¿Podría una máquina aprender y adaptarse como lo hacen las neuronas del cerebro? Investigadores de la Universidad de Granada (UGR) han dado un paso en esa dirección al desarrollar un modelo teórico de cerebro cuántico que reproduce algunos de los mecanismos con los que las neuronas regulan su actividad. El trabajo plantea una nueva arquitectura para futuros sistemas de computación cuántica bioinspirada, capaces de combinar las propiedades de los cubits con principios propios del funcionamiento cerebral.
La investigación, publicada en la revista Quantum Science and Technology, describe un marco conceptual que podría servir como base para desarrollar futuros cerebros cuánticos implementados sobre hardware cuántico.
Un cerebro cuántico que aprende de las neuronas
El estudio, firmado por los investigadores de la Universidad de Granada Joaquín J. Torres Agudo y Elvira Romera Gutiérrez, representa las poblaciones neuronales mediante cúbits completamente conectados, cuyo comportamiento colectivo está gobernado por el modelo cuántico de Lipkin-Meshkov-Glick (LMG).
La principal novedad consiste en incorporar un mecanismo inspirado en la plasticidad sináptica del cerebro, es decir, la capacidad de las conexiones neuronales para fortalecerse o debilitarse en función de la actividad.
En este modelo, la eficacia de esas conexiones se modifica de forma dinámica y, al mismo tiempo, influye sobre la evolución del sistema cuántico. De esta manera, la actividad de los cúbits cambia sus propias interacciones, reproduciendo un comportamiento similar al de determinadas redes neuronales biológicas.
El modelo logra estabilidad, ritmos y adaptación
Los investigadores explican que esta arquitectura permite reproducir tres características especialmente interesantes para el desarrollo de futuros sistemas inteligentes.
Por un lado, genera estados estables de funcionamiento. Además, produce oscilaciones controlables, comparables a determinados ritmos observados en sistemas neuronales, y muestra una robustez creciente conforme aumenta el tamaño del sistema cuántico.
Según los autores, estas propiedades convierten las arquitecturas basadas en el modelo LMG en una opción prometedora para el desarrollo de cerebros cuánticos bioinspirados.
El siguiente paso será llevar este modelo al hardware cuántico
Aunque el trabajo es teórico, los investigadores plantean una posible implementación mediante un circuito híbrido cuántico-clásico.
En este esquema, la evolución cuántica del sistema se ejecutaría en un procesador cuántico, mientras que la retroalimentación inspirada en las sinapsis sería gestionada por una capa clásica de control. Esta combinación permitiría trasladar el modelo a futuras plataformas de computación cuántica.
Qué podría aportar un cerebro cuántico
Aunque todavía se encuentra en una fase conceptual, este tipo de arquitecturas busca desarrollar sistemas capaces de adaptarse dinámicamente a los cambios de su entorno, inspirándose en el funcionamiento del cerebro humano.
Si estos modelos llegan a implementarse en hardware cuántico, podrían abrir nuevas vías para el desarrollo de sistemas de computación cuántica más flexibles, con aplicaciones futuras en inteligencia artificial, optimización y simulación de procesos complejos.
