Investigadors de l’IFISC (CSIC-UIB) demostren que la capacitat d'aprenentatge de les xarxes neuronals quàntiques pot dependre per complet de com es connecten els seus límits.

Publicat a Optica Quantum, l'estudi revela com l'efecte Liouvillian skin permet controlar el processament de la informació a través de la dissipació. 

 

Un nou estudi dirigit per investigadors de l’IFISC demostra que les xarxes neuronals quàntiques poden presentar l'efecte Liouvillian skin (‘pell de Liouvillian’), un fenomen en el qual les condicions límit afecten dràsticament el comportament dels sistemes quàntics. Aquest descobriment obre noves vies per controlar el rendiment de l'aprenentatge automàtic quàntic, i destaca el paper de la dissipació i l'arquitectura de xarxa en les tecnologies quàntiques emergents.

Pot el límit d'un sistema quàntic determinar-ne la capacitat d'aprenentatge? Un estudi publicat a Optica Quantum respon aquesta pregunta i demostra que el rendiment dels ordinadors quàntics de reservori, xarxes utilitzades per processar informació temporal, pot estar totalment determinat per les seves condicions límit. La recerca, realitzada per investigadors de l'Institut de Física Interdisciplinària i Sistemes Complexos (IFISC, CSIC-UIB), revela que, fins i tot en arquitectures quàntiques irregulars, afegir o eliminar un enllaç de xarxa pot alterar radicalment les capacitats computacionals de la xarxa.
 
L'estudi se centra en un fenomen conegut com a efecte de pell de Liouvillian. En aquest context, uns certs modes d'un sistema quàntic es localitzen prop dels seus límits a causa de la dissipació asimètrica, la qual cosa influeix de manera significativa en la dinàmica del sistema. «Vàrem demostrar que aquest efecte, estudiat tradicionalment en un context fonamental, també sorgeix en les xarxes neuronals quàntiques i pot descriure el rendiment de l'aprenentatge», explica Antonio Sannia, autor principal de l'estudi.
 
L'equip va utilitzar sistemes quàntics oberts en els quals la dissipació indueix el salt de partícules quirals a través dels nodes de la xarxa. En aquesta configuració, la informació que s'ha d'aprendre, com els patrons en sèries temporals, no es codifica en el hamiltonià del sistema, sinó en la seva estructura dissipativa. És fonamental assenyalar que, quan els límits estan tancats, la xarxa no aconsegueix retenir cap informació útil. No obstant això, l'aprenentatge es restaura quan els límits s'obren lleugerament i el rendiment augmenta de manera espectacular.
 
«Descobrim que la capacitat d'un reservori quàntic per fer tasques com la retenció de memòria o la classificació no lineal depèn totalment de com es connecta un únic enllaç de la xarxa», afegeix Sannia.
 
Les troballes suggereixen que els efectes de pell (skin effects) podrien convertir-se en eines essencials per al desenvolupament de tecnologies quàntiques robustes i flexibles, especialment en l'àmbit de la computació neuromòrfica i de reservoris.

Referència

Antonio Sannia, Gian Luca Giorgi, Stefano Longhi, and Roberta Zambrini, «Liouvillian skin effect in quantum neural networks», Optica Quantum 3, 189-194 (2025).https://doi.org/10.1364/OPTICAQ.541744

Data de l'esdeveniment: 10/06/2025

Data de publicació: Tue Jun 10 10:01:00 CEST 2025