La máquina de sueños cuánticos de Google

John Martinis usó la patilla de sus anteojos para leer para indicar el lugar donde tiene la intención de demostrar una nueva forma de computadora casi inimaginablemente poderosa en unos pocos años. Es un receptáculo cilíndrico de una pulgada y media de ancho, en la parte inferior de una pila de placas, bloques y alambres de latón, cobre y oro del tamaño de un torso. El día después de que me reuní con él este otoño, cargó el zócalo con un chip superconductor experimental grabado con un logotipo microscópico de Google y enfrió el aparato a una centésima de grado Celsius por encima del cero absoluto. Para celebrar ese primer día de prueba de la máquina, Martinis organizó lo que llamó una pequeña fiesta en una cervecería con colegas de su laboratorio de Google recién equipado en Santa Bárbara, California.

John Martinis ha estado investigando cómo podrían funcionar las computadoras cuánticas durante 30 años. Ahora podría estar a punto de hacer finalmente uno útil.

Esa fiesta no fue nada en comparación con la celebración que tendrá lugar si Martinis y su grupo pueden crear la computadora maravillosa que buscan. Debido a que aprovecharía las extrañas propiedades de la física cuántica que surgen en condiciones extremas como las del chip ultrafrío, la nueva computadora permitiría que un codificador de Google ejecutara cálculos en un descanso para tomar café que le tomaría a una supercomputadora de hoy millones de años. El software que Google ha desarrollado en computadoras ordinarias para conducir automóviles o responder preguntas podría volverse mucho más inteligente. Y las ideas de etapas anteriores que están surgiendo en Google y su empresa matriz, como robots que pueden servir como socorristas de emergencia o software que puede conversar a nivel humano, podrían volverse realidad.

Los fundamentos teóricos de la computación cuántica están bien establecidos. Y los físicos pueden construir las unidades básicas, conocidas como qubits, a partir de las cuales se haría una computadora cuántica. Incluso pueden operar qubits juntos en pequeños grupos. Pero no han creado una computadora cuántica práctica que funcione completamente.

Martinis es una figura destacada en el campo: su grupo de investigación en la Universidad de California, Santa Bárbara, ha demostrado algunos de los qubits más confiables y los ha hecho ejecutar parte del código que necesitaría una computadora cuántica para funcionar. Fue contratado por Google en junio de 2014 después de convencer a la empresa de que la tecnología de su equipo podría madurar rápidamente con el soporte adecuado. Con su nuevo laboratorio de Google en funcionamiento, Martinis cree que puede demostrar una computadora cuántica pequeña pero útil en dos o tres años. A menudo nos decimos unos a otros que estamos en el proceso de dar a luz a la industria de la computación cuántica, dice.

Google y la computación cuántica son una combinación perfecta en el cielo algorítmico. A menudo se dice que la empresa se define por un hambre insaciable de datos. Pero Google tiene una adicción estratégica más apremiante: la tecnología que extrae información de los datos e incluso crea inteligencia a partir de ellos. La empresa se fundó para comercializar un algoritmo para clasificar páginas web y construyó sus cimientos financieros con sistemas que venden y orientan anuncios. Más recientemente, Google ha invertido mucho en el desarrollo de software de inteligencia artificial que puede aprender a comprender el lenguaje o las imágenes, realizar un razonamiento básico o conducir un automóvil a través del tráfico, todas las cosas que siguen siendo complicadas para las computadoras convencionales pero que deberían ser muy sencillas para las cuánticas. El aprendizaje automático es una forma central y transformadora mediante la cual estamos repensando cómo estamos haciendo todo, informó recientemente el CEO de Google, Sundar Pichai, a los inversionistas. Apoyar ese esfuerzo sería el primero de muchos trabajos para la nueva industria cuántica de Martinis.

Hacedor de sueños

Tan recientemente como la semana pasada, la posibilidad de que una computadora cuántica hiciera algo útil dentro de unos años parecía remota. Los investigadores en laboratorios gubernamentales, académicos y corporativos estaban lejos de combinar suficientes qubits para hacer incluso una simple máquina de prueba de principio. Una startup canadiense bien financiada llamada D-Wave Systems vendió algunas de las que llamó las primeras computadoras cuánticas comerciales del mundo, pero pasó años sin poder convencer a los expertos de que las máquinas en realidad estaban haciendo lo que debería hacer una computadora cuántica (ver The CIA and Jeff Bezos Bet sobre computación cuántica).

Luego, la NASA convocó a los periodistas a construir N-258 en su Centro de Investigación Ames en Mountain View, California, que desde 2013 alberga una computadora D-Wave comprada por Google. Allí Hartmut Neven, quien lidera el Laboratorio de Inteligencia Artificial Cuántica Google se estableció para experimentar con la máquina D-Wave, dio a conocer la primera evidencia real de que puede ofrecer el poder que prometieron los defensores de la computación cuántica. En una prueba cuidadosamente diseñada, el chip superconductor dentro de la computadora de D-Wave, conocido como recocido cuántico, había funcionado 100 millones de veces más rápido que un procesador convencional.

Tan recientemente como la semana pasada, la posibilidad de que una computadora cuántica hiciera algo útil dentro de unos años parecía remota. Luego, la NASA convocó a los periodistas a su Centro de Investigación Ames en Mountain View.

Sin embargo, este tipo de ventaja debe estar disponible en tareas informáticas prácticas, no solo en pruebas artificiales. Necesitamos hacer que sea más fácil tomar un problema que surge en el escritorio de un ingeniero y ponerlo en la computadora, dijo Neven, un hablador experto en aprendizaje automático. Ahí es donde entra Martinis. Neven no cree que D-Wave pueda tener una versión de su recocido cuántico lista para servir a los ingenieros de Google lo suficientemente rápido, por lo que contrató a Martinis para hacerlo. Quedó claro que no podemos simplemente esperar, dice Neven. Hay una lista de deficiencias que deben superarse para llegar a una tecnología real. Él dice que los qubits en el chip de D-Wave son demasiado poco confiables y no están conectados entre sí lo suficientemente gruesos. (El director general de D-Wave, Vern Brownell, responde que no le preocupa la competencia de Google).

Google competirá no solo con cualquier mejora que pueda hacer D-Wave, sino también con Microsoft e IBM, que tienen importantes proyectos de computación cuántica propios (ver Microsoft's Quantum Mechanics e IBM muestra un chip de computación cuántica). Pero esas empresas están enfocadas en diseños mucho más lejos de volverse útiles en la práctica. De hecho, un cronograma interno aproximado para el proyecto de Google estima que el grupo de Martinis puede hacer un recocido cuántico con 100 qubits a partir de 2017. El último chip de D-Wave ya tiene 1097 qubits, pero Neven dice que un chip de alta calidad con menos qubits probablemente ser útil para algunas tareas, no obstante. Un recocido cuántico puede ejecutar solo un algoritmo en particular, pero resulta ser uno muy adecuado para las áreas que más le importan a Google. Las aplicaciones que podrían beneficiarse particularmente incluyen el reconocimiento de patrones y el aprendizaje automático, dice Guillermo Oliver , miembro sénior del personal del Laboratorio Lincoln del MIT que ha estudiado el potencial de la computación cuántica.

John Martinis, de 57 años, es la persona perfecta para luchar con una línea increíblemente compleja de investigación de física cuántica en una nueva disciplina de ingeniería. No solo puede sumergirse en las matemáticas esotéricas, sino que le encanta construir cosas. Operar incluso un solo qubit es un rompecabezas ensamblado a partir de la teoría cuántica profunda, la física del estado sólido, la ciencia de los materiales, la microfabricación, el diseño mecánico y la electrónica convencional. Martinis, que es alto y tiene una voz fuerte y amistosa, se preocupa por dominar personalmente la teoría y la implementación técnica de cada pieza. Al dar un recorrido por su nuevo laboratorio en Google, está tan entusiasmado con los nuevos soldadores y las máquinas herramienta en el área de taller convencional como con el equipo más sofisticado que enfría los chips y los opera. Para mí es divertido, dice. Pude hacer experimentos que nadie más pudo hacer, porque pude construir mi propia electrónica.

Este chip experimental, grabado con el logotipo de Google, se enfría justo por encima del cero absoluto para generar efectos cuánticos.

Martinis y su equipo tienen que ser expertos en muchas cosas porque los qubits son inconstantes. Se pueden hacer de varias maneras: Martinis usa bucles de aluminio enfriados con pequeñas corrientes hasta que se convierten en superconductores, pero todos representan datos por medio de estados cuánticos delicados que se distorsionan o destruyen fácilmente por el calor y el ruido electromagnético, lo que podría arruinar un cálculo.

Los qubits usan su física frágil para hacer lo mismo que los transistores usan la electricidad para hacer en un chip convencional: representar bits binarios de información, ya sea 0 o 1 . Pero los qubits también pueden alcanzar un estado, llamado superposición, que es tanto 0 y 1 al mismo tiempo. Los qubits en una superposición pueden vincularse mediante un fenómeno conocido como entrelazamiento, lo que significa que una acción realizada en uno tiene efectos instantáneos en el otro. Esos efectos permiten que una sola operación en una computadora cuántica haga el trabajo de muchas, muchas más operaciones en una computadora convencional. En algunos casos, la ventaja de una computadora cuántica sobre una convencional debería crecer exponencialmente con la cantidad de datos en los que se trabajará.

La dificultad de crear qubits que sean lo suficientemente estables es la razón por la que todavía no tenemos computadoras cuánticas. Pero Martinis ha estado trabajando en eso durante más de 11 años y cree que ya casi está allí. El tiempo de coherencia de sus qubits, o el tiempo que pueden mantener una superposición, es de decenas de microsegundos, unas 10.000 veces la cifra de los del chip de D-Wave.

La confianza de Martinis en el hardware de su equipo incluso lo hace pensar que puede construir para Google una alternativa a un recocido cuántico que sería aún más poderosa. Una computadora cuántica universal, como se la llamaría, podría programarse para abordar cualquier tipo de problema, no solo un tipo de matemáticas. La teoría detrás de ese enfoque en realidad se entiende mejor que la de los recocidos, en parte porque la mayor parte del tiempo y el dinero en la investigación de la computación cuántica se ha dedicado a la computación cuántica universal. Pero los qubits no han sido lo suficientemente confiables como para traducir la teoría en una computadora cuántica universal que funcione.

Esta estructura de placas de metal es necesaria para enfriar y proteger los chips cuánticos.

Es decir, hasta marzo, cuando Martinis y su equipo se convirtieron en los primeros en demostrar qubits que cruzaron un umbral de confiabilidad crucial para una computadora cuántica universal (ver Google Researchers Make Quantum Computing Components More Reliable). Obtuvieron un chip con nueve qubits para ejecutar parte de un programa de verificación de errores, llamado código de superficie, que es necesario para que una computadora de este tipo funcione (desde entonces, IBM ha conseguido que parte del código de superficie funcione en cuatro qubits). Demostramos la tecnología hasta un punto en el que supe que podíamos escalar, dice Martinis. Esto fue de verdad.

Martinis tiene como objetivo mostrar una computadora cuántica universal completa con aproximadamente 100 qubits aproximadamente al mismo tiempo que entrega el nuevo recocido cuántico de Google, en aproximadamente dos años. Eso sería un hito en la informática, pero es poco probable que ayude a los programadores de Google de inmediato. Tal es la complejidad del código de superficie que aunque un chip con 100 qubits podría ejecutar el programa de verificación de errores, no podría hacer ningún trabajo útil además de eso, dice Roberto McDermott , que dirige un grupo de investigación de computación cuántica en la Universidad de Wisconsin. Sin embargo, Martinis cree que una vez que pueda obtener sus qubits lo suficientemente confiables como para poner 100 de ellos en un chip cuántico universal, se abrirá el camino para combinar muchos más. Esto es algo que entendemos bastante bien, dice. Es difícil obtener coherencia, pero es fácil de escalar.

Algoritmos estúpidos

Cuando Martinis explica por qué se necesita su tecnología en Google, no escatima los sentimientos de las personas que trabajan en IA. Los algoritmos de aprendizaje automático son realmente un poco estúpidos, dice, con un toque de asombro en su voz. Necesitan tantos ejemplos para aprender.

De hecho, el aprendizaje automático utilizado por Google y otras empresas informáticas es patético al lado de la forma en que los humanos o los animales adquieren nuevas habilidades o conocimientos. Enseñar trucos nuevos a una pieza de software, como reconocer autos y gatos en fotos, generalmente requiere miles o millones de ejemplos cuidadosamente seleccionados y etiquetados. Aunque una técnica llamada aprendizaje profundo ha producido recientemente avances sorprendentes en la precisión con la que el software puede aprender a interpretar imágenes y habla, facultades más complejas como comprender los matices del lenguaje siguen estando fuera del alcance de las máquinas.

Descubrir cómo los chips de Martinis pueden hacer que el software de Google sea menos estúpido recae en Neven. Piensa que el prodigioso poder de los qubits reducirá la brecha entre el aprendizaje automático y el aprendizaje biológico, y rehará el campo de la inteligencia artificial. El aprendizaje automático se transformará en aprendizaje cuántico, dice. Eso podría significar un software que pueda aprender de datos más desordenados, o de menos datos, o incluso sin instrucciones explícitas. Por ejemplo, los investigadores de Google han diseñado un algoritmo que creen que podría permitir que el software de aprendizaje automático aprenda un nuevo truco, incluso si la mitad de los datos de ejemplo que se proporcionan están etiquetados incorrectamente. Neven reflexiona que este tipo de músculo computacional podría ser la clave para dar a las computadoras capacidades que hoy están limitadas a los humanos. La gente habla sobre si podemos hacer máquinas creativas; los sistemas más creativos que podemos construir serán sistemas de inteligencia artificial cuántica, dice.

De manera más práctica, con solo la máquina de D-Wave para practicar por ahora, los investigadores de Google no pueden hacer mucho más que especular sobre qué podrían o deberían hacer exactamente con los chips que está construyendo Martinis. Incluso cuando los tengan en sus manos, llevará tiempo inventar y construir la infraestructura necesaria para operar una gran cantidad de dispositivos exóticos para que puedan contribuir materialmente al negocio de Google.

Neven confía en que los artesanos cuánticos de Google y su equipo puedan superar todo eso. Él imagina filas de chips superconductores alineados en centros de datos para que los ingenieros de Google accedan a través de Internet relativamente pronto. Predeciría que en 10 años no habrá nada más que aprendizaje automático cuántico: ya no se hace de la manera convencional, dice. Un sonriente Martinis acepta con cautela esa visión. Me gusta eso, pero es difícil, dice. Él puede decir eso, pero tengo que construirlo.

esconder