Redação do Site Inovação Tecnológica - 14/03/2017
Inteligência artificial quântica
Pesquisadores espanhóis desenvolveram algoritmos de inteligência artificial para serem rodados em computadores quânticos.
Em um trabalho que une física, biologia e computação quântica, a equipe usou simuladores - já que computadores quânticos poderosos o suficiente ainda não estão disponíveis - para criar algoritmos evolutivos que imitam a vida, a seleção natural, a aprendizagem e a memória.
Na verdade, esses algoritmos são essenciais para o próprio desenvolvimento dos computadores quânticos, que precisam de programas confiáveis para que seu funcionamento possa ser atestado - quem acompanha o desenvolvimento desse campo se lembra certamente do algoritmo de Shor, um algoritmo quântico de fatoração que se tornou uma peça fundamental para a criação dos próprios processadores quânticos.
Como os novos algoritmos reproduzem em sistemas quânticos certas propriedades exclusivas de entidades vivas, Unai Alvarez Rodriguez e seus colegas da Universidade do País Basco cunharam um novo termo para descrever seu trabalho: biomimética quântica.
Biomimética quântica
O primeiro algoritmo recria um ambiente de seleção natural no qual os qubits funcionam como indivíduos que se replicam, sofrem mutações, interagem com outros indivíduos e com o meio ambiente, e até atingem um estado equivalente à morte.
"Nós desenvolvemos este mecanismo final para que os indivíduos tenham uma vida útil finita," explicou o pesquisador. Assim, ao combinar todos os elementos, o sistema não tem uma solução única e clara: "Abordamos o modelo de seleção natural como uma disputa entre diferentes estratégias nas quais cada indivíduo seria uma estratégia para resolver o problema e a solução seria a estratégia capaz de dominar o espaço disponível," detalhou Rodriguez.
Um simulador quântico permite essencialmente "pilotar" átomos para ver como as partículas quânticas se comportam. [Imagem: Britton/NIST]
O algoritmo para simular a memória, por outro lado, consiste em um sistema governado por equações. Essas equações apresentam uma dependência de seus estados anteriores e futuros, de modo que a maneira como o sistema muda "não depende apenas de como ele é agora, mas de onde estava há 5 minutos e de onde vai estar daqui a 5 minutos," explicou Rodriguez.
Finalmente, no algoritmo quântico relativo ao processo de aprendizagem de máquina, foram desenvolvidos mecanismos para otimizar tarefas bem definidas, melhorar os algoritmos clássicos e melhorar as margens de erro e a confiabilidade das operações.
Um resultado inesperado foi que "conseguimos codificar uma função em um sistema quântico, mas não escrevê-la diretamente; o sistema fez isso de forma autônoma, poderíamos dizer que ele 'aprendeu' por meio do mecanismo projetado para que isso acontecesse. É um dos mais novos avanços nesta pesquisa," destacou o pesquisador.
De modelos computacionais ao mundo real
"Apesar de terem sido feitas em modo teórico, as simulações que propomos foram concebidas para que possam ser rodadas em experimentos, em diferentes tipos de plataformas quânticas, como armadilhas de íons, circuitos supercondutores e guias de ondas fotônicas, entre outros. Para isso, contamos com a colaboração dos grupos experimentais," finalizou Rodriguez.
Se já se espera que os computadores quânticos apresentem ganhos em velocidade, a possibilidade de simular diretamente os processos biológicos em sistemas de inteligência artificial e aprendizado de máquina coloca novas possibilidades de computação cujo alcance é difícil de ser previsto.
Bibliografia:
Quantum Machine Learning without Measurements
Unai Alvarez-Rodriguez, L. Lamata, P. Escandell-Montero, J. D. Martín-Guerrero, E. Solano
arXiv
https://arxiv.org/abs/1612.05535
Nenhum comentário:
Postar um comentário