Agentes de IA de Google reducen hasta 11 veces lo que necesita un cálculo cuántico

Investigadores de Google DeepMind y Google Quantum AI usaron equipos de agentes de inteligencia artificial para diseñar programas para computadores cuánticos que necesitan muchos menos recursos que los conocidos hasta ahora. En una simulación relacionada con la energía de fusión, el costo bajó cerca de 11 veces; en un cálculo de fotoquímica, 8 veces, y en un modelo del metabolismo de fármacos, 2,5 veces, según el estudio publicado en el repositorio científico arXiv el 6 de noviembre.

El avance no vuelve útiles todavía a los computadores cuánticos: los programas aún requieren más recursos de los que tendrán las primeras máquinas capaces de corregir sus propios errores, reconocen los autores. Pero acorta el camino, y muestra un método nuevo para que la IA haga investigación, informó este martes The Quantum Insider.

Agentes que prueban lo que proponen

El problema es que un programa cuántico grande no se puede probar en un computador normal, y las máquinas cuánticas que podrían correrlo aún no existen. La solución del equipo fue usar pruebas matemáticas verificadas por computador. Construyeron una biblioteca en Lean, un sistema que revisa demostraciones, donde se define qué debe calcular cada programa, con qué precisión y con qué costo máximo.

Los agentes de IA proponen programas y deben entregar, junto con cada uno, la prueba de que es correcto y de cuánto cuesta. Si la prueba falla, usan el mensaje de error para corregir. Un sistema aparte revisa cada solución para evitar que un agente “mejore” el resultado cambiando la tarea o debilitando las condiciones.

Equipos con wiki y conferencias

Los agentes trabajaron en equipos que compartían programas exitosos, pruebas parciales y enfoques fallidos en una wiki común, y discutían ideas en conferencias virtuales programadas. En el cálculo de fotoquímica, un equipo propuso una idea en una de esas conferencias y otro la refinó y la probó: fue la mayor reducción individual de ese desarrollo, 34%.

Las personas eligieron los problemas, escribieron las especificaciones e interpretaron los resultados. El equipo dijo que publicará su biblioteca, las especificaciones y las soluciones verificadas como código abierto.

Qué significa para las empresas de la región

La computación cuántica no está en la agenda de casi ninguna empresa latinoamericana, pero el método sí dice mucho sobre cómo trabajar con agentes:

1. El humano define el problema. Los agentes rindieron porque alguien escribió con precisión qué debían lograr y cómo se mediría.
2. Todo resultado se verifica. Un agente que entrega trabajo sin control puede “ganar” cambiando las reglas. Pon un revisor, humano o automático, al final.
3. Comparte lo que aprenden. Los equipos de agentes que compartían errores y aciertos avanzaron más rápido. Lo mismo vale para tus equipos que usan IA.

Qué mirar

La publicación de la biblioteca de código abierto, si otros laboratorios replican el método de agentes con pruebas verificadas en otras áreas de la ciencia y cuánto falta para que los programas quepan en los primeros computadores cuánticos con corrección de errores.

A partir de información de Google DeepMind y Google Quantum AI, “Discovering formally verified quantum programs with AI” (arXiv).