Investigador U. Mayor creó método pionero basado en redes neuronales para el control cuántico

El trabajo del Dr. Ariel Norambuena, del Centro Multidisciplinario de Física, introduce inteligencia artificial a problemas de control cuántico, logrando excelentes resultados en comparación con los métodos más tradicionales. La investigación fue publicada en la prestigiosa revista Physical Review Letters.


El control cuántico es un campo de investigación que ha permitido a los físicos profundizar en la dinámica y las características de los sistemas cuánticos, ofreciendo potentes aplicaciones para diversos sistemas atómicos, ópticos, sistemas cuánticos híbridos y de estado sólido.

Un equipo, liderado por el académico del Centro Multidisciplinario de Física de la Universidad Mayor, Dr. Ariel Norambuena, usó por primera vez redes neuronales (deep learning) para resolver problemas complejos de mecánica cuántica, donde el desafío es tener control sobre la dinámica.

Fruto de la colaboración con el investigador de la Universidad de Harvard, Marios Mattheakis, y el estudiante del Doctorado en Física U. Mayor, Francisco González, el trabajo fue publicado en la prestigiosa revista Physical Review Letters, donde ha recibido un buen recibimiento dentro de la comunidad nacional e internacional.

El método introduce Inteligencia Artificial a problemas de control cuántico difíciles de resolver, logrando excelentes resultados en comparación con los métodos más tradicionales, ofreciendo un método más universal, flexible y confiable.

Los científicos estudiaron varios métodos reportados en el área de la cuántica para hacer teoría de control y los aplicaron a cinco problemas. Luego hicieron lo mismo con este nuevo enfoque. “Descubrimos que a nuestro método le enseñabas el problema fácil y después, con esa información, resolvía un problema con distintos parámetros y daba mejores predicciones para el problema de control”, explicó.

“Los modelos tradicionales no están pensados para esos casos más difíciles, no tienen esa adaptabilidad, solo sirven para casos muy particulares”, agregó.

Otra de las ventajas es que esta metodología no utiliza datos, permitiendo que cualquier persona en su computador pueda tener un modelo, enseñárselo y no necesitar datos para testear si sus soluciones son óptimas o no.

“Es interesante que esté apareciendo una herramienta de inteligencia artificial que aprenda a resolver modelos sin la necesidad de tener datos”, dijo el autor.

El Dr. Norambuena comentó que se trata de un método nuevo que se puede adaptar y resolver una clase universal de problemas dado que aprenden, pudiendo aplicarse en disciplinas más allá de la Física, como economía, matemáticas y control de sistemas eléctricos, entre otros.

“Este trabajo da pie para seguir avanzando en todos los problemas de control cuántico que existen, porque el método es universal. Que tengas 15 problemas y lo puedas resolver con un solo método, da una libertad para explorar soluciones en el área de las tecnologías cuánticas”, sostuvo.