MADRID, 26 (EUROPA PRESS)
Científicos chinos han establecido un prototipo de computadora cuántica llamado “Jiuzhang 2.0” con 113 fotones detectados, logrando importantes avances en la aceleración de la computación cuántica.
En el estudio se utilizó muestreo de bosones gaussianos (GBS), un algoritmo de simulación clásico, para proporcionar una forma altamente eficiente de demostrar la aceleración computacional cuántica al resolver algunas tareas bien definidas, según informa Xinhua.
Con 113 fotones detectados, “Jiuzhang 2.0” puede implementar GBS a gran escala septillones de veces más rápido que la supercomputadora existente más rápida del mundo y 10.000 millones de veces más rápido que su versión anterior, “Jiuzhang”. En pocas palabras, la supercomputadora más rápida tardaría unos 30 billones de años en resolver un problema que “Jiuzhang 2.0” puede resolver en solo un milisegundo.
El estudio, dirigido por el físico cuántico chino Pan Jianwei, fue publicado en línea en la revista Physical Review Letters.
Inspirado por el concepto de amplificación de luz por emisión estimulada de radiación (LASER), el equipo desarrolló una fuente de luz exprimida estimulada con alto brillo y simultáneamente pureza y eficiencia casi unitarias para GBS escalable.
En diciembre de 2020, los investigadores establecieron el prototipo de computadora cuántica “Jiuzhang” a través del cual se detectaron hasta 76 fotones, logrando una ventaja computacional cuántica. Su sistema de computación cuántica puede implementar GBS a gran escala 100 billones de veces más rápido que la supercomputadora existente más rápida del mundo.
“En comparación con Jiuzhang, hemos mejorado en gran medida el rendimiento y la eficiencia de recolección de la fuente de luz cuántica, hemos aumentado el número de fotones detectados y hemos demostrado la programabilidad de fase de la computadora cuántica GBS”, dijo Lu Chaoyang, miembro del equipo de investigación y profesor de la Universidad de Ciencia y Tecnología de China.
La capacidad de supercomputación de “Jiuzhang 2.0” tiene potencial de aplicación en áreas como la teoría de grafos, el aprendizaje automático y la química cuántica, según el equipo.
Fuente Infobae
