Nueva librería para desarrollar modelos cuánticos de aprendizaje automático

TensorFlow es la plataforma Open Source creada por Google para el desarrollo del aprendizaje automático, y en el último año la compañía ha puesto a disposición de la comunidad de desarrolladores diferentes librerías con recursos que facilitan la programación de modelos de machine learning. Su objetivo es fomentar el desarrollo de una tecnología que se está convirtiendo en fundamental para la inteligencia de negocio y para el entrenamiento de la inteligencia artificial.

Pero en el futuro estos sistemas recurrirán a la computación cuántica para alcanzar su máximo potencial, y para lograrlo será necesario diseñar las aplicaciones de aprendizaje automático basándose desde el principio en las capacidades y la naturaleza propia de la computación cuántica. Este es el fundamento del nuevo lanzamiento de Google: TensorFlow Quantum.

Recomendados:  Informe IT Trends: 2020, el año de la consolidación digital Leer Ciberseguridad en 2020, ¿qué podemos esperar? Registro.  Tendencias TI 2020, visionando el futuro. Webinar ondemand.

Se trata de una librería de recursos para el desarrollo de modelos machine learning basados en la computación cuántica, que ahora está disponible para la comunidad de desarrolladores Open Source en todo el mundo. Esto permitirá realizar importantes avances a la comunidad científica, que es uno de los principales clientes de los ordenadores cuánticos.

Las ventajas que proporcionará el aprendizaje automático basado en la computación cuántica permitirán el desarrollo de tecnologías que hasta ahora pertenecen al campo de la ciencia ficción. Por ejemplo, la creación de nuevos modelos climáticos mucho más realistas y precisos, con grandes capacidades predictivas, el diagnóstico precoz de enfermedades, evaluaciones de impacto ambiental más exactas para las actividades industriales y un sinfín de avances tecnológicos que con la informática actual no se pueden alcanzar, o al menos no a tiempo real.

Según han informado desde Google, TensorFlow Quantum se ha desarrollado con la colaboración de la Universidad de Waterloo y Volkswagen, entre otras empresas y organizaciones, y constituye “una biblioteca de código abierto para la creación rápida de prototipos de modelos cuánticos de machine learning”. Como han dicho en su comunicado oficial, “TensorFlow Quantum proporciona las herramientas necesarias para reunir a las comunidades de investigación de computación cuántica y aprendizaje automático, con el fin de controlar y modelar sistemas cuánticos naturales o artificiales, por ejemplo, procesadores cuánticos NISQ, de entre 50 y 100 qubits”.

Con esta librería, Google quiere contribuir a la creación de un aprendizaje automático cuántico en dos aspectos clave. El primero es el manejo de los propios datos cuánticos, generados por procesadores como los NISQ, que generalmente adolecen de una gran desorganización al poco de ser creados, pero que permiten recopilar información no cuántica muy valiosa. El segundo es el desarrollo de modelos híbridos cuántico-clásicos, que permitan el flujo bidireccional de información entre los entornos digitales tradicionales y cuánticos. Esto es fundamental, ya que la cuántica solo estará presente en unos pocos ecosistemas digitales, que necesitarán alimentarse de información proveniente de sistemas basados en la informática binaria.

Además, en los ordenadores cuánticos no solo se emplean procesadores NISQ, sino que su naturaleza “ruidosa” y de pequeña escala obliga a trabajar en colaboración con procesadores convencionales como CPUs y GPUs. Y, para ello, se requiere una programación capaz de unir ambos entornos computacionales de forma efectiva. Por ello, las aplicaciones que se ejecuten en los ordenadores cuánticos deberán estar diseñadas para este modelo de computación heterogénea.

En el caso del aprendizaje automático, Google quiere facilitar el desarrollo de estos sistemas a través de TensorFlow Quantum, que contiene las estructuras básicas necesarias. Estas, según Google, son “qubits, puertas, circuitos y operadores de medición que se requieren para especificar cálculos cuánticos”. Mediante los recursos que Google pone a disposición de los desarrolladores, estos cálculos se pueden ejecutar en simulación o en hardware real, acelerando el desarrollo de algoritmos eficientes para este tipo de ordenadores.