Estoy seguro de que la exageración cuántica ha llegado a todas las personas en tecnología (y fuera de él, muy probablemente). Con algunas afirmaciones exageradas, como «alguna compañía ha demostrado la supremacía cuántica», «La revolución cuántica está aquí» o mi favorita, «Las computadoras cuánticas están aquí, y hará que las computadoras clásicas obsoletas». Voy a ser honesto contigo; La mayoría de estas afirmaciones se pretenden como una exageración de marketing, pero estoy completamente seguro de que muchas personas creen que son ciertas.
El problema aquí no es si estas afirmaciones son o no precisas, sino que, como los profesionales de ML y AI que necesitan mantenerse al día con lo que está sucediendo en el campo tecnológico, ¿debería, si es que, si es que le importa?
Debido a que soy un ingeniero primero antes de un investigador de computación cuántica, pensé en escribir este artículo para darles a todos en la ciencia de datos una estimación de cuánto les importa realmente la computación cuántica.
Ahora, entiendo que algunos profesionales de ML y AI son entusiastas cuánticos y les gustaría aprender más sobre Quantum, independientemente de si lo usarán o no en sus roles de trabajo diarios. Al mismo tiempo, otros simplemente tienen curiosidad sobre el campo y quieren poder distinguir el progreso real de la exageración. Mi intención al escribir este artículo es dar una respuesta algo larga a dos preguntas: ¿Deberían los científicos de datos preocuparse por Quantum? ¿Y cuánto deberías importarte?
Antes de responder, debo enfatizar que 2025 es el año de la ciencia de la información cuántica, por lo que habrá mucha publicidad en todas partes; Es el mejor momento para tomar un segundo como persona en tecnología o entusiasta de la tecnología, conocer algunos conceptos básicos sobre el campo para que pueda saber definitivamente cuándo algo es un bombo puro o si tiene toques de hechos.
Ahora que establecemos el ritmo, saltemos a la primera pregunta: ¿Deberían los científicos de datos preocuparse por la computación cuántica?
Aquí está la respuesta corta, «un poco». La respuesta es que, aunque el estado actual de las computadoras cuánticas no es óptimo para construir aplicaciones de la vida real, no existe una superposición mínima entre la computación cuántica y la ciencia de datos.
Es decir, la ciencia de datos puede ayudar a avanzar en la tecnología cuántica más rápido, y una vez que tengamos mejores computadoras cuánticas, ayudarán a hacer que varias aplicaciones de ciencia de datos sean más eficientes.
Leer más: El estado de la computación cuántica: ¿Dónde estamos hoy?
La intersección de la computación cuántica y la ciencia de los datos
Primero, discutamos cómo la ciencia de datos, a saber, la IA, ayuda a avanzar en la computación cuántica, y luego hablaremos sobre cómo la computación cuántica puede mejorar los flujos de trabajo de la ciencia de datos.
¿Cómo puede la IA ayudar a avanzar en la computación cuántica?
La IA puede ayudar a la computación cuántica de varias maneras, desde el hardware hasta la optimización, el desarrollo de algoritmos y la mitigación de errores.
En el lado del hardware, la IA puede ayudar en:
- Optimización de los circuitos minimizando los recuentos de compuertas, eligiendo descomposiciones eficientes y circuitos de mapeo a restricciones específicas de hardware.
- Optimización de pulsos de control para mejorar la fidelidad de la puerta en procesadores cuánticos reales.
- Análisis de datos experimentales sobre la calibración de qubit para reducir el ruido y mejorar el rendimiento.
Más allá del hardware, la IA puede ayudar a mejorar el diseño y la implementación del algoritmo cuántico y ayudar en la corrección y la mitigación de errores, por ejemplo:
- Podemos usar la IA para interpretar los resultados de los cálculos cuánticos y diseñar mejores mapas de características para Quantum Aprendizaje automático (QML), que abordaré en un artículo futuro.
- La IA puede analizar el ruido del sistema cuántico y predecir qué errores es más probable que ocurran.
- También podemos usar diferentes algoritmos de IA para adaptar los circuitos cuánticos a procesadores ruidosos seleccionando los mejores diseños de qubit y técnicas de mitigación de errores.
Además, una de las aplicaciones más interesantes que incluye tres tecnologías avanzadas es el uso de AI en HPC (computación de alto rendimiento o supercomputadoras, en resumen) para optimizar y simular algoritmos cuánticos y circuitos de manera eficiente.
¿Cómo puede Quantum optimizar los flujos de trabajo de la ciencia de datos?
De acuerdo, ahora que hemos abordado algunas de las formas en que la IA puede ayudar a llevar la tecnología cuántica al siguiente nivel, ahora podemos abordar cómo Quantum puede ayudar a optimizar los flujos de trabajo de la ciencia de datos.
Antes de sumergirnos, déjame recordarte que las computadoras cuánticas son (o serán) muy buenas en problemas de optimización. Según eso, podemos decir que algunas áreas donde la cantidad que ayudará es:
- Resolver tareas de optimización compleja más rápido, como los problemas de la cadena de suministro.
- Computación cuántica tiene el potencial de procesar y analizar conjuntos de datos masivos exponencialmente más rápido (una vez que alcanzamos mejores computadoras cuánticas con tasas de error más bajas).
- Aprendizaje automático cuántico (QML) Los algoritmos conducirán a un entrenamiento más rápido y modelos mejorados. Ejemplos de algoritmos QML que se están desarrollando y probando actualmente son:
- Máquinas de vectores de soporte cuántico (QSVMS).
- Redes neuronales cuánticas (QNNS).
- Análisis de componentes principales cuánticos (QPCA).
Ya sabemos que las computadoras cuánticas son diferentes debido a cómo funcionan. Ayudarán a las computadoras clásicas abordando los desafíos de escalar algoritmos para procesar grandes conjuntos de datos más rápido. Aborde algunos problemas y cuellos de botella np-np en el entrenamiento de modelos de aprendizaje profundo.
Bien, primero, gracias por llegar tan lejos conmigo en este artículo; podrías estar pensando ahora «Todo eso es agradable y genial, pero aún no has respondido ¿por qué debería * un científico de datos *?
Tienes razón; Para responder a esto, ¡déjame ponerme mi sombrero de marketing!
La forma en que describo la computación cuántica ahora es el aprendizaje automático y los algoritmos de IA de los años setenta y ochenta. Teníamos algoritmos ML y AI, pero no el hardware necesario para utilizarlos completamente.
Ser un contribuyente temprano a nuevo Tecnología significa que puedes ser una de las personas que ayudan a dar forma al futuro del campo. Hoy en día, el campo cuántico necesita más científicos de datos cuantos en las industrias de finanzas, atención médica y tecnología para ayudar a avanzar en el campo. Hasta ahora, los físicos y los matemáticos han controlado el campo, pero no podemos avanzar sin ingenieros y científicos de datos ahora.
La parte interesante es que avanzar en el campo desde este punto no siempre significa que necesite tener todo el conocimiento y la comprensión de la física y la mecánica cuántica, sino cómo usar lo que ya sabe (también conocido como ML y AI) para mover la tecnología. más.
Pensamientos finales
Uno de los pasos críticos de cualquier tecnología nueva es lo que me gusta pensar como el «último obstáculo antes del avance». Todas las nuevas tecnologías se enfrentaron a retroceso o obstáculos antes de que demostraron ser útiles, y su uso explotó. A menudo es difícil identificar ese último obstáculo, y como persona en tecnología, soy plenamente consciente de cuántas cosas nuevas siguen apareciendo a diario. ¡Es humanamente imposible mantenerse al día con todos los nuevos avances en tecnología en todos los campos! Ese es un trabajo de tiempo completo por sí mismo.
Dicho esto, siempre es una ventaja estar por delante de la demanda cuando se trata de una nueva tecnología. Como en, estar en un campo antes de que se vuelva «genial». De ninguna manera le estoy diciendo a los científicos de datos que renuncien a su campo y salgan al tren de bombo cuántico, pero espero que este artículo lo ayude a decidir cuánto o poca participación, como profesional de ML o IA, querría tener con la computación cuántica.
Entonces, ¿deberían los profesionales de ML y AI preocuparse por Quantum? Solo lo suficiente para poder decidir cómo puede afectar/ ayudar con el progreso de su carrera.