Un algoritmo de aprendizaje automático que incluye un circuito cuántico ha demostrado un mejor rendimiento en la generación de imágenes realistas, como dígitos escritos a mano, en comparación con sus contrapartes clásicas.
El aprendizaje automático permite a las computadoras reconocer patrones complejos, como rostros, y también crear ejemplos nuevos y realistas de esos patrones. Ahora, investigadores han demostrado por primera vez un algoritmo cuántico que funciona bien al generar estos ejemplos realistas, en este caso, creando dígitos escritos a mano auténticos [1]. Los investigadores consideran este resultado como un paso importante hacia la construcción de dispositivos cuánticos capaces de superar las capacidades del aprendizaje automático clásico.
El uso más común de las redes neuronales es la clasificación, como reconocer letras escritas a mano. Pero los investigadores buscan cada vez más aplicar algoritmos en tareas más creativas, como generar obras de arte, piezas musicales o rostros humanos realistas. Estas redes neuronales generativas también se pueden utilizar en la edición automática de fotos para eliminar detalles no deseados, como la lluvia.
Alejandro Perdomo-Ortiz de Zapata Computing en Toronto señala que incluir la computación cuántica en las redes generativas actuales podría mejorar significativamente el rendimiento. Por lo tanto, los investigadores han estado tratando de implementar algoritmos en la generación actual de dispositivos cuánticos ruidosos de escala intermedia, máquinas cuánticas rudimentarias con menos de aproximadamente 50 bits cuánticos (qubits). El éxito hasta ahora ha sido limitado, pero ahora él y sus colegas informan resultados mejorados con una nueva arquitectura de aprendizaje automático.
