OVIEDO 15 Dic. (EUROPA PRESS) -

Investigadores del Consejo Superior de Investigaciones Científicas (CSIC) han puesto en marcha un proyecto que abre la puerta a una nueva generación de tecnologías cuánticas mediante el uso de Inteligencia Artificial (IA) y aprendizaje automático aplicados a átomos fríos, conocidos como átomos de Rydberg.

El proyecto, financiado con cerca de 2 millones de euros por el Ministerio de Ciencia, Innovación y Universidades, está liderado por el Centro de Investigación en Nanomateriales y Nanotecnología (CINN, CSIC-Uniovi-Principado) y cuenta con la participación del Instituto de Ciencia de Materiales de Madrid (ICMM), el Instituto de Nanociencia y Materiales de Aragón (INMA, CSIC-Unizar) y el Computer Vision Center (CVC).

Bajo el título 'Aprendizaje Automático en Simulaciones Cuánticas con átomos de Rydberg', la iniciativa combina computación cuántica e inteligencia artificial para desarrollar una plataforma en la que hardware y algoritmos trabajen de forma conjunta con el objetivo de resolver problemas complejos de manera más eficiente que los ordenadores clásicos.

Según ha explicado el coordinador del proyecto, el investigador del CSIC en el CINN Miguel Pruneda, la propuesta se basa en el uso de átomos de Rydberg, una plataforma prometedora para la computación cuántica por sus fuertes interacciones y largos tiempos de coherencia, aunque con importantes retos de control que podrán abordarse mediante técnicas de machine learning.

Los investigadores destacan el carácter disruptivo del proyecto, que permitirá mejorar tanto el diseño experimental como la comprensión teórica de sistemas cuánticos complejos, así como desarrollar nuevos algoritmos cuánticos optimizados para esta tecnología.

El trabajo se estructura en varios nodos interconectados. El CINN actuará como eje experimental, el INMA se centrará en el uso de redes neuronales para simular sistemas cuánticos de muchos cuerpos, el ICMM desarrollará algoritmos cuánticos de optimización y el CVC aportará su experiencia en aprendizaje automático clásico y cuántico.

Además, los resultados podrían tener aplicaciones en otros ámbitos como la química cuántica, la optimización de redes de telecomunicaciones o la estabilidad de la red eléctrica, contribuyendo al desarrollo de soluciones robustas con impacto más allá de la computación cuántica.