publicado en Nature Photonics, abre la puerta a nuevas formas de aprendizaje automático cuántico capaces de analizar y predecir en tiempo real señales que evolucionan en el tiempo. El trabajo ha sido llevado a cabo por científicos del Instituto de Física Interdisciplinar y Sistemas Complejos (IFISC, UIB–CSIC) y del Laboratoire Kastler Brossel (LKB, Sorbonne Université), donde se construyó la plataforma experimental.

Desde los mercados financieros hasta los datos climáticos o la actividad cerebral, muchos problemas del mundo real dependen de reconocer patrones que evolucionan con el tiempo. Esto requiere memoria: la capacidad de conservar información sobre el pasado mientras se procesa el presente. “La memoria es el ingrediente clave para aprender a partir de señales temporales”, explica Iris Paparelle, investigadora del LKB y del IFISC y primera autora del estudio. “En nuestro experimento mostramos que puede ajustarse directamente a nivel del proceso óptico cuántico, sin necesidad de añadir arquitecturas clásicas complejas”.

La investigación se centra en el quantum reservoir computing, un enfoque de aprendizaje automático inspirado en las redes neuronales en el que solo se entrena la capa de salida, mientras que el propio sistema físico realiza la mayor parte de la tarea computacional. “El quantum reservoir computing es un enfoque eficiente que permite aprovechar propiedades exclusivamente cuánticas, como el entrelazamiento y el squeezing, como recursos computacionales”, afirma Roberta Zambrini, investigadora del IFISC. “Nuestros resultados muestran que estos recursos pueden aprovecharse de forma controlable y escalable, abriendo el camino hacia un aprendizaje mejorado cuánticamente con aplicaciones prácticas”.

Mediante la modulación de pulsos láser ultrarrápidos y la medición de correlaciones cuánticas, el equipo creó un sistema fotónico reconfigurable capaz de procesar información temporal. Para introducir memoria, los investigadores implementaron un mecanismo de retroalimentación en tiempo real que permite que las entradas anteriores influyan en las respuestas futuras. “Ingeniamos lo que se conoce como fading memory”, explica Gian Luca Giorgi, investigador del IFISC. “El sistema conserva una huella de las entradas anteriores, pero esta huella se debilita gradualmente con el tiempo, que es exactamente lo que se necesita para tareas de aprendizaje temporal”.

Esta plataforma permite evaluar problemas que requieren tanto no linealidad como memoria, incluyendo la predicción de series temporales caóticas. “La capacidad de reproducir patrones complejos nos acerca a comprender cómo los sistemas cuánticos pueden ofrecer ventajas en el procesamiento de datos temporales complejos”, concluye Miguel C. Soriano, investigador del IFISC.

Más allá de estas demostraciones, los investigadores destacan las implicaciones más amplias de su experimento, que pone de manifiesto el potencial de la fotónica para el aprendizaje automático cuántico y la predicción. “Nuestro sistema funciona a temperatura ambiente y se basa en técnicas estándar de detección óptica”, señala Valentina Parigi, investigadora del LKB. “Esto lo convierte en un candidato práctico y escalable para el procesamiento de información en tiempo real mejorado cuánticamente, capaz de aprender patrones temporales complejos más allá de los enfoques clásicos, como sugiere la mejora en la escalabilidad con el número de recursos”.

Imagen: Esquema del aprendizaje temporal mediante computación cuántica de reservorio (izquierda) y la plataforma experimental fotónica utilizada para implementar memoria controlable en luz cuántica en el Laboratoire Kastler Brossel (derecha).

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

• Laboratoire Kastler Brossel
• El diari de la UIB
• Crónica Balear