StarterDaily

Viernes 6 de diciembre de 2019

Científicos construyen el primer perceptrón del mundo implementado en una computadora cuántica

Cientficos construyen el primer perceptrn del mundo implementado en una computadora cuntica

En 1958, en los primeros días de la revolución informática, la Oficina de Investigación Naval de los EE. UU. Organizó una conferencia de prensa para revelar un dispositivo inventado por un psicólogo llamado Frank Rosenblatt en el Laboratorio Aeronáutico de Cornell. Rosenblatt llamó a su dispositivo un perceptrón, y el New York Times informó que era "el embrión de una computadora electrónica que [la Marina] espera que sea capaz de caminar, hablar, ver, escribir, reproducirse y ser consciente de su existencia."

Esas afirmaciones resultaron ser algo exageradas. Pero el dispositivo inició un campo de investigación que tiene un gran potencial en la actualidad.

Un perceptrón es una red neuronal de una sola capa. Las redes de aprendizaje profundo que han generado tanto interés en los últimos años son sus descendientes directos. Aunque el dispositivo de Rosenblatt nunca alcanzó su potencial, hay una gran esperanza de que uno de sus descendientes lo logre.

Hoy en día, hay otra revolución en el procesamiento de la información en su infancia: la computación cuántica. Y eso plantea una pregunta interesante: ¿es posible implementar un perceptrón en una computadora cuántica y, de ser así, qué tan poderoso puede ser?

Hoy tenemos la respuesta gracias al trabajo de Francesco Tacchino y sus colegas de la Universidad de Pavía en Italia. Estos chicos han construido el primer perceptrón del mundo implementado en una computadora cuántica y luego lo han puesto a prueba en algunas tareas simples de procesamiento de imágenes. Aquí puedes ver la publicación completa.

En su forma más simple, un perceptrón toma una entrada vectorial, un conjunto de números, y los multiplica por un vector de ponderación para producir una salida de un solo número. Si este número está por encima de un cierto umbral, la salida es 1, y si está por debajo del umbral, la salida es 0. Eso tiene algunas aplicaciones útiles. Imagine una matriz de píxeles que produce un conjunto de niveles de intensidad de luz, uno para cada píxel, al generar imágenes de un patrón en particular. Cuando este conjunto de números se alimenta a un perceptrón, produce una salida de 1 o 0 . El objetivo es ajustar el vector de ponderación y el umbral para que la salida sea 1 cuando vea, digamos un gato, y 0 en todos los demás casos.

Tacchino y compañía han repetido el trabajo inicial de Rosenblatt en una computadora cuántica. La tecnología que lo hace posible es el procesador superconductor de calidad Q-5 Tenerife de IBM. Esta es una computadora cuántica capaz de procesar cinco qubits y programable en la web por cualquiera que pueda escribir un algoritmo cuántico. Tacchino y compañía han creado un algoritmo que toma un vector clásico (como una imagen) como entrada, lo combina con un vector de ponderación cuántica y luego produce una salida de 0 o 1.

La gran ventaja de la computación cuántica es que permite un aumento exponencial en el número de dimensiones que puede procesar. Mientras que un perceptrón clásico puede procesar una entrada de N dimensiones, un perceptrón cuántico puede procesar 2 N dimensiones.

Tacchino y sus colegas lo demuestran en el procesador Q-5 de IBM. Debido al pequeño número de qubits, el procesador puede manejar N = 2. Esto es equivalente a una imagen en blanco y negro de 2x2. Luego, los investigadores preguntan: ¿esta imagen contiene líneas horizontales o verticales, o un patrón de tablero de ajedrez?. Resulta que el perceptrón cuántico puede clasificar fácilmente los patrones en estas imágenes simples. "Demostramos que este modelo cuántico de un perceptrón se puede usar como un clasificador elemental no lineal de patrones simples", dicen Tacchino y compañía.

Continúan mostrando cómo podría usarse en patrones más complejos, aunque de una manera limitada por la cantidad de qubits que el procesador cuántico puede manejar.

Eso es un trabajo interesante con un potencial significativo. Rosenblatt y otros pronto descubrieron que un solo perceptrón solo puede clasificar imágenes muy simples, como líneas rectas. Sin embargo, otros científicos descubrieron que la combinación de perceptrones en capas tiene mucho más potencial. Varios otros avances y ajustes han llevado a máquinas que pueden reconocer objetos y caras con la misma precisión que los humanos, e incluso golpear a los mejores jugadores humanos de ajedrez y Go.

El perceptrón cuántico de Tacchino y sus colegas se encuentra en una etapa temprana de evolución similar. Los objetivos futuros serán codificar el equivalente de imágenes en escala de grises y combinar perceptrones cuánticos en redes de múltiples capas. El trabajo de este grupo tiene ese potencial. "Nuestro procedimiento es totalmente general y podría implementarse y ejecutarse en cualquier plataforma capaz de realizar computación cuántica universal", dicen.

Por supuesto, el factor limitante es la disponibilidad de procesadores cuánticos más potentes capaces de manejar grandes números de qubits. Pero la mayoría de los investigadores cuánticos están de acuerdo en que este tipo de capacidad está cerca. De hecho, desde que Tacchino y sus colegas hicieron su trabajo, IBM ya ha hecho un procesador cuántico de 16 qubit disponible a través de la web. Es solo cuestión de tiempo antes de que los perceptrones cuánticos se vuelvan mucho más poderosos.

Vía: technologyreview.com

Más de Machine Learning: El sistema de inteligencia artificial de Facebook puede hablar con la voz de Bill Gates


Comentarios

StarterDaily Presenta

Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarte publicidad relacionada con tus preferencias mediante el análisis de tus hábitos de navegación. Si continúas navegando, consideramos que aceptas su uso. Puedes cambiar la configuración u obtener más información aquí.

Acepto