Durante muchos años, se ha sostenido la creencia de que las computadoras cuánticas superan con creces a sus contrapartes tradicionales. Sin embargo, un reciente descubrimiento desafía esta noción arraigada.
¿Cómo supera un ordenador convencional a un cuántico?
Investigadores de la Universidad de Nueva York han revelado que, bajo ciertas condiciones específicas, los ordenadores clásicos pueden superar el rendimiento de las máquinas cuánticas.
Los investigadores llegaron a esta conclusión al desarrollar un nuevo enfoque que permite a las computadoras clásicas aumentar su velocidad y precisión, equiparándolas con las capacidades de las computadoras cuánticas.
Tradicionalmente, las computadoras cuánticas han mantenido una ventaja significativa sobre sus contrapartes clásicas debido a su procesamiento y almacenamiento de información en qubits, lo que habilita a los algoritmos cuánticos para abordar tareas que superan las capacidades de los ordenadores convencionales.
Pérdida de información es crucial
La investigación revela que los ordenadores cuánticos tienen una tendencia a perder cierta información, y aun cuando se conserva, convertirla en datos clásicos para cálculos prácticos resulta desafiante.
Por otro lado, los ordenadores clásicos no enfrentan los problemas de pérdida y conversión de datos que son característicos de las computadoras cuánticas. Aprovechar esta circunstancia permitiría diseñar algoritmos clásicos capaces de simular un ordenador cuántico con una fracción de los recursos requeridos.
Esto se debe a que los algoritmos pueden preservar solo una porción de la información contenida en el estado cuántico, lo suficiente para calcular el resultado con precisión. Entonces, con este nuevo enfoque, se priorizaría la información crucial y se descartaría el resto, lo que permitiría a las computadoras convencionales realizar tareas interesantes.
Los ordenadores cuánticos tienen mucho por mejorar
Mediante esta técnica, se simplifica el desafío de la computación cuántica, lo que habilita a las computadoras clásicas para gestionar información de manera más eficaz.
“La elección de diferentes estructuras para la red tensorial equivale a optar por distintas formas de compresión, similar a seleccionar diferentes formatos para una imagen“, explica Joseph Tindall del Instituto Flatiron.
Estamos desarrollando herramientas que funcionan exitosamente con una amplia variedad de redes tensoriales. Este trabajo refleja nuestro progreso y estamos seguros de que pronto llevaremos la computación cuántica a un nivel aún más alto.
