Si pudiéramos reescribir las leyes del universo con el único fin de optimizar la computación, ¿cuáles serían estas leyes?

Como aclararon los investigadores, la estrategia cuántica puede acelerar el aprendizaje automático mucho más allá de lo que las PC de hoy pueden hacer. Lu dio una muestra para delinear exactamente qué tan intenso es el ritmo exponencial:

“Para calcular la separación entre dos vectores expansivos con una medida de 1021 (o, en el dialecto de Big Data, podemos llamarlo 1 Zettabyte (ZB)), una PC tradicional con frecuencia de reloj de GHz tomará aproximadamente incontables años”, Lu dijo “Una PC cuántica con frecuencia de reloj de GHz, en el caso de que podamos ensamblarla más tarde, con la tasa exponencial hacia arriba, tomará alrededor de un segundo evaluar la separación entre estos dos vectores después de que sean capturados con el qubit subordinado. ”

Esta técnica de disposición de vectores basada en la cuántica se puede utilizar tanto para el aprendizaje automático dirigido como sin supervisión, por lo que podría tener una amplia variedad de usos. El aprendizaje automático se utiliza como parte de los campos, por ejemplo, ingeniería de software, examen relacionado con el dinero, autonomía mecánica y bioinformática. También es universal en nuestra vida cotidiana, por ejemplo, en el reconocimiento facial, la selección de correos electrónicos y los marcos de sugerencias para compras en la web.

“El aprendizaje automático ha estado presente y probablemente asumirá una parte más esencial en el período de Big Data con la explosión de información electrónica”, dijo Lu. “Se evalúa que consistentemente se vuelve exponencialmente en un 40%. Por otra parte, tenemos malas noticias sobre la ley de Moore: si se va a proceder, alrededor de 2020, el tamaño del chip se reducirá al nivel nuclear donde la mecánica cuántica rige Por lo tanto, el ritmo del poder de cálculo tradicional se enfrenta a una prueba digna de mención. Hoy, en cualquier caso, podríamos ser excelentes para el aprendizaje automático y otras tareas informáticas con nuestras grandes PC antiguas, pero es posible que tengamos que considerar diferentes cursos a largo plazo. “.

Más tarde, a los científicos les gustaría escalar la técnica a mayores cantidades de qubits. Aclaran que los estados cuánticos de dimensiones superiores pueden codificarse utilizando el nivel de flexibilidad de fotones de la energía rabiosa orbital, o utilizando diferentes propiedades.

Elegiré solo un ejemplo interesante.

Si existen Curvas Timelike Cerradas (CTC) , las computadoras cuánticas serían tan poderosas como las computadoras clásicas, y ambas tendrían el poder de la clase de complejidad PSPACE .

Esto fue demostrado por Scott Aaronson y John Watrous aquí: http://www.scottaaronson.com/pap… .

No se sabe que existan CTC, pero se han encontrado soluciones a las ecuaciones de la relatividad general que permiten su existencia. Se ha argumentado que la existencia de CTC daría lugar a inconsistencias lógicas como la paradoja del abuelo, aunque Deutsch argumentó que esta intuición falla, siempre que la física de los CTC sea mecánica cuántica. Basado en la suposición del marco de ‘consistencia causal’ de Deutsch, y que un CTC que contiene polinomialmente muchos bits puede mantenerse utilizando recursos polinomiales, entonces las computadoras clásicas obtendrían una gran cantidad de poder computacional.

Aquí hay una (muy) breve descripción de algunas clases de complejidad computacional, para que pueda comprender qué tan poderoso sería esto para las computadoras:

PSPACE (Polynomial Space) consta de todos los problemas de decisión que puede resolver una computadora (clásica) con una cantidad de memoria que está limitada por una función polinómica del tamaño de la entrada n. Sin embargo, la computadora puede usar una cantidad exponencial de tiempo para hacerlo.

NP (Tiempo polinómico no determinista) consiste en todos los problemas de decisión para los cuales cada respuesta de “sí” tiene una prueba o testigo polinomial-verificable, de tamaño polinómico. En pocas palabras, cuando se proporciona una respuesta candidata al problema, es fácil (es decir, eficiente) verificar si la respuesta es correcta o no, pero es difícil (es decir, no eficiente) calcular tal respuesta, dada la descripción del problema. PSPACE contiene NP , por lo que todos los problemas en NP también están en PSPACE . Se cree que PSPACE es mucho, mucho más grande que NP.

P (Tiempo polinómico) consiste en todos los problemas de decisión que se pueden resolver en una cantidad de tiempo que es un polinomio del tamaño de la entrada n . En general, se acepta que estos problemas son “eficientemente solucionables” o “manejables”, lo que significa que la mayor parte de nuestro poder computacional se limita a problemas que se encuentran en esta clase. P está contenido dentro de NP .

Para poner las cosas en perspectiva, el problema de factorizar un número entero en números primos es un problema difícil, cuya solución más conocida se ejecuta en tiempo ‘sub-exponencial’ en una computadora clásica. Este problema radica en la clase NP ( y también en co-NP – el ‘complemento’ de NP ). Podría decirse que el resultado más famoso de la computación cuántica es el descubrimiento del algoritmo de Shor para la factorización de enteros. Este algoritmo resuelve el problema de la factorización entera en tiempo polinómico en una computadora cuántica. Esto fue un gran problema, y ​​llevó a la suposición actual (quizás equivocada) de que las computadoras cuánticas eran de alguna manera fundamentalmente más rápidas y más poderosas que las computadoras clásicas.

De todos modos, si el algoritmo de Shor se considerara un gran problema, imagine que las computadoras clásicas podrían resolver eficientemente no solo todos los problemas en NP , sino también todos los problemas en PSPACE .

No entraré en detalles explicando cómo los CTC nos permitirían resolver casi todos los problemas computacionales de manera eficiente, porque Aaronson y Watrous describen los principios de manera extremadamente clara en su artículo. Definitivamente vale la pena leer las secciones 1 y 2, y no requieren mucho conocimiento de fondo.