Brújula cuántica en el laberinto de decisiones ⚡ экспресс
La optimización combinatoria — como encontrar la disposición de menor energía en imanes (el estado fundamental del modelo de Ising) — es notoriamente difícil a nivel clásico. Un nuevo enfoque híbrido utiliza un circuito cuántico poco profundo para proponer soluciones candidatas, que luego se refinan clásicamente. Probado con hasta 104 cúbits superconductores, superó a algoritmos clásicos de recocido simulado altamente optimizados. El muestreador cuántico actúa como un explorador sagaz, trazando un mapa eficiente de un terreno que los métodos clásicos apenas logran recorrer. Los resultados abren la ruta hacia la ventaja cuántica en optimización, incluso sin corrección de errores, en procesadores futuros con miles de cúbits.
La búsqueda de la mejor solución es como buscar la depresión más profunda en las montañas. Una computadora clásica es como una canica: rueda hacia abajo y se atasca en el primer hoyo. Un procesador cuántico es como el agua: se derrama por todo el paisaje y encuentra el fondo al instante. Este método se aplicó al modelo de Ising, un problema de muchas partes interactuantes que buscan minimizar la entropía (desorden) y la energía. El modelo describe no solo imanes, sino también rutas, horarios y empaquetado de carga. Los científicos combinaron una computadora clásica para la dirección general y un circuito cuántico de 104 cúbits superconductores que se «derrama» sobre el paisaje energético, haciendo túneles a través de barreras. La búsqueda híbrida ya supera al recocido clásico en precisión. Con cien cúbits surge una aceleración cuántica real. Inesperadamente, el mismo modelo ayuda a diseñar redes de entrega para millones de paquetes: el algoritmo físico está cambiando la logística. Así, la idea de Richard Feynman sobre la simulación cuántica entra en la vida cotidiana.
🎯 El modelo de Ising, creado hace un siglo para describir imanes, ahora optimiza el estibado de cargas e incluso analiza redes sociales.