P. 1
Quantum annealing, descripción del método algorítmico

Quantum annealing, descripción del método algorítmico

|Views: 1,425|Likes:
Published by Alfonso
Descripción de métodos de mejora local para optimización metaheurística: cristalización cuántica (también referido como: temple cuántico o recocido cuántico). Las imágenes son propiedad de sus respectivos autores, debidamente referenciados.
Descripción de métodos de mejora local para optimización metaheurística: cristalización cuántica (también referido como: temple cuántico o recocido cuántico). Las imágenes son propiedad de sus respectivos autores, debidamente referenciados.

More info:

Published by: Alfonso on Dec 11, 2011
Copyright:Attribution Non-commercial No-derivs

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/06/2013

pdf

text

original

Breve descripción del estado del arte de varios métodos de mejora local (II

)

Quantum annealing
(Cristalización cuántica)
El temple cuántico (también llamado aleación, cristalización o recocido) es análogo al temple simulado pero sustituyendo la activación térmica por el efecto túnel. La clase de métodos algorítmicos de cristalización cuántica (Quantum Annealing, abreviado: 'QA'), también referida por la escuela italiana como Optimización Estocástica Cuántica: (Quantum Stochastic Optimization: 'QSO'), es una prometedora herramienta metaheurística para resolver problemas de búsqueda local en contextos de optimización multivariable. Éstos problemas consisten habitualmente en localizar el máximo o el mínimo de una función de coste, compuesta de muchas variables independientes con gran número de instancias. En este contexto, la evaluación del coste debe realizarse necesariamente en términos probabilísticos, puesto que dada la gran amplitud del espacio de configuraciones (que frecuentemente serán matrices hamiltonianas con la gigantesca dimensión de 2N filas), lo habitual es que no pueda realizarse una evaluación explícita exhaustiva de todas por ser excesivamente numerosas para calcularlas en periodos de tiempo razonablemente prácticos. Pensemos que: para una red cristalina con tan solo cinco nodos, habría que operar con una matriz de 2 5*25 ~= 1000 elementos; con solo diez nodos, ya se dispara a más de un millón de elementos, y con dieciséis nodos, a casi 4.300.000.000 (denominamos a esto la “maldición de la dimensionalidad” o “efecto Hughes”, debido a Bellman). Una configuración queda así definida como una “tupla” (o “vector”) de valores sobre todo el conjunto de variables independientes. El valor de la función de coste depende de las configuraciones, entendiéndose como solución del problema aquélla configuración óptima que minimiza, o maximiza, la función de coste con cierta probabilidad arbitrariamente elegida.

ORIGEN Y MODELO NATURAL
En cierto modo, los métodos de temple, cristalización o 'annealing' son una metáfora de la naturaleza que trata de imitar la forma en que se ordenan las moléculas de un metal al magnetizarse, o de un cristal durante la transición de fase, que ocurre por ejemplo, al enfriarse el agua o el dióxido de silicio tras haber sido previamente calentados: si el enfriamiento fuese lento, habitualmente el cristal así generado tendrá pocas imperfecciones (es decir, se encontrará en un metaestado de baja energía) que si se enfriara demasiado rápido (metaestado de alta energía). Este modelo físico natural se basa en la propensión a minimizar su energía libre (en el sentido de Helmholtz) de un sistema ergódico, como un sistema termodinámico cerrado en que todos los estados configuracionales sean equiprobables.

Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

Los métodos de temple se basan por lo general en el algoritmo de Monte Carlo, que repite una gran cantidad de muestreos aleatorios sobre un hipercubo de dimensión 'N' (espacio de soluciones del problema), a fin de generar estados muestrales y permitiendo reducir mucho la complejidad de cómputo a costa de perder algo de precisión estadística. Nos interesaremos especialmente por el caso de los imanes ferromagnéticos, en que todas las cargas están orientadas en una determinada dirección en el espacio (llamada spin). El spin por su parte es realmente una representación típica del momento angular y no implica de modo literal que una partícula gire sobre su propio eje. El concepto de “cristalización” o “aleación” queda intuitivamente claro si se observa la formación de imperfecciones en: – – la congelación de bloques de hielo más o menos translúcidos el forjado de metales resistentes a la tracción mecánica, para cuchillos, engranajes o calderas de uso industrial los procesos industriales de fabricación de vidrios resistentes en parabrisas de automóviles o de lentes sin opacidades ópticas para observación astronómica

Puede ocurrir que en el espacio de configuraciones existan muchas barreras térmicas “grandes” constriñendo la relajación térmica del sistema a lo largo del tiempo. Un ejemplo clásico para ilustrar la criticidad de una cristalización suficientemente lenta es el que se da a escalas geológicas en la corteza continental litosférica. Cuando estas masas de roca subterránea son sometidas a un gradiente geotérmico en condiciones de presión y temperatura sostenidas adecuadamente a lo largo del tiempo, pueden cristalizar ordenadamente produciendo diamantes y corindones, mientras que al hacerlo demasiado rápido tan solo generan pedazos de carbón y pedruscos sin valor gemológico.
Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

En la industria manufacturera, un proceso similar incorrectamente ejecutado produciría hielos, vidrios y metales frágiles y con opacidades, impurezas refractivas y cambios de densidad no deseados. Por contra, un proceso bien ejecutado y perfectamente controlado a nivel industrial permite producir grafenos, nanotubos de carbono, fullerenos y otras alotropías extremadamente útiles en su aplicación dadas las excelentes propiedades físico-químicas derivadas de la pureza en su configuración cristalográfica. Por su parte, el estudio de los ferroimanes tiene gran importancia en la fabricación y operación de memorias y discos duros para ordenadores personales, entre otras muchas aplicaciones. Generalmente, en estos casos se incrementa la temperatura del material ferromagnético por encima de la temperatura de Néel para destruir su ordenación magnética, tornándolo paramagnético, y luego se templa lentamente a fin de que sus cargas se orienten en la dirección adecuada. Existen infinidad de ejemplos similares en la naturaleza, pero veamos la diferencia entre QA y otros métodos algorítmicos de temple.

Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

FUNCIONAMIENTO DE QUANTUM ANNEALING
QA es una clase algorítmica parecida al temple simulado (“Simulated Annealing” o 'SA' de Kirkpatrick y otros) que consiste en una adaptación del algoritmo clásico de Metropolis-Hastings. Sin embargo, QA emplea un campo cuántico en lugar de un gradiente térmico. Para explorar el paisaje del problema de optimización, SA y sus variantes (como el Temple Paralelo) aprovechan las fluctuaciones “térmicas” correspondientes a gradientes de temperatura, mientras que QA utiliza para ello fluctuaciones “cuánticas”. Una fluctuación cuántica es un cambio en la cantidad de energía de un punto del espacio durante brevísimos lapsos de tiempo, como resultado del principio de incertidumbre enunciado por Heisemberg (cf. infra). En la metáfora natural sobre la que se basan, los metaestados pueden corresponder a los de un sistema termodinámico, es decir, aquél en el que existen variaciones de temperatura, o a los de uno cuántico, como en el caso de la función de onda del único electrón que orbita un átomo del elemento químico más sencillo: hidrógeno (ver figura). En el hidrógeno atómico, el núcleo de un solo protón es orbitado por un electrón en variadas configuraciones (distribuciones de probabilidad) sin poderse determinar su ubicación exacta con precisión. Estos efectos aparecen a escalas subatómicas, que es donde son perceptibles los efectos de la física cuántica, pero también son observables con experimentos como el de la doble rejilla (cf. infra). Cuando se aplica la clase algorítmica QA a un problema de minimización, se reemplaza un “estado actual” o solución candidata por un “estado vecino“ elegido aleatoriamente (o bien elegido según un sistema algo más depurado, análogo al “adaptive SA”), metaestado que debe tener menor energía en el valor de la función objetivo.
Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

Al hablar de minimización de un objetivo (o maximización, que es el problema recíproco), la idea es ayudar al sistema a escapar de los mínimos locales gracias al “efecto túnel” (quantum tunneling), que permite aprovechar la dualidad onda-corpúsculo (cf. infra) para atravesar las “sólidas” barreras interestatales mediante saltos cuánticos, en lugar de tratar de sobrepasarlas mediantes saltos térmicos. La clave que controla el proceso de selección de metaestados es la amplitud de túnel o potencia de campo cuántico, un parámetro que determina el radio de acción de los estados vecinos a explorar. El radio del campo comienza siendo muy amplio de modo que al principio, la vecindad engloba todo el espacio de búsqueda, y a medida que transcurre el tiempo, se va reduciendo paulatinamente a lo largo de la simulación computacional, hasta que la vecindad se encoge tanto que esos pocos estados vecinos apenas difieren del actual, descontando ruido y márgenes de error, momento que podríamos denominar “colapso cuántico” en que se alcanzaría lo que podríamos llamar un estado cuántico coherente (ver función de Wigner en la figura). Deberá elegirse un límite temporal adecuado: un temple demasiado rápido evitará que la función de onda colapse correctamente, ya que en caso de que las condiciones energéticas varíen con brusquedad, no se producirá correctamente la cristalización (el cambio de fase), al no haber tiempo suficiente para que se adapte la forma funcional del metaestado, de modo que transforme su distribución de probabilidad asociada. Esta capacidad para adaptarse, o no, a cambios bruscos (transferencias de calor, en contextos termodinámicos) se relaciona con la adiabaticidad. Intuitivamente, en contextos cuánticos naturales para el temple, en lugar de a transferencias de calor nos referiremos a cambios en la entropía, o desorden, de un sistema. Téngase en cuenta que aunque enfriemos a temperaturas de cero absoluto un material (conformado como una red cristalina modélica, conocida como “hielo de espín”), su entropía residual puede aún ser muy considerable. Este efecto es debido a la energía del punto cero postulada por Einstein y Stern, es decir, la energía más baja que un sistema físico mecano-cuántico puede poseer, y es la energía del estado fundamental (o “estado base”) del sistema. Por ejemplo, el hidrógeno líquido no se congela a cero absoluto debido precisamente a su energía del punto cero.
Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

Por todo ello parece claro que conviene realizar el proceso de aleación cuántica 'QA' durante un tiempo tan extenso como sea posible para asegurar la resolución exitosa del problema de optimización. Sin embargo, un temple demasiado lento tendrá por lo general la contrapartida de un mayor coste computacional en términos de potencia de cálculo, memoria de trabajo y tiempo de proceso, lo cual es una rémora en espacios de configuraciones en alta dimensionalidad con un elevado número de instancias. Véase que algunos estudios refieren incluso redes cristalinas de rango infinito. Asimismo conviene ajustar el equilibrio óptimo entre la calidad del proceso de cristalización y la potencia de cálculo a emplear en diferentes variedades algorítmicas de QA (cf. infra). Si el temple es demasiado brusco, es posible que aparezcan barreras interestatales en el espacio de configuraciones que sean demasiado amplias y eviten el salto cuántico, conduciendo por tanto a situaciones de “atasco” en extremos locales. Véase la siguiente figura referida a un problema de inferencia Variacional de Bayes - “VB” resuelto con QA).

En el contexto de la cristalización cuántica, es primordial conocer cómo decrece la energía residual a medida que avanza la simulación, lo que equivale a estudiar la adiabaticidad de un sistema que evoluciona cuánticamente. Para comprender bien el modelo, debemos dedicar antes unas palabras a explicar brevemente los conceptos en que se basa esta metáfora natural de la física subatómica.
Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

circunstancias observacionales. Su experimento sugería que una partícula subatómica era capaz de atravesar ambas rejillas -simultáneamente- e incluso interferir consigo misma. Esta dualidad onda-partícula se convirtió rápidamente en un concepto fundamental de la mecánica cuántica, que iba más allá de la física clásica de Newton. Poco después de De Broglie, en 1927, Heisenberg enunció su principio de incertidumbre, que establece que no se pueden conocer simultáneamente y con precisión arbitraria ciertos pares de variables físicas, tales como la posición de una partícula y su cantidad de movimiento. De hecho, el producto de ambas imprecisiones sería en el mejor de los casos, igual a la exigua distancia de Planck. Dicho de otro modo: no se puede observar algo como una onda y como una partícula a la vez. Esto implica también el extraño corolario de que la mera observación de un experimento modifica su resultado, puesto que para evaluarlo es necesario intervenir en el colapso de su función de onda. La imposibilidad de observar este proceso de colapso por medios experimentales es lo que se denomina en mecánica cuántica el “problema de la medida”.

Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

Aunque ya se había desarrollado previamente con el estudio de la radioactividad en las décadas previas, fue en el mismo año de 1927 cuando Friedrich Hund, profesor en Göttingen, descubrió el “efecto túnel”, que parecía ser una increíble forma, derivada de las ecuaciones de la mecánica cuántica, de atravesar paredes supuestamente infranqueables (o más exactamente: barreras de potencial energético).

Este fenómeno ha sido observado, estudiado y controlado (véanse figuras y applets Java de Concord, así como simulaciones de Wolfram Mathematica) siendo bien conocido en el ámbito de la física cuántica, y es la base para el diseño de la clase algorítmica Quantum Annealing. La idea es que: al ser resuelta la función de onda, el principio de incertidumbre de Heisemberg la relaciona con una determinada densidad de probabilidad, asociada al lugar que ocupa una partícula en un determinando momento en el tiempo. La implicación de que no existen soluciones con probabilidad exacta de 0 (o 1) significa que las partículas tendrán cierta probabilidad de atravesar una barrera energética, que será menor cuanto más baja y estrecha sea ésta, pero nunca nula. De ahí la metáfora de que la partícula parezca excavar un túnel cuántico a través de una barrera potencial. En esencia y según los autores que han trabajado en su implementación, QA utiliza una función clásica de coste energético a la que añade un término cinético cuántico que se desplaza por el espacio de problema, en función del tiempo. Al comenzar el algoritmo, el término cinético es muy grande y se va reduciendo tendiendo a cero, hasta un límite temporal máximo concreto. Trabajando de este modo, el estado cuántico del sistema, que inicialmente es un estado cuántico fundamental, evoluciona con el paso del tiempo según las ecuaciones de onda de Schrödinger y Fokker-Planck hasta alcanzar un estado final de solución.

Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

La ecuación anterior expresada en notación de paréntesis angulares (“bra-kets”, introducida por Dirac para describir estados cuánticos) determina la probabilidad de que el estado cúantico superpuesto de una onda física colapse en un estado cuántico sencillo (representado por un vector). Veamos un ejemplo sencillo: Tenemos una moneda. Al lanzarla y girar se considerará como una onda que puede terminar en dos posibles estados: si escribimos con la notación que se usa en física cuántica, éstos serían |cara⟩ y |cruz⟩ que entre sí serán ortogonales (perpendiculares) por definición. En física clásica podemos decir que una moneda debe estar siempre en uno de estos dos estados. Sin embargo, en física cuántica, si estos dos estados son posibles, también lo son las combinaciones de ellos que estén a una unidad de distancia del origen de coordenadas. Básicamente estamos diciendo que una "moneda cuántica" podrá estar en los dos estados al mismo tiempo, cara y cruz, con la misma proporción (mitad cara, mitad cruz, ver figura) o diferente. El estado superpuesto de cara y cruz se podrá mantener sólo si “no se observa”, pues al ser evaluado se produce da el paso de ese estado superpuesto a estar en | cara⟩ o |cruz⟩ con un 50% de probabilidades cada una (u otras proporciones). Si en lugar de una moneda empleáramos un dado hexaédrico, obraríamos análogamente, pero en un espacio de seis dimensiones en lugar de dos. Para una partícula subatómica, se utilizarán espacios de Hilbert que permiten extender las técnicas del espacio euclídeo a dimensión arbitraria, incluso infinita. Así interpretada (en contextos no-relativistas), la ecuación de onda de Schrödinger en función del tiempo corresponde a una amplitud de probabilidad (ver figura), especificada ésta como un número en el plano complejo, que podremos modular algorítmicamente hasta que se inscriba dentro de unos márgenes arbitrariamente pequeños, siendo conformes a la precisión deseada. Estos márgenes describirán la exactitud del condensado cuántico así colapsado en términos probabilísticos, dando una solución puntual al problema de optimización sobre el espacio de configuraciones (soluciones) del problema. Por su parte, la ecuación de Fokker-Planck (también conocida como “ecuación en avance de Kolmogorov”) es una ecuación no reversible que representa la evolución a lo largo del tiempo de una distribución de probabilidad (véanse ejemplos programáticos en Wolfram). Su principal ventaja es que permite el cómputo de una onda gracias a un cierto potencial de deriva y a una constante de difusión:

Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

Según la escuela hindú (Chakrabarti et al.), se ha de estudiar el proceso físico subyacente a la transición de fase, en un sentido cuántico. Para comprender el QA se debe pensar en conceptos de “fricción”, “viscosidad” y “entropía”, pues serán los que condicionen los procesos de tunelado cuántico y determinen por tanto los criterios de bucle y parada del algoritmo. Como es conocido, pueden extraerse funciones de coste análogas utilizando la constante de Boltzmann en los procesos termodinámicos que modeliza la clase SA (temple simulado). La física cuántica en que se basa QA considera diminutos “cuantos” o “paquetes individuales de acción” que operan en forma discreta, en contraposición a la idea de un continuo uniforme. El autor Kovtun y otros, conjeturaron que la razón entre la viscosidad y la densidad entrópica (o “desorden” de un sistema) está acotada por la constante de Dirac ħ=h/2π, o “constante de Planck reducida”. Por otra parte, generalizando la algorítmica QA a cualquier posible espacio de búsqueda, quizá no debamos imponer un límite físico similar, sino que se abortará la simulación una vez que se alcance la precisión deseada. Para hacernos una idea de las extremas dimensiones de este límite, el entorno de la distancia de Planck se mueve en el orden de exponentes superiores a 35, es decir, un 1 seguido de 35 (o más) ceros, lo que parece suficiente para problemas tratables en los supercomputadores actuales que se mueven en el ámbito de los petaflops (10 elevado a 15 operaciones en punto flotante por segundo) y que además han evolucionado similarmente en cuanto a capacidad de memoria (del orden de terabytes en RAM y petabytes en disco de almacenamiento, respectivamente). No obstante, debe tenerse en cuenta que la cantidad de información que se necesita para representar un estado cuántico crece exponencialmente con el tamaño del problema en un computador clásico. Para evitar manejar las inmensas matrices así resultantes es por lo que se realizan simulaciones de Monte Carlo (cf. infra) que complementan la ecuación dinámica de Schrödinger.

Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

APLICACIONES PRÁCTICAS
La clase algorítmica QA ha demostrado ser más eficiente que su contrapartida clásica (SA) en muchas y diversas aplicaciones, tales como: – Optimización combinatoria, como el clásico problema del viajante (“Traveling Salesman Problem”, 'TSP') y otros problemas NP-duros. En la figura se aprecian las pruebas realizadas por Tadashi Kadowaki en su tesis, donde se observa que la probabilidad de hallar el camino mínimo sobre un grafo (para ciertos valores de campo) es considerablemente mejor empleando QA que usando SA.

Entre la clase anterior de problemas de optimización, tiene especial interés el modelo ferromagnético para imanes desorientados de Ernst Ising, un modelo simplificado de cristalización utilizado interdisciplinarmente. Está directamente relacionado con los cristales de spin que al ordenarse resultan en ferroimanes (ver figura). Factorización de enteros, una tarea esencial en criptografía (véase algoritmo de Shor) y consecuentemente en transmisión telemática segura de datos. Búsqueda en bases de datos desordenadas, incluyendo motores de búsqueda web en Internet: importantes problemas informáticos con gran aplicabilidad práctica en la actualidad (véanse algoritmo de Grover y figura), que pueden modelizarse empleando caminos cuánticos.

Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

Detección de patrones y otros problemas NP-duros que aparecen en aprendizaje heurístico para tareas de Inteligencia Artificial. Entre ellos: Reconstrucción de imágenes borrosas y reconocimiento de objetos en imágenes correladas (ver figuras, cf. Inoue – Chakrabarti) Problemas de plegamiento de proteínas, que son simulaciones físico-químicas en las que los átomos se encuentran ubicados en posiciones espaciales específicas y unívocas, como sucede en un cristal (ver figuras). La diferencia principal de una cadena proteica con un cristal, es que la organización de los átomos proteicos no corresponde a un orden periódico, a pesar de lo cual las proteínas se pueden clasificar como estructuras ordenadas puesto que presentan diferentes configuraciones espaciales sobre las que operan fuerzas de atracción y repulsión, que al plegarse determinan su forma definitiva, tras una evolución cinética a lo largo del tiempo.

Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

IMPLEMENTACIONES Y VARIANTES
Para su implementación en un programa informático, la clase algorítmica QA puede desarrollarse utilizando como base una serie de métodos estocásticos como son los de Monte Carlo, de convergencia probada (véase Satoshi Morita & Hidetoshi Nishimori). Los métodos de Monte Carlo (abreviado: 'MC') se utilizan habitualmente para simular entre otros, el problema de los 'N' cuerpos. En este problema, tres o más partículas interaccionan gravitacionalmente entre sí en caída libre, derivando el sistema muy pronto en órbitas caóticas difícilmente predecibles (ver figura), ya que requieren de la solución de múltiples integrales multidimensionales. Se han diseñado diversas variantes de QA, como un tipo híbrido que incorpora fluctuaciones térmicas y cuánticas, modificando la intensidad del campo cuántico a medida que se localizan los estados metaestables. Dentro de la clase de algoritmos cuánticos, una de las bases de QA más documentada es la Computación Cuántica Adiabática (Adiabatic Quantum Computation, 'AQC'), que no debe confundirse con la cristalización cuántica propiamente dicha, pues es más genérica. En AQC, el estado base es deformado adiabáticamente de forma paulatina hasta llegar a un estado solución. Sin embargo, se ha mostrado que AQC falla en problemas NPcompletos y tiene algunos otros inconvenientes. Puede encontrarse una explicación más detallada de este esquema en Ilievski, la empresa Dwave y una videoconferencia sobre el tema en Google Talks.

Por lo general, sobre un computador de arquitectura clásica se simularán estados cuánticos (los llamados qubits) con estados binarios convencionales, por lo que el rendimiento computacional estará sujeto a un oneroso factor de exponencialidad.
Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

Así y todo, existen ya integrados en el hardware algunos rudimentarios procesadores cuánticos experimentales que están desarrollando empresas como DWave para la industria aeroespacial de la corporación Lockheed-Martin (ver figura), presumiblemente capaces de reducir la complejidad algorítmica de forma radical, aunque los prototipos actuales no integran gran cantidad de qubits por el momento. No obstante debe advertirse de que su relativa credibilidad parece no haber terminado de convencer a ciertos sectores de la comunidad científica. Puede generarse código fuente semiautomáticamente con el applet Java QusAnn (ver figura) para ejecutar QA sobre un computador cuántico. No obstante, el acceso a este tipo de computadores experimentales es más bien restringido en la actualidad, por lo que difícilmente se pueden probar, aunque según parece, es posible programarlos en lenguaje Python. Regresando a QA sobre computadores convencionales, también se han diseñado diferentes tipos de fluctuaciones cuánticas (véase por ejemplo: Tanaka, Tamura, Sato y Kurihara) y formas de modulación iterativa del campo cuántico, con reinicio del mismo, así como estudios de métodos híbridos aplicados a problemas de clusterización. Por otra parte se ha profundizado en el estudio del radio de acción de las interacciones cuánticas en cristales de espín (ver Takahashi, Nishimori y Martín-Mayor). El conjunto de variantes del algoritmo QA es lo que se puede denominar “clase algorítmica QA”. Algunos autores como Satoshi Morita se han centrado en optimizar asintóticamente la velocidad de cristalización, basándose en reducir la probabilidad de excitación gracias al teorema adiabático cuántico.
Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

Casi siempre que QA supera en eficiencia a otros métodos, ocurre el que el paisaje de soluciones (espacio de configuraciones) contendrá barreras muy delgadas que separarán simas muy profundas entre múltiples mínimos locales, como es el caso de la función de Rastrigin (ver figuras) y sus variaciones para espacios de diferente dimensionalidad.

En estos entornos, es muy probable que SA (el temple clásico) se quede atascado en un mínimo local, dado que las barreras de potencial que se oponen al salto térmico son muy elevadas, a la par que numerosas. Pero como son también muy estrechas, el salto cuántico tendrá alta probabilidad de éxito, previsiblemente haciendo a QA mucho más eficiente que su contrapartida. Las barreras energéticas (térmicas) del espacio de configuraciones pueden ser de tamaño cuasi-infinito, lo que se denomina “bloqueo cinético” (kinetically constrained blocking) y pueden imaginarse como la presencia de impurezas en un imán, un vidrio o una red cristalina molecular de otro tipo (todos ellos modelados como “cristales de espín” mediante redes cristalinas 'lattice' de Bravais). Estas impurezas en un cristal pueden naturalmente bloquear o reflejar la dirección del campo electromagnético, distorsionando, por ejemplo, las cualidades de imantación o transparencia.

Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

Jörg y otros autores han mostrado en qué circunstancias QA encuentra problemas de eficiencia: concretamente en una transición de primer orden en que los dos estados cuya energía libre se cruza están lejos el uno del otro sobre el espacio de fases, que implica la existencia de barreras potenciales energéticos muy anchas y poco profundas (una situación opuesta a la postulada por Rastrigin). Se han ensayado varias aproximaciones programáticas e implementaciones de QA sobre computadores clásicos, algunas de las cuales fueron estudiadas en su tesis por Lorenzo Stella. En concreto, puede interesar el esquema basado en el camino integral de Monte Carlo (PIMC-Q[T]A, ver figura) y el basado en la función de George Green, también de tipo Monte Carlo (GFMC-QA) utilizando ecuaciones de difusión. El paquete QuMax de la Librería Científica GNU GSL contiene varias implementaciones de algoritmos cuánticos de Monte Carlo, aunque parecen hallarse actualmente en claro desuso. Asociado al Centro de Supercomputación de Barcelona, Daniel Lecina Casas ha trabajado en algorítmica QA para resolver problemas de coloración de grafos. Véase a continuación el algoritmo para este problema concreto sugerido por Alan Crispin y Olawale Titiloye.

Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

A continuación se incluye adicionalmente una implementación en pseudocódigo del algoritmo QA según Diego de Falco y Dario Tamascelli, junto con las transiciones cuánticas asociadas, diseñado para computadores convencionales.

Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

REFERENCIAS
Recopiladas por bloques en función de su naturaleza, aparecen aproximadamente en el mismo orden que su aportación sobre el presente texto, dentro de cada bloque. Referencias principales: • • • • • • • •
Optimization through quantum annealing: theory and some applications https://iris.ucl.ac.uk/research/browse/show-publication?pub_id=190257&source_id=3 An introduction to quantum annealing, de Falco & Tamascelli, univ. Milano http://arxiv.org/abs/1107.0794 An introduction to quantum annealing, Rose & Macready (Dwave) http://dwave.files.wordpress.com/2007/08/20070810_d-wave_quantum_annealing.pdf Studies of Classical and Quantum Annealing, thesis by Lorenzo Stella http://www.ted.com/talks/aaron_o_connell_making_sense_of_a_visible_quantum_object.html Study of Optimization Problems by Quantum Annealing, thesis by Tadashi Kadowaki http://cdsweb.cern.ch/record/550293?ln=es Quantum Annealing and related optimization methods (Springer), Chakrabarti et al. http://books.google.com/books/about/Quantum_annealing_and_related_optimizati.html?id=m04GZnNyJ7MC Mathematical foundation of Quantum Annealing, Satoshi Morita & Hidetoshi Nishimori http://arxiv.org/abs/0806.1859 Convergence theorems for Quantum Annealing http://arxiv.org/abs/quant-ph/0608154

Artículos académicos: • • • • • • • • • • • • • • • • •
Quantum Annealing of Hard problems http://arxiv.org/abs/0910.5644 Quantum Annealing of a Disordered Magnet, Gabriel Aeppli http://www.sciencemag.org/content/284/5415/779.abstract Quantum annealing of a disordered magnet – Brooke et al. http://cdsweb.cern.ch/record/499759?ln=es Quantum annealing of the random-field Ising model by transverse ferromagnetic interactions http://arxiv.org/abs/quant-ph/0702214 Quantum annealing in the transverse Ising model http://arxiv.org/abs/cond-mat/9804280 Quantum Annealing of the Traveling Salesman Problem http://cdsweb.cern.ch/record/711759?ln=es Microscopic Properties of Quantum Annealing -- Application to Fully Frustrated Ising Systems - Shu Tanaka http://arxiv.org/abs/1106.0555 Quantum Annealing and the Schrödinger-Langevin-Kostin equation, de Falco & Tamascelli, univ. Milano. http://arxiv.org/abs/0812.0694 Phase transitions and the perfectness of fluids – Jiunn-Wei Chen, Nat. Taiwan univ. http://arxiv.org/abs/0709.3434 http://cts.phys.ntu.edu.tw/cts/download/20081216_(Jiunn-WeiChen).ppt Scalable architechture for quantum adiabatic computing of NP-Hard problems – Kaminsky & Lloyd, MIT. http://arxiv.org/pdf/quant-ph/0211152 The Ising model is NP-Complete, Barry A. Cipra. www.siam.org/pdf/news/654.pdf Test functions for optimization needs, Marcin Molga, Czesław Smutnicki. www.zsd.ict.pwr.wroc.pl/files/docs/functions.pdf Accelerated stochastic sampling of discrete statistical systems http://arxiv.org/abs/1010.0736 Optimization by Quantum Annealing: Lessons from simple cases http://cdsweb.cern.ch/record/820862?ln=es Adiabatic Quantum Computation (et al.), Dorit Aharonov http://www.cs.huji.ac.il/~doria/papers.html Image recognition with an adiabatic quantum computer – I. Mapping to quadratic unconstrained binary optimization http://arxiv.org/abs/0804.4457 Ground-state statistics from annealing algorithms: Quantum vs classical approaches http://www.citebase.org/abstract?id=oai%3AarXiv.org%3A0808.0365 Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

• • • • • • • • • • • • • • • • •

Adiabatic Quantum Computation is Equivalent to Standard Quantum Computation http://dl.acm.org/citation.cfm?id=1033159 Adiabatic quantum computation fails for random instances of NP-complete problems http://arxiv.org/abs/0908.2782 Quantum viscosity in a strongly interacting Fermi gas http://icamconferences.org/rpmbt1509/documents/Thomas_OhioStatePrelimJuly09.pdf Quantum annealing: An introduction and new developments, Ohzeki & Nishimori http://cdsweb.cern.ch/record/1270899?ln=es Quantum Annealing for Variational Bayes inference: http://cdsweb.cern.ch/record/1178832?ln=es Adiabatic quantum computation, Enej Ilievski, University of Ljubljana http://mafija.fmf.unilj.si/seminar/files/2009_2010/adiabatic.pdf http://es.wikipedia.org/wiki/Hamiltoniano_(mec%C3%A1nica_cu%C3%A1ntica) Faster Annealing Schedules for Quantum Annealing, Satoshi Morita http://cdsweb.cern.ch/record/1023241? ln=es Code Generator for Quantum Simulated Annealing by Robert Tucci http://arxiv.org/abs/0908.1633 QusAnn and Multiplexor expander Java applets http://www.ar-tiste.com/qusann.html The Quantum Annealing and its application in a classical computer http://www.smapip.is.tohoku.ac.jp/~smapip/2005/NHC+SMAPIP/ExtendedAbstracts/SeiSuzuki.pdf Hybrid quantum annealing for clustering problems: http://cdsweb.cern.ch/record/1345450?ln=es Energy gaps in quantum first-order mean-field-like transitions: The problems that quantum annealing can't solve, Jörg et al. http://arxiv.org/abs/0912.4865 Ensemble equivalence in spin systems with short-range interactions, Takahashi, Nishimori y Martín-Mayor http://fts21.accesowok.fecyt.es/iopscience/1742-5468/2011/08/P08024?fromSearchPage=true Quantum annealing of an Ising spin-glass by Green's function Monte Carlo http://arxiv.org/abs/condmat/0608420 Quantum thermal annealing with path integral Monte Carlo http://www.columbia.edu/cu/chemistry/groups/berne/papers/jpcA_104_86_2000.pdf Quantum annealing of a hard combinatorial problem, Daniel Lecina http://upcommons.upc.edu/pfc/handle/2099.1/11313

Referencias web y multimedia: • • • • • • • • • • • • •
http://en.wikipedia.org/wiki/Hamiltonian_(quantum_mechanics) Quantum annealing (discussion pages) http://en.wikipedia.org/wiki/Talk:Quantum_annealing Sachiko Kodama's ferrofluids http://5magazine.wordpress.com/2011/05/31/sachiko-kodamas-ferrofluids/ Absolute Astronomy | Carbon http://www.absoluteastronomy.com/topics/Carbon Helmholtz free energy http://en.wikipedia.org/wiki/Helmholtz_free_energy Diamante | Historia natural http://es.wikipedia.org/wiki/Diamante#Historia_natural Review Article Spin liquids in frustrated magnets http://www.nature.com/nature/journal/v464/n7286/full/nature08917.html Crystal structure http://en.wikipedia.org/wiki/Crystal_structure Néel temperature http://en.wikipedia.org/wiki/N%C3%A9el_temperature Spin-wave excitations in the ferromagnetic-metallic and in the charge, orbital and spin ordered states http://prb.aps.org/abstract/PRB/v84/i11/e094453 Quantum Quenching, Annealing and Computation Anjan Kumar Kumar Chandra, Arnab Das and Bikas K. K. Chakrabarti http://www.springerlink.com/content/978-3-642-11469-4#section=742342&page=2&locus=18 eNotes: Curse of dimensionality http://www.enotes.com/topic/Curse_of_dimensionality Quantum annealing and related optimization methods - Arnab Das, Bikas K. Chakrabarti http://books.google.es/books?id=m04GZnNyJ7MC&lpg=PA3&ots=WUY2iutMXb&dq=Quantum %20Annealing%20and%20Related%20Optimisation %20Methods&lr&hl=es&pg=PP1#v=twopage&q&f=false Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •

What is quantum tunneling? http://www.davidcolarusso.com/blog/?p=33#more-33 El camino cuántico de dos fotones a lo largo de una línea recta http://francisthemulenews.wordpress.com/2010/09/20/el-camino-cuantico-de-dos-fotones-a-lo-largo-de-unalinea-recta/ Simulaciones cuánticas, efecto túnel y doble rejilla en Java: Electron Technologies Models http://et.concord.org/software/ Avances en el almacenamiento de datos http://avances-nanotecnologia.euroresidentes.com/2010/02/avancesen-el-almacenamiento-de-datos.html Fritipedia | Annealing http://www.frit-happens.co.uk/wiki/Annealing PBS Nova: The elegant universe http://www.pbs.org/wgbh/nova/physics/elegant-universe-einstein.html El Tamiz: cuántica sin fórmulas http://eltamiz.com/cuantica-sin-formulas/ MathWorks example of Rastrigin's function http://www.mathworks.es/help/toolbox/gads/f14773.html Quantumaniac http://quantumaniac.tumblr.com/post/10373804268/quantum-tunneling-according-to-quantummechanics N-body problem integration displaying the actual Solar System http://www.lactamme.polytechnique.fr/Mosaic/images/NCOR.UA.16.D/display.html Gallery: Celestial Mechanics http://www.lactamme.polytechnique.fr/Mosaic/descripteurs/Galerie_CelestialMechanics.FV.html Plegamiento de proteínas: un problema interdisciplinario http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp? iCve=47548114 From Levinthal to pathways to funnels http://www.dillgroup.ucsf.edu/danny/NatStructBiol/ Is quantum annealing better than classical? http://cdsweb.cern.ch/record/569291?ln=es Adiabatic theorem http://en.wikipedia.org/wiki/Adiabatic_theorem Spin ice http://en.wikipedia.org/wiki/Spin_ice Zero-point energy http://en.wikipedia.org/wiki/Zero-point_energy Geometrically frustrated magnetism http://www.phys.psu.edu/~schiffer/research/ Efectos Cuánticos I: La coherencia http://entangledapples.blogspot.com/2010/11/efectos-cuanticos-i-lacoherencia.html Coherent states http://en.wikipedia.org/wiki/Coherent_state Shape-Invariant Solutions of the Quantum Fokker-Planck Equation for an Optical Oscillator http://demonstrations.wolfram.com/ShapeInvariantSolutionsOfTheQuantumFokkerPlanckEquationForAn/ The Causal Interpretation of Quantum Tunneling through a Square Barrier and Well http://demonstrations.wolfram.com/TheCausalInterpretationOfQuantumTunnelingThroughASquareBarri/ Computación cuántica: teoría y algoritmos http://entangledapples.blogspot.com/2011/06/computacioncuantica-teoria-y.html Espacio de Hilbert http://es.wikipedia.org/wiki/Espacio_de_hilbert D-Wave Systems sells its first quantum computing system lo Lockheed Martin corp. http://www.dwavesys.com/en/pressreleases.html#lm_2011 Quantum Annealing can be millions of times faster than classical computing http://nextbigfuture.com/2008/02/quantum-annealing-millions-of-times.html Dwave Systems announces 512 qubit Adiabatic Quantum Computer before end of 2012 http://nextbigfuture.com/2011/11/dwave-systems-announces-512-qubit.html Dwave Systems official blog http://dwave.wordpress.com Francis (th)E mule Science's News | Computación cuántica http://francisthemulenews.wordpress.com/tag/computacion-cuantica/ Quantum annealing with manufactured spins – Nature http://www.nature.com/nature/journal/v473/n7346/full/nature10012.html Google Tech Talks on D-Wave and Quantum Annealing http://dwave.wordpress.com/2010/11/01/google-techtalks-on-d-wave-and-quantum-annealing/ Quantum Computing Day (1 & 2) Google Tech Talks http://www.youtube.com/watch?v=I56UugZ_8DI Google Workshop on Quantum Biology, “Learning from Examples Using Quantum Annealing” Presented by Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

• • • • •

• •

Hartmut Neven, October 22, 2010 http://www.youtube.com/watch?v=HKUZ6IuJyHw Machine Learning in Google Googles http://techtalks.tv/talks/54457/ Training a binary classifier with the quantum adiabatic algorithm http://videolectures.net/opt08_neven_tabcwt/ Who needs doors when I can tunnel? - Javier Rodríguez Laguna http://physicsnapkins.wordpress.com/2011/05/13/who-needs-doors-when-i-can-tunnel/ QA in m3l http://code.google.com/p/m3l/source/detail?r=128&path=/trunk/options.c# Path Integral Monte Carlo in C++ http://cms.mcc.uiuc.edu/pimcpp/index.php/Main_Page Quantum Annealing of the graph coloring problem – Olawale Titiloye, Alan Crispin QuMax library http://www.attaccalite.altervista.org/qumax/index.php QuMax at SourceForge http://sourceforge.net/projects/qumax/

Referencias del autor: • • • • •
http://es.scribd.com/doc/66288537/Temple-paralelo-Estado-del-arte http://alfonsoycia.blogspot.com/2011/05/visitando-en-cern-lhc-atlas-en-ginebra.html http://alfonsoycia.blogspot.com/2010/04/cortoplacismo-y-el-principio-de.html http://alfonsoycia.blogspot.com/2007/07/matemtica-cuntica-matemtica.html http://alfonsoycia.blogspot.com/2010/02/simulacion-de-ondas-en-3d.html

Alfonso de la Fuente Ruiz – 2011 http://www.linkedin.com/in/alfonsofr

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->