Investigadors de l’IFISC (UIB-CSIC) han proposat un nou mètode per a la classificació de patrons utilitzant un sol oscil·lador quàntic no lineal en lloc d’una xarxa d’espins (bits). L’estudi, publicat a la prestigiosa revista Physical Review Letters, se centra en la implementació del mètode de memòria associativa i algorismes de classificació mitjançant IA.
Fins ara, les tasques de classificació de patrons es feien mitjançant xarxes de bits o espins en les quals aquests elements interaccionen entre si de manera clàssica o quàntica, respectivament. No obstant això, aquests mètodes presenten problemes quant a la capacitat de reconèixer un gran nombre diferent de patrons, ja que aquesta capacitat està fortament limitada per la grandària del sistema. La proposta de mètode que els investigadors de l’IFISC (UIB-CSIC) publiquen es basa a substituir la xarxa d’espins per un únic oscil·lador quàntic forçat periòdicament i amb termes de dissipació no lineal. Aquests termes no lineals permeten que el sistema tingui una fase metaestable en la qual els patrons a identificar es poden codificar en estats de llum coherents que actuen com a atractors, als quals el sistema té tendència de dirigir la seva dinàmica.
Els nivells energètics de l’oscil·lador quàntic poden codificar els diferents patrons que el mètode classificarà. Això suposa un avantatge important, ja que es treballa amb un únic sistema, en contraposició a una xarxa de bits o espins en la qual és necessari construir un entramat d’elements que interaccionen. A més, l’estudi demostra que amb menys grandària del sistema es pot discernir entre més patrons i superar el límit teòric que presenten les xarxes de bits quàntics.
Aquest nou mètode de classificació de patrons es fa en la fase transitòria del sistema i permet obtenir resultats de forma més ràpida i, per tant, evitar que la informació quàntica es perdi. L’estudi representa un avanç significatiu en el camp del reconeixement i la classificació de patrons mitjançant la física quàntica.
Les xarxes neuronals artificials són sistemes computacionals inspirats en el cervell que poden resoldre i modelar nombroses tasques diverses, des del reconeixement de patrons i de la parla fins a l’anàlisi de big data. La proposta obre noves possibilitats en la posada en marxa de solucions estables en el temps mitjançant oscil·ladors quàntics per a una varietat de problemes, com el reconeixement de patrons.
Labay-Mora, A., Zambrini, R., & Giorgi, G. L. (2023). Quantum associative memory with a single driven-dissipative nonlinear oscillator. Physical Review Letters, 130(19). (ves a la publicació)
Copia de la nota de prensa publicada originalment a la web de l’IFISC. (ves a la publicació)