NeoFronteras

Dos equipos independientes implementan un nuevo tipo de computación basada en sistemas de Ising.

Nadie sabe definir bien qué es complejidad, pero algunos de los sistemas que se consideran complejos tiene propiedades emergentes.

Así, por ejemplo, las bandadas de pájaros o los bancos de peces forman patrones emergentes que no están en los individuos. Estos no se ponen de acuerdo sobre cómo moverse, sino que interaccionan con los vecinos siguiendo unas reglas simples y al final surgen esos patrones tan bonitos.

Algunos sistemas físicos siguen esa política. Así, por ejemplo, en algunos sistemas magnéticos los spines, que actúan como pequeños imanes, interaccionan con los próximos vecinos dependiendo del tipo de interacción, alineándose de la misma manera si la interacción es ferromagnética o de forma opuesta si es antiferromagnética.

Este tipo de sistemas se pueden simular de una manera más o menos sencilla en modelos que pueden ser resueltos analíticamente sólo para una dimensión. Más allá de eso hay que recurrir a simulaciones, generalmente de tipo Monte Carlo.

Pero estos sistemas se pueden complicar, y mucho, si se añade frustración o un campo magnético aplicado aleatorio. Con ello se pretende reproducir el comportamiento de ciertos materiales como los vidrios de spin. La resolución, incluso numérica, de estos modelos es computacionalmente muy exigente cuando los sistemas simulados crecen en tamaño.

Si usamos un ordenador convencional la resolución numérica de estos modelos complejos se eterniza. Pero, ¿y si diseñamos la electrónica de un computador para que esté especializado en la resolución de este tipo de sistemas? No sólo podremos resolver bien este tipo de modelos, sino muchos otros que puedan ser modelizados usando patrones similares. A esta computadora la podríamos llamar una “máquina de Ising”. El potencial de este tipo de máquinas está aún por explorar.

Dos equipos independientes de EEUU y Japón han construido sendas máquinas de Ising. El hardware de la norteamericana se basa en fibras ópticas y el funcionamiento es justo el que los investigadores esperaban. Estos sugieren que las máquinas de Ising podrían superar a las computadoras convencionales digitales en campos como el diseño de fármacos o la optimización de líneas de producción.

La búsqueda de plegamiento de una proteína a partir de su secuencia de aminoácidos se considera que es un problema computacionalmente muy complicado, pero esto es justo lo que muchas veces se necesita para diseñar un nuevo fármaco.

Algunos de los problemas con los que quizás tuviera éxito una máquina de ising sería con problemas NP completos. En este tipo de problemas el número de posibles alternativas aumenta tanto que el tiempo de resolución crece exponencialmente con el tamaño del problema.

Uno de estos problemas típicos es el problema de viajante. En este problema un viajante sale de una ciudad y va visitando ciudades en un recorrido cerrado que le hace volver a su ciudad en el menor tiempo (o menos km) posible. Este problema es fácil de resolver para pocas ciudades, pero para un gran número de ciudades es básicamente irresoluble en un tiempo prudencial. Aunque siempre podremos inventar algoritmos que nos den una solución suficientemente cercana a la óptima.

Las posibles combinaciones de átomos y moléculas para así conseguir un fármaco efectivo es un problema de este tipo. Ni los supercomputadores digitales más poderosos pueden resolver este tipo de cálculos en un tiempo prudencial.

La idea de la máquina de Ising es mapear un problema de optimización difícil sobre un problema específico de modelo de Ising en el que los spines interaccionen de una determinada manera. Así por ejemplo tenemos el problema de cómo dos opiniones contradictorias se propagan por internet, que pueden ser representadas por spines opuestos.

Se podría implementar máquinas de Ising con imanes reales, pero no sería práctico. Así que hay que buscar alternativas. Ya en los años ochenta, John Hopfield y David Tank trabajaron sobre una red neuronal en la que cada neurona era representada por un spin. El spin hacia arriba o hacia abajo correspondía con una neurona activada o desactivada. El peso de la conexión neuronal era representado por las fuerzas de acoplamiento entre spines.

La máquina D-Wave, de la que dice que es el primer computador cuántico adiabático, explota el fenómeno del efecto túnel para disponer qbits en el estado fundamental (el de más baja energía) de una manera análoga a un modelo de Ising.

Algunas de las soluciones que implementan máquinas de Ising solo pueden considerar la interacción a próximos vecinos. Aunque todavía pueden representar problemas arbitrarios, necesitan usar una gran cantidad de spines. La nueva máquina de Ising de la Universidad de Stanford ahora presentada trata de resolver precisamente este problema al aumentar la interacción a más vecinos.

La máquina de Stanford usa impulsos de luz dentro de una cavidad óptica. Estos pulsos son precisamente las representaciones de los spines. Los pulsos se hacen interaccionar con otros pulsos de luz. Se mide la fase de estos pulsos y mandan la información a través de un circuito electrónico que ajusta la intensidad de los láseres que introducen los pulsos en la cavidad.

De momento sólo usan 100 spines, pero con ello los investigadores implicados han podido resolver con éxito unos 4000 problema de tipo Ising.

Por otro lado el grupo de la corporación japonesa NTT ha conseguido una máquina de Ising de 2000 spines y han logrado probarla en tres problemas distintos de momento. La quieren usar en el diseño de fármacos y pretenden mejorarla hasta alcanzar los 20.000 spines el año que viene.

En los próximos años veremos si este tipo de máquinas han tenido éxito.

Copyleft: atribuir con enlace a http://neofronteras.com/?p=5139

Fuentes y referencias:
Artículo original I.
Artículo original II.
Foto: Alireza Marandi