En la era de la información, la cantidad de datos generados por la humanidad es cada vez mayor. Desde el mapeo genético hasta la exploración espacial, nos encontramos frente a conjuntos de datos masivos que superan la capacidad de procesamiento, gestión y comprensión de las personas. Sin embargo, los sistemas de aprendizaje automático pueden ayudar a los investigadores a lidiar con esta creciente inundación de información.

Uno de los enfoques más poderosos para analizar estos datos es la topología, una rama de la geometría que se ocupa de las propiedades que permanecen iguales incluso cuando algo se dobla y estira en todas las direcciones. Los sistemas topológicos son especialmente útiles para analizar las conexiones en redes complejas, como el cableado interno del cerebro, la red eléctrica de los Estados Unidos o las interconexiones globales de Internet.

Sin embargo, incluso con los superordenadores más potentes, estos problemas siguen siendo desafiantes e impracticables de resolver. Pero ahora, un nuevo enfoque que utiliza computadoras cuánticas para agilizar estos problemas ha sido desarrollado por investigadores del MIT, la Universidad de Waterloo y la Universidad del Sur de California.

El equipo describe su propuesta teórica en un artículo publicado en la revista Nature Communications. Según Seth Lloyd, autor principal del estudio y profesor de Ingeniería Mecánica en el MIT, la topología algebraica es clave en este nuevo método. Este enfoque ayuda a reducir el impacto de las distorsiones inevitables que surgen cada vez que alguien recopila datos sobre el mundo real.

En una descripción topológica, las características básicas de los datos (¿Cuántos agujeros tiene? ¿Cómo están conectadas las diferentes partes?) se consideran iguales sin importar cuánto se estiren, compriman o distorsionen. Lloyd explica que a menudo son estas características topológicas fundamentales “las que son importantes al intentar reconstruir los patrones subyacentes en el mundo real que los datos deben representar”.

El enfoque topológico es demasiado exigente para situaciones más complejas cuando se utiliza en computadoras convencionales. Sin embargo, Lloyd afirma que “aquí es donde entra en juego la mecánica cuántica”. Según él, el nuevo enfoque basado en la mecánica cuántica podría acelerar exponencialmente estos cálculos.

Para ilustrar esta aceleración potencial, Lloyd ofrece un ejemplo: si se tiene un conjunto de datos con 300 puntos, un enfoque convencional para analizar todas las características topológicas de ese sistema requeriría “una computadora del tamaño del universo”. Es decir, tomaría 2^300 (dos elevado a la potencia de 300) unidades de procesamiento, aproximadamente el número de todas las partículas en el universo. En otras palabras, el problema simplemente no es resoluble de esa manera.

Es aquí donde entra en juego el algoritmo propuesto por el equipo de investigación. Resolver el mismo problema con el nuevo sistema, utilizando una computadora cuántica, requeriría solo 300 bits cuánticos y según Lloyd, un dispositivo de este tamaño podría lograrse en los próximos años.

El enfoque cuántico-topológico podría ser útil en muchos tipos de conjuntos de datos masivos, como comprender las interconexiones en el cerebro. Según Lloyd, “al aplicar el análisis topológico a los conjuntos de datos obtenidos mediante electroencefalografía o resonancia magnética funcional, se pueden revelar la compleja conectividad y topología de las secuencias de neuronas que subyacen a nuestros procesos de pensamiento”.

El mismo enfoque podría utilizarse para analizar muchos otros tipos de información. “Se podría aplicar a la economía mundial, a las redes sociales o a casi cualquier sistema que involucre el transporte a larga distancia de bienes o información”, afirma Lloyd.

Aunque este trabajo es teórico, “los experimentadores ya nos han contactado para intentar prototipos”, dice Lloyd. “Se podría encontrar la topología de estructuras simples en una computadora cuántica muy simple. Las personas están realizando experimentos de prueba de concepto”.

Ignacio Cirac, profesor en el Instituto Max Planck de Óptica Cuántica en Munich, Alemania, quien no estuvo involucrado en esta investigación, califica la idea como “muy original y creo que tiene un gran potencial”. Además, agrega: “Supongo que debe ser desarrollada y adaptada a problemas particulares. En cualquier caso, creo que esta es una investigación de alta calidad”.

El equipo de investigación también incluyó a Silvano Garnerone de la Universidad de Waterloo en Ontario, Canadá, y a Paolo Zanardi del Centro de Ciencia y Tecnología de la Información Cuántica de la Universidad del Sur de California. El trabajo fue apoyado por la Oficina de Investigación del Ejército, la Oficina de Investigación Científica de la Fuerza Aérea, la Agencia de Proyectos de Investigación Avanzada de Defensa, la Iniciativa de Investigación Universitaria Multidisciplinaria de la Oficina de Investigación Naval y la Fundación Nacional de Ciencia.

Contenido original publicado en: http://news.mit.edu/2016/quantum-approach-big-data-0125s