Un sistema cuántico, como una persona en una habitación ruidosa, va perdiendo el hilo de la conversación poco a poco: su estado se dispersa en el entorno. Pero a veces, como si de repente recordara una idea importante, puede recuperar parte de la información perdida. Los físicos llaman a este fenómeno dinámica no markoviana: la memoria que el entorno guarda del pasado del sistema permite que la información fluya de vuelta.

Los científicos decidieron potenciar este efecto controlando un sistema de dos niveles (el objeto cuántico más simple, como un átomo con dos estados) mediante aprendizaje por refuerzo. Este método se parece al adiestramiento: un agente computacional prueba diferentes secuencias de pulsos de control y recibe una recompensa por intensificar la recuperación de información. La comparación con el control óptimo tradicional mostró que el enfoque estándar solo produce débiles y escasos picos de recuperación, mientras que el agente entrenado sincroniza sus acciones con las "ventanas favorables" de la memoria del entorno y consigue un efecto mucho más fuerte.

El mejor resultado lo obtuvo el algoritmo SAC, mientras que PPO dio un resultado ligeramente inferior, pero con pulsos más suaves y fáciles de implementar en un experimento. Esto significa que la memoria de un sistema cuántico se puede entrenar de forma dirigida, convirtiéndola de una casualidad en una herramienta de trabajo.

Este enfoque podría servir para proteger los cálculos cuánticos de errores y para crear dispositivos cuánticos más robustos.