\n<\/p>\n
En 2019, Google anunci\u00f3 con orgullo que hab\u00eda logrado lo que los investigadores de computaci\u00f3n cu\u00e1ntica hab\u00edan buscado durante a\u00f1os: la prueba de que la t\u00e9cnica esot\u00e9rica pod\u00eda superar a las tradicionales. Pero esta demostraci\u00f3n de \u00absupremac\u00eda cu\u00e1ntica\u00bb est\u00e1 siendo cuestionada por investigadores que afirman haber superado a Google en una supercomputadora relativamente normal.<\/p>\n
Para ser claros, nadie dice que Google minti\u00f3 o tergivers\u00f3 su trabajo: la investigaci\u00f3n minuciosa e innovadora que condujo al anuncio de la supremac\u00eda cu\u00e1ntica en 2019 sigue siendo muy importante. Pero si este nuevo documento es correcto, la competencia de computaci\u00f3n cl\u00e1sica versus cu\u00e1ntica sigue siendo un juego de cualquiera.<\/p>\n
Puede leer la historia completa de c\u00f3mo Google llev\u00f3 la cu\u00e1ntica de la teor\u00eda a la realidad en el art\u00edculo original, pero aqu\u00ed est\u00e1 la versi\u00f3n muy corta. Las computadoras cu\u00e1nticas como Sycamore no son mejores que las computadoras cl\u00e1sicas en nada todav\u00eda, con la posible excepci\u00f3n de una tarea: simular una computadora cu\u00e1ntica.<\/p>\n
Suena como una evasi\u00f3n, pero el objetivo de la supremac\u00eda cu\u00e1ntica es mostrar la viabilidad del m\u00e9todo al encontrar incluso una tarea muy espec\u00edfica y extra\u00f1a que pueda hacer mejor que incluso la supercomputadora m\u00e1s r\u00e1pida. Porque eso pone el pie cu\u00e1ntico en la puerta para expandir esa biblioteca de tareas. Quiz\u00e1s al final todas las tareas sean m\u00e1s r\u00e1pidas en cuanto a cu\u00e1ntica, pero para los prop\u00f3sitos de Google en 2019, solo una lo fue, y mostraron c\u00f3mo y por qu\u00e9 con gran detalle.<\/p>\n
Ahora, un equipo de la Academia de Ciencias de China dirigido por Pan Zhang ha publicado un art\u00edculo que describe una nueva t\u00e9cnica para simular una computadora cu\u00e1ntica (espec\u00edficamente, ciertos patrones de ruido que emite) que parece tomar una peque\u00f1a fracci\u00f3n del tiempo estimado para la cl\u00e1sica. c\u00f3mputo para hacerlo en 2019.<\/p>\n
Al no ser un experto en computaci\u00f3n cu\u00e1ntica ni un profesor de f\u00edsica estad\u00edstica, solo puedo dar una idea general de la t\u00e9cnica Zhang et al. us\u00f3. Presentaron el problema como una gran red 3D de tensores, con los 53 qubits en Sycamore representados por una cuadr\u00edcula de nodos, extruidos 20 veces para representar los 20 ciclos por los que pasaron las puertas de Sycamore en el proceso simulado. Luego, se calcularon las relaciones matem\u00e1ticas entre estos tensores (cada uno con su propio conjunto de vectores interrelacionados) utilizando un grupo de 512 GPU.<\/p>\n
Una ilustraci\u00f3n del art\u00edculo de Zhang que muestra una representaci\u00f3n visual de la matriz de tensores 3D que usaron para simular las operaciones cu\u00e1nticas de Sycamore. Cr\u00e9ditos de imagen:<\/strong> Pan Zhang et al.<\/p>\n<\/div>\n En el art\u00edculo original de Google, se estim\u00f3 que realizar esta escala de simulaci\u00f3n en la supercomputadora m\u00e1s poderosa disponible en ese momento (Summit en el Laboratorio Nacional de Oak Ridge) tomar\u00eda alrededor de 10,000 a\u00f1os, aunque para ser claros, esa era su estimaci\u00f3n de 54 qubits haciendo 25 ciclos; 53 qubits haciendo 20 es considerablemente menos complejo, pero aun as\u00ed tardar\u00eda unos pocos a\u00f1os seg\u00fan su estimaci\u00f3n.<\/p>\n El grupo de Zhang afirma haberlo hecho en 15 horas. Y si tuvieran acceso a una supercomputadora adecuada como Summit, podr\u00eda lograrse en unos pocos segundos, m\u00e1s r\u00e1pido que Sycamore. Su art\u00edculo se publicar\u00e1 en la revista Physical Review Letters; Puedes leerlo aqu\u00ed (PDF).<\/p>\n Estos resultados a\u00fan no han sido examinados y replicados por completo por los expertos en este tipo de cosas, pero no hay raz\u00f3n para pensar que se trata de alg\u00fan tipo de error o enga\u00f1o. Google incluso admiti\u00f3 que la batuta puede pasarse varias veces antes de que la supremac\u00eda est\u00e9 firmemente establecida, ya que es incre\u00edblemente dif\u00edcil construir y programar computadoras cu\u00e1nticas mientras que las cl\u00e1sicas y su software se mejoran constantemente. (Al principio, otros en el mundo cu\u00e1ntico se mostraron esc\u00e9pticos de sus afirmaciones, pero algunos son competidores directos).<\/p>\n Google ofreci\u00f3 el siguiente comentario reconociendo la marcha del progreso aqu\u00ed:<\/p>\n En nuestro art\u00edculo de 2019, dijimos que los algoritmos cl\u00e1sicos mejorar\u00edan (de hecho, Google invent\u00f3 el m\u00e9todo utilizado aqu\u00ed para la simulaci\u00f3n de circuitos aleatorios en 2017 y los m\u00e9todos para cambiar la fidelidad por costos computacionales en 2018 y 2019), pero el punto clave es que la tecnolog\u00eda cu\u00e1ntica la tecnolog\u00eda mejora exponencialmente m\u00e1s r\u00e1pido. Por lo tanto, no creemos que este enfoque cl\u00e1sico pueda seguir el ritmo de los circuitos cu\u00e1nticos en 2022 y m\u00e1s all\u00e1, a pesar de las mejoras significativas en los \u00faltimos a\u00f1os.<\/p>\n<\/blockquote>\n Como el cient\u00edfico cu\u00e1ntico de la Universidad de Maryland, Dominik Hangleiter, le dijo a Science, esto no es un ojo morado para Google o un golpe de gracia para la cu\u00e1ntica en general de ninguna manera: \u00abEl experimento de Google hizo lo que se supon\u00eda que deb\u00eda hacer, comenzar esta carrera\u00bb.<\/p>\n Google bien puede contraatacar con nuevas afirmaciones propias; tampoco se ha quedado quieto. Pero el hecho de que incluso sea competitivo es una buena noticia para todos los involucrados; esta es un \u00e1rea apasionante de la computaci\u00f3n y el trabajo como el de Google y el de Zhang contin\u00faa elevando el nivel para todos.<\/p>\n<\/p><\/div>\n\n