En 1867, James Clerk Maxwell imaginó un demonio que clasifica las moléculas de un gas y, con ello, viola la segunda ley de la termodinámica. El demonio necesita conocer las velocidades de las partículas. En el mundo cuántico existe una tarea similar: mantener el entrelazamiento bajo control para que no crezca como una avalancha, pero es imposible observar el sistema completo. Resulta que al demonio le basta una libreta incompleta.

El entrelazamiento es un vínculo cuántico en el que las partículas pierden su independencia. En un esquema estabilizador de N cúbits, en cada paso el agente coloca una compuerta de dos cúbits óptimamente desentrelazante con probabilidad p, y con probabilidad 1-p una compuerta de Clifford aleatoria. El agente ve un "marcador" de estabilizadores del que se ha eliminado aleatoriamente una fracción 1-q de filas. El entrenamiento con Proximal Policy Optimization y una arquitectura de transformador dio un resultado inesperado: con información completa (q=1), la transición de fase desaparece por completo. Incluso para un p>0 arbitrariamente pequeño, el estado estacionario sigue una ley de área para el entrelazamiento, y la fase de volumen se reduce a un punto en p=0.

El mecanismo consiste en crear una secuencia de "cuellos de botella": el agente elige varios enlaces equidistantes y mantiene en ellos un entrelazamiento casi nulo. Esto divide la cadena en subsistemas y limita el entrelazamiento máximo alcanzable. El perfil de entrelazamiento adquiere forma de pirámides, autosemejantes al duplicar el tamaño del sistema. Con información parcial se ha encontrado un umbral crítico $q_c$(p): por encima, la ley de área; por debajo, la ley de volumen. A medida que p aumenta, la fracción de información requerida disminuye. Para p≥$p_c^{gree}$dy, la ley de área se mantiene incluso cuando q→0, ya que el agente atrapa eficazmente pares de Bell usando el único estabilizador disponible.

Antes de este trabajo no estaba claro si era posible controlar el entrelazamiento en un sistema cuántico de muchas partículas teniendo solo información parcial de su estado, ni qué estrategias se necesitarían. Ahora se ha demostrado que los agentes entrenados con refuerzo pueden mantener la ley de área del entrelazamiento incluso con una fracción pequeña de estabilizadores observados, siempre que esa fracción supere el umbral crítico. La comparación de las estrategias aleatoria, codiciosa y entrenada en un mismo modelo, variando la fracción de información disponible, reveló una transición abrupta en el comportamiento del sistema. Esto podría ser útil para desarrollar protocolos de corrección de errores cuánticos y memoria cuántica, donde se necesita suprimir el entrelazamiento con ruido teniendo acceso limitado a las mediciones.

El demonio de Maxwell con la libreta incompleta resultó no ser una fantasía, sino un algoritmo concreto. El siguiente paso es determinar los exponentes críticos cerca del umbral de información y probar las estrategias en circuitos con parámetros de compuerta continuos, acercándose a los procesadores cuánticos reales.