Está en la página 1de 21

Breve descripcin del estado del arte de varios mtodos de mejora local (II)

Quantum annealing
(Cristalizacin cuntica)
El temple cuntico (tambin llamado aleacin, cristalizacin o recocido) es anlogo al temple simulado pero sustituyendo la activacin trmica por el efecto tnel. La clase de mtodos algortmicos de cristalizacin cuntica (Quantum Annealing, abreviado: 'QA'), tambin referida por la escuela italiana como Optimizacin Estocstica Cuntica: (Quantum Stochastic Optimization: 'QSO'), es una prometedora herramienta metaheurstica para resolver problemas de bsqueda local en contextos de optimizacin multivariable. stos problemas consisten habitualmente en localizar el mximo o el mnimo de una funcin de coste, compuesta de muchas variables independientes con gran nmero de instancias. En este contexto, la evaluacin del coste debe realizarse necesariamente en trminos probabilsticos, puesto que dada la gran amplitud del espacio de configuraciones (que frecuentemente sern matrices hamiltonianas con la gigantesca dimensin de 2N filas), lo habitual es que no pueda realizarse una evaluacin explcita exhaustiva de todas por ser excesivamente numerosas para calcularlas en periodos de tiempo razonablemente prcticos. Pensemos que: para una red cristalina con tan solo cinco nodos, habra que operar con una matriz de 2 5*25 ~= 1000 elementos; con solo diez nodos, ya se dispara a ms de un milln de elementos, y con diecisis nodos, a casi 4.300.000.000 (denominamos a esto la maldicin de la dimensionalidad o efecto Hughes, debido a Bellman). Una configuracin queda as definida como una tupla (o vector) de valores sobre todo el conjunto de variables independientes. El valor de la funcin de coste depende de las configuraciones, entendindose como solucin del problema aqulla configuracin ptima que minimiza, o maximiza, la funcin de coste con cierta probabilidad arbitrariamente elegida.

ORIGEN Y MODELO NATURAL


En cierto modo, los mtodos de temple, cristalizacin o 'annealing' son una metfora de la naturaleza que trata de imitar la forma en que se ordenan las molculas de un metal al magnetizarse, o de un cristal durante la transicin de fase, que ocurre por ejemplo, al enfriarse el agua o el dixido de silicio tras haber sido previamente calentados: si el enfriamiento fuese lento, habitualmente el cristal as generado tendr pocas imperfecciones (es decir, se encontrar en un metaestado de baja energa) que si se enfriara demasiado rpido (metaestado de alta energa). Este modelo fsico natural se basa en la propensin a minimizar su energa libre (en el sentido de Helmholtz) de un sistema ergdico, como un sistema termodinmico cerrado en que todos los estados configuracionales sean equiprobables.

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

Los mtodos 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 dimensin 'N' (espacio de soluciones del problema), a fin de generar estados muestrales y permitiendo reducir mucho la complejidad de cmputo a costa de perder algo de precisin estadstica. Nos interesaremos especialmente por el caso de los imanes ferromagnticos, en que todas las cargas estn orientadas en una determinada direccin en el espacio (llamada spin). El spin por su parte es realmente una representacin tpica del momento angular y no implica de modo literal que una partcula gire sobre su propio eje. El concepto de cristalizacin o aleacin queda intuitivamente claro si se observa la formacin de imperfecciones en: la congelacin de bloques de hielo ms o menos translcidos el forjado de metales resistentes a la traccin mecnica, para cuchillos, engranajes o calderas de uso industrial los procesos industriales de fabricacin de vidrios resistentes en parabrisas de automviles o de lentes sin opacidades pticas para observacin astronmica

Puede ocurrir que en el espacio de configuraciones existan muchas barreras trmicas grandes constriendo la relajacin trmica del sistema a lo largo del tiempo. Un ejemplo clsico para ilustrar la criticidad de una cristalizacin suficientemente lenta es el que se da a escalas geolgicas en la corteza continental litosfrica. Cuando estas masas de roca subterrnea son sometidas a un gradiente geotrmico en condiciones de presin y temperatura sostenidas adecuadamente a lo largo del tiempo, pueden cristalizar ordenadamente produciendo diamantes y corindones, mientras que al hacerlo demasiado rpido tan solo generan pedazos de carbn y pedruscos sin valor gemolgico.
Alfonso de la Fuente Ruiz 2011 http://www.linkedin.com/in/alfonsofr

En la industria manufacturera, un proceso similar incorrectamente ejecutado producira hielos, vidrios y metales frgiles 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 alotropas extremadamente tiles en su aplicacin dadas las excelentes propiedades fsico-qumicas derivadas de la pureza en su configuracin cristalogrfica. Por su parte, el estudio de los ferroimanes tiene gran importancia en la fabricacin y operacin de memorias y discos duros para ordenadores personales, entre otras muchas aplicaciones. Generalmente, en estos casos se incrementa la temperatura del material ferromagntico por encima de la temperatura de Nel para destruir su ordenacin magntica, tornndolo paramagntico, y luego se templa lentamente a fin de que sus cargas se orienten en la direccin adecuada. Existen infinidad de ejemplos similares en la naturaleza, pero veamos la diferencia entre QA y otros mtodos algortmicos de temple.

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

FUNCIONAMIENTO DE QUANTUM ANNEALING


QA es una clase algortmica parecida al temple simulado (Simulated Annealing o 'SA' de Kirkpatrick y otros) que consiste en una adaptacin del algoritmo clsico de Metropolis-Hastings. Sin embargo, QA emplea un campo cuntico en lugar de un gradiente trmico. Para explorar el paisaje del problema de optimizacin, SA y sus variantes (como el Temple Paralelo) aprovechan las fluctuaciones trmicas correspondientes a gradientes de temperatura, mientras que QA utiliza para ello fluctuaciones cunticas. Una fluctuacin cuntica es un cambio en la cantidad de energa de un punto del espacio durante brevsimos lapsos de tiempo, como resultado del principio de incertidumbre enunciado por Heisemberg (cf. infra). En la metfora natural sobre la que se basan, los metaestados pueden corresponder a los de un sistema termodinmico, es decir, aqul en el que existen variaciones de temperatura, o a los de uno cuntico, como en el caso de la funcin de onda del nico electrn que orbita un tomo del elemento qumico ms sencillo: hidrgeno (ver figura). En el hidrgeno atmico, el ncleo de un solo protn es orbitado por un electrn en variadas configuraciones (distribuciones de probabilidad) sin poderse determinar su ubicacin exacta con precisin. Estos efectos aparecen a escalas subatmicas, que es donde son perceptibles los efectos de la fsica cuntica, pero tambin son observables con experimentos como el de la doble rejilla (cf. infra). Cuando se aplica la clase algortmica QA a un problema de minimizacin, se reemplaza un estado actual o solucin candidata por un estado vecino elegido aleatoriamente (o bien elegido segn un sistema algo ms depurado, anlogo al adaptive SA), metaestado que debe tener menor energa en el valor de la funcin objetivo.
Alfonso de la Fuente Ruiz 2011 http://www.linkedin.com/in/alfonsofr

Al hablar de minimizacin de un objetivo (o maximizacin, que es el problema recproco), la idea es ayudar al sistema a escapar de los mnimos locales gracias al efecto tnel (quantum tunneling), que permite aprovechar la dualidad onda-corpsculo (cf. infra) para atravesar las slidas barreras interestatales mediante saltos cunticos, en lugar de tratar de sobrepasarlas mediantes saltos trmicos. La clave que controla el proceso de seleccin de metaestados es la amplitud de tnel o potencia de campo cuntico, un parmetro que determina el radio de accin 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 bsqueda, y a medida que transcurre el tiempo, se va reduciendo paulatinamente a lo largo de la simulacin computacional, hasta que la vecindad se encoge tanto que esos pocos estados vecinos apenas difieren del actual, descontando ruido y mrgenes de error, momento que podramos denominar colapso cuntico en que se alcanzara lo que podramos llamar un estado cuntico coherente (ver funcin de Wigner en la figura). Deber elegirse un lmite temporal adecuado: un temple demasiado rpido evitar que la funcin de onda colapse correctamente, ya que en caso de que las condiciones energticas varen con brusquedad, no se producir correctamente la cristalizacin (el cambio de fase), al no haber tiempo suficiente para que se adapte la forma funcional del metaestado, de modo que transforme su distribucin de probabilidad asociada. Esta capacidad para adaptarse, o no, a cambios bruscos (transferencias de calor, en contextos termodinmicos) se relaciona con la adiabaticidad. Intuitivamente, en contextos cunticos naturales para el temple, en lugar de a transferencias de calor nos referiremos a cambios en la entropa, o desorden, de un sistema. Tngase en cuenta que aunque enfriemos a temperaturas de cero absoluto un material (conformado como una red cristalina modlica, conocida como hielo de espn), su entropa residual puede an ser muy considerable. Este efecto es debido a la energa del punto cero postulada por Einstein y Stern, es decir, la energa ms baja que un sistema fsico mecano-cuntico puede poseer, y es la energa del estado fundamental (o estado base) del sistema. Por ejemplo, el hidrgeno lquido no se congela a cero absoluto debido precisamente a su energa 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 aleacin cuntica 'QA' durante un tiempo tan extenso como sea posible para asegurar la resolucin exitosa del problema de optimizacin. Sin embargo, un temple demasiado lento tendr por lo general la contrapartida de un mayor coste computacional en trminos de potencia de clculo, memoria de trabajo y tiempo de proceso, lo cual es una rmora en espacios de configuraciones en alta dimensionalidad con un elevado nmero de instancias. Vase que algunos estudios refieren incluso redes cristalinas de rango infinito. Asimismo conviene ajustar el equilibrio ptimo entre la calidad del proceso de cristalizacin y la potencia de clculo a emplear en diferentes variedades algortmicas 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 cuntico, conduciendo por tanto a situaciones de atasco en extremos locales. Vase la siguiente figura referida a un problema de inferencia Variacional de Bayes - VB resuelto con QA).

En el contexto de la cristalizacin cuntica, es primordial conocer cmo decrece la energa residual a medida que avanza la simulacin, lo que equivale a estudiar la adiabaticidad de un sistema que evoluciona cunticamente. Para comprender bien el modelo, debemos dedicar antes unas palabras a explicar brevemente los conceptos en que se basa esta metfora natural de la fsica subatmica.
Alfonso de la Fuente Ruiz 2011 http://www.linkedin.com/in/alfonsofr

circunstancias observacionales. Su experimento sugera que una partcula subatmica era capaz de atravesar ambas rejillas -simultneamente- e incluso interferir consigo misma. Esta dualidad onda-partcula se convirti rpidamente en un concepto fundamental de la mecnica cuntica, que iba ms all de la fsica clsica de Newton. Poco despus de De Broglie, en 1927, Heisenberg enunci su principio de incertidumbre, que establece que no se pueden conocer simultneamente y con precisin arbitraria ciertos pares de variables fsicas, tales como la posicin de una partcula y su cantidad de movimiento. De hecho, el producto de ambas imprecisiones sera 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 partcula a la vez. Esto implica tambin el extrao corolario de que la mera observacin de un experimento modifica su resultado, puesto que para evaluarlo es necesario intervenir en el colapso de su funcin de onda. La imposibilidad de observar este proceso de colapso por medios experimentales es lo que se denomina en mecnica cuntica el problema de la medida.

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

Aunque ya se haba desarrollado previamente con el estudio de la radioactividad en las dcadas previas, fue en el mismo ao de 1927 cuando Friedrich Hund, profesor en Gttingen, descubri el efecto tnel, que pareca ser una increble forma, derivada de las ecuaciones de la mecnica cuntica, de atravesar paredes supuestamente infranqueables (o ms exactamente: barreras de potencial energtico).

Este fenmeno ha sido observado, estudiado y controlado (vanse figuras y applets Java de Concord, as como simulaciones de Wolfram Mathematica) siendo bien conocido en el mbito de la fsica cuntica, y es la base para el diseo de la clase algortmica Quantum Annealing. La idea es que: al ser resuelta la funcin de onda, el principio de incertidumbre de Heisemberg la relaciona con una determinada densidad de probabilidad, asociada al lugar que ocupa una partcula en un determinando momento en el tiempo. La implicacin de que no existen soluciones con probabilidad exacta de 0 (o 1) significa que las partculas tendrn cierta probabilidad de atravesar una barrera energtica, que ser menor cuanto ms baja y estrecha sea sta, pero nunca nula. De ah la metfora de que la partcula parezca excavar un tnel cuntico a travs de una barrera potencial. En esencia y segn los autores que han trabajado en su implementacin, QA utiliza una funcin clsica de coste energtico a la que aade un trmino cintico cuntico que se desplaza por el espacio de problema, en funcin del tiempo. Al comenzar el algoritmo, el trmino cintico es muy grande y se va reduciendo tendiendo a cero, hasta un lmite temporal mximo concreto. Trabajando de este modo, el estado cuntico del sistema, que inicialmente es un estado cuntico fundamental, evoluciona con el paso del tiempo segn las ecuaciones de onda de Schrdinger y Fokker-Planck hasta alcanzar un estado final de solucin.

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

La ecuacin anterior expresada en notacin de parntesis angulares (bra-kets, introducida por Dirac para describir estados cunticos) determina la probabilidad de que el estado cantico superpuesto de una onda fsica colapse en un estado cuntico sencillo (representado por un vector). Veamos un ejemplo sencillo: Tenemos una moneda. Al lanzarla y girar se considerar como una onda que puede terminar en dos posibles estados: si escribimos con la notacin que se usa en fsica cuntica, stos seran |cara y |cruz que entre s sern ortogonales (perpendiculares) por definicin. En fsica clsica podemos decir que una moneda debe estar siempre en uno de estos dos estados. Sin embargo, en fsica cuntica, si estos dos estados son posibles, tambin lo son las combinaciones de ellos que estn a una unidad de distancia del origen de coordenadas. Bsicamente estamos diciendo que una "moneda cuntica" podr estar en los dos estados al mismo tiempo, cara y cruz, con la misma proporcin (mitad cara, mitad cruz, ver figura) o diferente. El estado superpuesto de cara y cruz se podr mantener slo 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 empleramos un dado hexadrico, obraramos anlogamente, pero en un espacio de seis dimensiones en lugar de dos. Para una partcula subatmica, se utilizarn espacios de Hilbert que permiten extender las tcnicas del espacio eucldeo a dimensin arbitraria, incluso infinita. As interpretada (en contextos no-relativistas), la ecuacin de onda de Schrdinger en funcin del tiempo corresponde a una amplitud de probabilidad (ver figura), especificada sta como un nmero en el plano complejo, que podremos modular algortmicamente hasta que se inscriba dentro de unos mrgenes arbitrariamente pequeos, siendo conformes a la precisin deseada. Estos mrgenes describirn la exactitud del condensado cuntico as colapsado en trminos probabilsticos, dando una solucin puntual al problema de optimizacin sobre el espacio de configuraciones (soluciones) del problema. Por su parte, la ecuacin de Fokker-Planck (tambin conocida como ecuacin en avance de Kolmogorov) es una ecuacin no reversible que representa la evolucin a lo largo del tiempo de una distribucin de probabilidad (vanse ejemplos programticos en Wolfram). Su principal ventaja es que permite el cmputo de una onda gracias a un cierto potencial de deriva y a una constante de difusin:

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

Segn la escuela hind (Chakrabarti et al.), se ha de estudiar el proceso fsico subyacente a la transicin de fase, en un sentido cuntico. Para comprender el QA se debe pensar en conceptos de friccin, viscosidad y entropa, pues sern los que condicionen los procesos de tunelado cuntico y determinen por tanto los criterios de bucle y parada del algoritmo. Como es conocido, pueden extraerse funciones de coste anlogas utilizando la constante de Boltzmann en los procesos termodinmicos que modeliza la clase SA (temple simulado). La fsica cuntica en que se basa QA considera diminutos cuantos o paquetes individuales de accin que operan en forma discreta, en contraposicin a la idea de un continuo uniforme. El autor Kovtun y otros, conjeturaron que la razn entre la viscosidad y la densidad entrpica (o desorden de un sistema) est acotada por la constante de Dirac =h/2, o constante de Planck reducida. Por otra parte, generalizando la algortmica QA a cualquier posible espacio de bsqueda, quiz no debamos imponer un lmite fsico similar, sino que se abortar la simulacin una vez que se alcance la precisin deseada. Para hacernos una idea de las extremas dimensiones de este lmite, 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 ms) ceros, lo que parece suficiente para problemas tratables en los supercomputadores actuales que se mueven en el mbito de los petaflops (10 elevado a 15 operaciones en punto flotante por segundo) y que adems 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 informacin que se necesita para representar un estado cuntico crece exponencialmente con el tamao del problema en un computador clsico. Para evitar manejar las inmensas matrices as resultantes es por lo que se realizan simulaciones de Monte Carlo (cf. infra) que complementan la ecuacin dinmica de Schrdinger.

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

APLICACIONES PRCTICAS
La clase algortmica QA ha demostrado ser ms eficiente que su contrapartida clsica (SA) en muchas y diversas aplicaciones, tales como: Optimizacin combinatoria, como el clsico 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 mnimo sobre un grafo (para ciertos valores de campo) es considerablemente mejor empleando QA que usando SA.

Entre la clase anterior de problemas de optimizacin, tiene especial inters el modelo ferromagntico para imanes desorientados de Ernst Ising, un modelo simplificado de cristalizacin utilizado interdisciplinarmente. Est directamente relacionado con los cristales de spin que al ordenarse resultan en ferroimanes (ver figura). Factorizacin de enteros, una tarea esencial en criptografa (vase algoritmo de Shor) y consecuentemente en transmisin telemtica segura de datos. Bsqueda en bases de datos desordenadas, incluyendo motores de bsqueda web en Internet: importantes problemas informticos con gran aplicabilidad prctica en la actualidad (vanse algoritmo de Grover y figura), que pueden modelizarse empleando caminos cunticos.

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

Deteccin de patrones y otros problemas NP-duros que aparecen en aprendizaje heurstico para tareas de Inteligencia Artificial. Entre ellos: Reconstruccin de imgenes borrosas y reconocimiento de objetos en imgenes correladas (ver figuras, cf. Inoue Chakrabarti) Problemas de plegamiento de protenas, que son simulaciones fsico-qumicas en las que los tomos se encuentran ubicados en posiciones espaciales especficas y unvocas, como sucede en un cristal (ver figuras). La diferencia principal de una cadena proteica con un cristal, es que la organizacin de los tomos proteicos no corresponde a un orden peridico, a pesar de lo cual las protenas se pueden clasificar como estructuras ordenadas puesto que presentan diferentes configuraciones espaciales sobre las que operan fuerzas de atraccin y repulsin, que al plegarse determinan su forma definitiva, tras una evolucin cintica a lo largo del tiempo.

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

IMPLEMENTACIONES Y VARIANTES
Para su implementacin en un programa informtico, la clase algortmica QA puede desarrollarse utilizando como base una serie de mtodos estocsticos como son los de Monte Carlo, de convergencia probada (vase Satoshi Morita & Hidetoshi Nishimori). Los mtodos de Monte Carlo (abreviado: 'MC') se utilizan habitualmente para simular entre otros, el problema de los 'N' cuerpos. En este problema, tres o ms partculas interaccionan gravitacionalmente entre s en cada libre, derivando el sistema muy pronto en rbitas caticas difcilmente predecibles (ver figura), ya que requieren de la solucin de mltiples integrales multidimensionales. Se han diseado diversas variantes de QA, como un tipo hbrido que incorpora fluctuaciones trmicas y cunticas, modificando la intensidad del campo cuntico a medida que se localizan los estados metaestables. Dentro de la clase de algoritmos cunticos, una de las bases de QA ms documentada es la Computacin Cuntica Adiabtica (Adiabatic Quantum Computation, 'AQC'), que no debe confundirse con la cristalizacin cuntica propiamente dicha, pues es ms genrica. En AQC, el estado base es deformado adiabticamente de forma paulatina hasta llegar a un estado solucin. Sin embargo, se ha mostrado que AQC falla en problemas NPcompletos y tiene algunos otros inconvenientes. Puede encontrarse una explicacin ms 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 clsica se simularn estados cunticos (los llamados qubits) con estados binarios convencionales, por lo que el rendimiento computacional estar sujeto a un oneroso factor de exponencialidad.
Alfonso de la Fuente Ruiz 2011 http://www.linkedin.com/in/alfonsofr

As y todo, existen ya integrados en el hardware algunos rudimentarios procesadores cunticos experimentales que estn desarrollando empresas como DWave para la industria aeroespacial de la corporacin Lockheed-Martin (ver figura), presumiblemente capaces de reducir la complejidad algortmica 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 cientfica. Puede generarse cdigo fuente semiautomticamente con el applet Java QusAnn (ver figura) para ejecutar QA sobre un computador cuntico. No obstante, el acceso a este tipo de computadores experimentales es ms bien restringido en la actualidad, por lo que difcilmente se pueden probar, aunque segn parece, es posible programarlos en lenguaje Python. Regresando a QA sobre computadores convencionales, tambin se han diseado diferentes tipos de fluctuaciones cunticas (vase por ejemplo: Tanaka, Tamura, Sato y Kurihara) y formas de modulacin iterativa del campo cuntico, con reinicio del mismo, as como estudios de mtodos hbridos aplicados a problemas de clusterizacin. Por otra parte se ha profundizado en el estudio del radio de accin de las interacciones cunticas en cristales de espn (ver Takahashi, Nishimori y Martn-Mayor). El conjunto de variantes del algoritmo QA es lo que se puede denominar clase algortmica QA. Algunos autores como Satoshi Morita se han centrado en optimizar asintticamente la velocidad de cristalizacin, basndose en reducir la probabilidad de excitacin gracias al teorema adiabtico cuntico.
Alfonso de la Fuente Ruiz 2011 http://www.linkedin.com/in/alfonsofr

Casi siempre que QA supera en eficiencia a otros mtodos, ocurre el que el paisaje de soluciones (espacio de configuraciones) contendr barreras muy delgadas que separarn simas muy profundas entre mltiples mnimos locales, como es el caso de la funcin de Rastrigin (ver figuras) y sus variaciones para espacios de diferente dimensionalidad.

En estos entornos, es muy probable que SA (el temple clsico) se quede atascado en un mnimo local, dado que las barreras de potencial que se oponen al salto trmico son muy elevadas, a la par que numerosas. Pero como son tambin muy estrechas, el salto cuntico tendr alta probabilidad de xito, previsiblemente haciendo a QA mucho ms eficiente que su contrapartida. Las barreras energticas (trmicas) del espacio de configuraciones pueden ser de tamao cuasi-infinito, lo que se denomina bloqueo cintico (kinetically constrained blocking) y pueden imaginarse como la presencia de impurezas en un imn, un vidrio o una red cristalina molecular de otro tipo (todos ellos modelados como cristales de espn mediante redes cristalinas 'lattice' de Bravais). Estas impurezas en un cristal pueden naturalmente bloquear o reflejar la direccin del campo electromagntico, distorsionando, por ejemplo, las cualidades de imantacin o transparencia.

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

Jrg y otros autores han mostrado en qu circunstancias QA encuentra problemas de eficiencia: concretamente en una transicin de primer orden en que los dos estados cuya energa libre se cruza estn lejos el uno del otro sobre el espacio de fases, que implica la existencia de barreras potenciales energticos muy anchas y poco profundas (una situacin opuesta a la postulada por Rastrigin). Se han ensayado varias aproximaciones programticas e implementaciones de QA sobre computadores clsicos, 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 funcin de George Green, tambin de tipo Monte Carlo (GFMC-QA) utilizando ecuaciones de difusin. El paquete QuMax de la Librera Cientfica GNU GSL contiene varias implementaciones de algoritmos cunticos de Monte Carlo, aunque parecen hallarse actualmente en claro desuso. Asociado al Centro de Supercomputacin de Barcelona, Daniel Lecina Casas ha trabajado en algortmica QA para resolver problemas de coloracin de grafos. Vase a continuacin 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 continuacin se incluye adicionalmente una implementacin en pseudocdigo del algoritmo QA segn Diego de Falco y Dario Tamascelli, junto con las transiciones cunticas asociadas, diseado para computadores convencionales.

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

REFERENCIAS
Recopiladas por bloques en funcin de su naturaleza, aparecen aproximadamente en el mismo orden que su aportacin 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

Artculos acadmicos:
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 Schrdinger-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, Czesaw 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, Jrg et al. http://arxiv.org/abs/0912.4865 Ensemble equivalence in spin systems with short-range interactions, Takahashi, Nishimori y Martn-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 Nel 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 cuntico de dos fotones a lo largo de una lnea recta http://francisthemulenews.wordpress.com/2010/09/20/el-camino-cuantico-de-dos-fotones-a-lo-largo-de-unalinea-recta/ Simulaciones cunticas, efecto tnel 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: cuntica sin frmulas 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 protenas: 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 Cunticos 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/ Computacin cuntica: teora 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 | Computacin cuntica 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 Rodrguez 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