Investigadores del IFISC revelan cómo los límites de las redes cuánticas influyen en el rendimiento del aprendizaje automático

• Investigadores del IFISC (CSIC-UIB) demuestran que la capacidad de aprendizaje de las redes neuronales cuánticas puede depender por completo de cómo se conectan sus límites.
• Publicado en Optica Quantum, el estudio revela cómo el efecto Liouvillian skin permite controlar el procesamiento de la información a través de la disipación. 

Un nuevo estudio dirigido por investigadores del IFISC demuestra que las redes neuronales cuánticas pueden presentar el efecto Liouvillian skin (piel de Liouvillina), un fenómeno en el que las condiciones límite afectan drásticamente al comportamiento de los sistemas cuánticos. Este descubrimiento abre nuevas vías para controlar el rendimiento del aprendizaje automático cuántico, destacando el papel de la disipación y la arquitectura de red en las tecnologías cuánticas emergentes. 

¿Puede el límite de un sistema cuántico determinar su capacidad de aprendizaje? Un estudio publicado en Optica Quantum responde a esta pregunta demostrando que el rendimiento de los ordenadores cuánticos de reservorio, redes utilizadas para procesar información temporal, puede estar totalmente determinado por sus condiciones límite. La investigación, realizada por investigadores del Instituto de Física Interdisciplinar y Sistemas Complejos (IFISC, CSIC-UIB), revela que, incluso en arquitecturas cuánticas irregulares, añadir o eliminar un enlace de red puede alterar radicalmente las capacidades computacionales de la red. 

El estudio se centra en un fenómeno conocido como efecto Liouvillian skin. En este contexto, ciertos modos de un sistema cuántico se localizan cerca de sus límites debido a la disipación asimétrica, lo que influye significativamente en la dinámica del sistema. «Demostramos que este efecto, estudiado tradicionalmente en un contexto fundamental, también surge en las redes neuronales cuánticas y puede describir el rendimiento del aprendizaje», explica Antonio Sannia, autor principal del estudio. 

El equipo utilizó sistemas cuánticos abiertos en los que la disipación induce el salto de partículas quirales a través de los nodos de la red. En esta configuración, la información que se debe aprender, como los patrones en series temporales, no se codifica en el hamiltoniano del sistema, sino en su estructura disipativa. Es fundamental señalar que, cuando los límites están cerrados, la red no consigue retener ninguna información útil. Sin embargo, el aprendizaje se restaura cuando los límites se abren ligeramente y el rendimiento aumenta de forma espectacular. 

«Descubrimos que la capacidad de un reservorio cuántico para realizar tareas como la retención de memoria o la clasificación no lineal depende totalmente de cómo se conecta un único enlace de la red», añade Sannia. 

Los hallazgos sugieren que los efectos de piel (skin effects) podrían convertirse en herramientas esenciales para el desarrollo de tecnologías cuánticas robustas y flexibles, especialmente en el ámbito de la computación neuromórfica y de reservorios.

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

---

• El diari de la UIB