En Shenzhen, China, el 10 de junio de 2025, MicroCloud Hologram Inc. anunció un avance innovador en la computación cuántica. Han desarrollado una arquitectura de Red Neuronal Cuántica Profunda (DQNN) resistente al ruido. Esta innovación promete revolucionar las aplicaciones de Inteligencia Artificial Cuántica (IA Cuántica).
Las redes neuronales tradicionales han logrado hazañas notables, pero la computación cuántica ofrece el potencial de avances aún mayores. El DQNN de HOLO utiliza qubits como neuronas y operaciones unitarias arbitrarias como perceptrones. Este diseño permite un entrenamiento jerárquico eficiente y reduce los errores cuánticos, haciéndolo robusto contra datos ruidosos.
El núcleo de esta arquitectura reside en sus neuronas cuánticas, que utilizan estados cuánticos para almacenar información más rica, mejorando la potencia computacional. Cada neurona actualiza su estado a través de operaciones unitarias, asegurando que no se pierda información durante el cálculo. Este diseño permite que la red neuronal cuántica se adapte a patrones de datos cuánticos complejos, al tiempo que reduce los errores de cálculo.
Para entrenar la red de manera eficiente, HOLO utiliza una estrategia de optimización basada en la fidelidad, una métrica clave para medir la similitud entre los estados cuánticos. Este enfoque reduce la necesidad de recursos computacionales y mantiene la estabilidad incluso en entornos ruidosos. Esto hace que la arquitectura sea práctica en las computadoras cuánticas actuales de escala intermedia ruidosa (NISQ).
La arquitectura optimiza la codificación del estado cuántico, asegurando que el número requerido de qubits solo se escale con el ancho de la red, en lugar de su profundidad. Este diseño permite que la red neuronal cuántica profunda se entrene en los procesadores cuánticos existentes, allanando el camino para modelos de aprendizaje automático cuántico a gran escala.
Las pruebas de referencia han demostrado que el DQNN aprende con precisión las operaciones cuánticas objetivo y exhibe excelentes capacidades de generalización. Esto significa que puede inferir relaciones de mapeo cuántico razonables, incluso con datos de entrenamiento limitados o ruidosos. A medida que la computación cuántica avanza, se espera que esta tecnología desempeñe un papel fundamental en varios escenarios del mundo real.
Este avance de HOLO no solo impulsa el aprendizaje automático cuántico, sino que también abre nuevas posibilidades para numerosas industrias. El desarrollo de esta arquitectura DQNN resistente al ruido está a punto de desempeñar un papel importante en múltiples industrias, marcando el comienzo de la inteligencia artificial en una nueva era de la computación cuántica.