Membros do Ifcae desenvolven un proxecto estatal que busca con IA novas propiedades físicas en sistemas cuánticos e fotónicos

Un equipo do Instituto de Investigación en Física, Computación e Ciencia Aeroespacial (Ifcae) da Universidade de Vigo está a desenvolver un proxecto estatal centrado na simulación de sistemas cuánticos non lineais multidimensionais mediante redes neuronais informadas por física. Empregando intelixencia artificial, nel buscan atopar novas propiedades físicas en sistemas cuánticos e fotónicos. 

O proxecto arrancou en setembro de 2024 e está previsto que remate en decembro de 2027, contando cun orzamento de 62.500 euros e financiamento do Ministerio de Ciencia e Innovación. O equipo está formado por membros do Ifcae, que ten a súa sede no campus de Ourense, tendo como investigadores principais a Humberto Michinel, profesor da Escola de Enxeñaría Aeronáutica e do Espazo, e a David N. Olivieri, profesor da Escola Superior de Enxeñaría Informática. Completan o grupo o persoal docente e investigador destes centros María José Lado, Leandro Rodríguez e José Ramón Salgueiro. A iniciativa dá continuidade ás liñas de traballos destes investigadores e investigadora en ámbitos como a fotónica e a intelixencia artificial. 

Este proxecto consiste en "educar" a unha intelixencia artificial para que poida atopar novas propiedades físicas en certos sistemas cuánticos e fotónicos dunha forma moi enxeñosa: en lugar de adestrarse con miles de exemplos, como fan as IA convencionais, empregan as propias leis físicas do problema. Deste xeito, unha rede neuronal propón unha solución candidata á ecuación que rexe un certo sistema (por exemplo pulsos de luz en fibras ópticas ou nubes cuánticas de átomos ultrafríos) e logo “examínase" a si mesma comprobando canto incumpre esa ecuación en distintos puntos do espazo e o tempo. Cada vez que a rede falla, axusta os seus parámetros internos para reducir o erro, repetindo o proceso millóns de veces ata que a súa solución respecta tanto a ecuación como as condicións iniciais do problema.

A gran vantaxe é que non necesita as custosas mallas de cálculo dos métodos numéricos tradicionais e pode mesmo traballar "ao revés": deducir parámetros físicos descoñecidos a partir de medicións experimentais. As súas aplicacións potenciais son enormes: deseñar comunicacións por fibra óptica máis eficientes, modelar futuros ordenadores cuánticos, ou acelerar simulacións que hoxe requiren supercomputadores.