top of page
  • Fabián Pizarro Arcos

Científicos chinos crean un nuevo prototipo de computadora cuántica

"Jiuzhang 3.0" resuelve algunos problemas 10 mil billones de veces más rápido que su predecesora.


Por Fabián Pizarro


Científicos chinos de Hefei, capital de la provincia de Anhui, en el este de China, crearon recientemente un prototipo de computadora cuántica llamado "Jiuzhang 3.0" con 255 fotones detectados, logrando un gran avance en la aceleración de la computación cuántica.


Desarrollado por un equipo de investigación de la Universidad de Ciencia y Tecnología de China con sede en Hefei, se ha demostrado que "Jiuzhang 3.0" resuelve un problema de muestreo de bosones gaussianos (GBS) 10 mil billones de veces más rápido que Frontier, la supercomputadora más poderosa del mundo actualmente.


"Estimar con los mejores algoritmos clásicos hasta la fecha, generar una única muestra ideal a partir de la misma distribución en el superordenador Frontier tardaría unos 600 años utilizando métodos exactos, mientras que Jiuzhang 3.0 tarda sólo 1,27 microsegundos en producir una muestra", según un estudio publicado en línea en la revista Physical Review Letters este miércoles.


"Generar la muestra más dura del experimento usando un algoritmo exacto le tomaría a Frontier unos 31 mil millones de años", según el equipo, cuyos miembros incluyen a Lu Chaoyang, Liu Naile y el renombrado físico cuántico chino Pan Jianwei.


En 2020, el equipo dirigido por Pan creó el primer prototipo de computadora cuántica basada en luz del mundo, Jiuzhang, que puede demostrar de manera confiable una ventaja cuántica sobre las computadoras clásicas.


El prototipo inicial utilizó un nuevo método de manipulación de 76 fotones para realizar el cálculo extremadamente esotérico en 200 segundos, mientras que la misma tarea le habría llevado a Fugaku, la supercomputadora clásica más rápida del mundo en ese momento, alrededor de 600 millones de años.


En 2021, el equipo actualizó el prototipo a "Jiuzhang 2.0", con 113 fotones detectados para demostrar una capacidad de cálculo más potente para los problemas de GBS.



0 comentarios

Comments


bottom of page