Google eleva el 'machine learning' al nivel cuántico (y lo hace en código abierto)

La inteligencia artificial (IA), y en especial el machine learning, se ha convertido en una asignatura obligatoria para cualquier empresa con un negocio basado en datos. Aprender del pasado nunca ha sido tan fácil. Sin embargo, podría hacerse mejor (y más rápido). Al menos esto es lo que promete la computación cuántica: "Primero, permite resolver problemas que con un ordenador normal es imposible y, segundo, puede resolver un mismo problema con menos operaciones", tal y como recuerda la investigadora española Alba Cervera. 

Con los actuales avances en la computación cuántica, desarrollar nuevos modelos de aprendizaje automático cuánticos podría suponer un gran paso adelante en algunos de los principales problemas de la sociedad. El problema es que, hasta ahora, no han existido las herramientas de investigación necesarias para desarrollar modelos de machine learning capaces de procesar datos cuánticos y ejecutarlos en las actuales computadoras cuánticas.

Con el objetivo de facilitar este trabajo, Google, en colaboración con la Universidad de Waterloo, la compañía X y Volkswagen, ha lanzado TensorFlow Quantum (TFQ), una librería de código abierto para la creación rápida de prototipos de modelos cuánticos de aprendizaje automático. 

TFQ proporciona las herramientas necesarias para reunir a las comunidades de investigación de computación cuántica y machine learning para desarrollar y modelar sistemas cuánticos naturales o artificiales. 

En realidad, un modelo cuántico permite representar y generalizar datos con un origen mecánico cuántico. Así que TFQ contiene las estructuras básicas (como los cúbits o los circuitos) y los operadores que se necesitan en las computaciones específicas cuánticas. Entonces, estas pueden ejecutarse en simulaciones o en hardware real. 

Además, el sistema de Google ofrece a los investigadores la posibilidad de construir conjuntos de datos cuánticos, modelos cuánticos y parámetros clásicos de control en una sola operación. El resultado de las medidas cuánticas se obtiene a través de TensorFlow Ops. 

Sin embargo, para la multinacional tecnológica, la principal característica de su tecnología es su capacidad para entrenar y ejecutar muchos circuitos cuánticos simultáneamente.