fbpx Procesamiento Cuántico para Redes de Sensores | SG Buzz

Procesamiento Cuántico para Redes de Sensores

Publicado en

Uno de los mayores esfuerzos científicos en años recientes ha sido el control y manejo de fenómenos cuánticos para mejorar el desempeño de sistemas de comunicación y procesamiento de información. Más aún, el desarrollo de otros productos tecnológicos cuánticos como sensores y redes permite pensar en la construcción de sistemas robustos y con amplias capacidades, por ejemplo, la instalación de redes de sensores cuánticos y/o clásicos que transmitan información a computadoras cuánticas para la evaluación de escenarios complejos.

Los sensores que componen una red no necesariamente tienen que ser idénticos, en general puede ser un conjunto heterogéneo de aparatos de detección (por ejemplo, sensores acústicos, hidrológicos, ópticos, gravitacionales, y electromagnéticos son necesarios para establecer sin ambigüedad la presencia de un submarino o el lanzamiento de un misil). En la práctica, cada sensor lleva a cabo y reporta mediciones a muy alta frecuencia (~1,000 reportes por segundo).

Consideremos un simple ejemplo: si tenemos N objetivos y M sensores en un tiempo de detección de 45 minutos (el tiempo aproximado de vuelo de un misil proveniente de Asia a los Estados Unidos), a una frecuencia de 1,000 reportes por segundo, el resultado es 45x103xMxNx60 datos con una incertidumbre 4-dimensional (tres espaciales y una temporal) diferente de cero. Cuando N=10 y M=20, estamos hablando de 5x107 datos. El problema de detección y seguimiento del misil se reduce a determinar el valor de N y encontrar las N trayectorias geométricas que óptimamente unen los cuerpos geométricos que describen la incertidumbre en cuatro dimensiones de cada una de las 5x107 mediciones (por lo general, un conjunto de elipsoides no alineadas) y satisfacen las leyes dinámicas del movimiento del blanco (en este caso, del movimiento parabólico en un campo gravitacional). Claramente, este es un problema computacional muy complejo.

Las redes de sensores ofrecen un mejor desempeño a través del uso de algoritmos de fusión de datos que combinan la información de los nodos de la red para proveer información óptima del objetivo. De esta forma, el resultado producido por un algoritmo de fusión de datos es la información más exacta, completa, oportuna, y confiable que se tiene del objetivo.

La fusión de datos y la computación cuántica son áreas muy activas de investigación científica y tecnológica. Sin embargo, al momento de escribir este artículo, no ha existido mucha interacción entre estas áreas científicas. Empero, es una idea natural el tratar de combinar estas dos áreas de investigación. De esta forma emerge el área de la “Fusión Cuántica de Datos” cuyo objetivo es el desarrollo de técnicas computacionales para su implantación en computadoras cuánticas, con el propósito de procesar información proveniente de redes heterogéneas de sensores. En este artículo describimos una taxonomía para clasificar las técnicas que se podrían utilizar para la fusión cuántica de datos.

En general, uno necesitaría determinar: (1) cuál es la mejor combinación de sensores clásicos y cuánticos para obtener la información requerida del objeto de estudio; y (2) cómo asociar y fusionar la información no-lineal de sensores clásicos y cuánticos de tal manera que reduzcan las incertidumbres en las variables bajo análisis.

Con esto en mente podemos identificar las cuatro técnicas posibles para llevar a cabo la fusión de datos provenientes de redes de sensores heterogéneas. Y a su vez, estas técnicas caracterizan cada uno de los grupos taxonómicos que clasifican la fusión cuántica de datos.

La primer técnica y más básica es el uso de técnicas tradicionales clásicas de fusión de datos aplicadas a la información clásica obtenida por la red de sensores. En el caso de sensores cuánticos, esto implica realizar la medición de los qubits que describen el estado del sensor para obtener bits clásicos que puedan ser combinados con los bits producidos por los sensores clásicos. Podemos llamar esta técnica Fusión Tradicional de Datos (ver figura 1).

Figura 1. Fusión tradicional de datos

Ya comentamos que la mayoría de los algoritmos para la fusión tradicional de datos requieren vastos recursos computacionales para procesar grandes cantidades de información. Así que la siguiente técnica, a la que podríamos llamar Fusión Cuántica de Datos (figura 2), consistiría en utilizar una computadora cuántica para acelerar el proceso clásico de fusión de información.  Por ejemplo, en el US Naval Research Laboratory (NRL) hemos desarrollado algoritmos cuánticos para la fusión de datos aplicada a la información clásica proveniente de una red de sensores heterogéneos aplicada a la defensa de misiles y al seguimiento de objetivos subacuáticos con sonar pasivo. Resultados teóricos y de simulación muestran que estos algoritmos cuánticos ofrecen una ventaja cuadrática en el número de pasos computacionales para la detección y seguimiento óptimos de un número masivo de blancos de geometría arbitraria.

Figura 2. Fusión cuántica de datos

Recordemos que los sensores cuánticos son dispositivos que usan algún fenómeno cuántico para que, bajo ciertas circunstancias, se incremente su exactitud, resolución, y sensibilidad en comparación a sus contrapartes clásicas. El problema es que al medir la información sensada, se “aterriza” esta a bits tradicionales para transmitirla a un centro de procesamiento de información. Es así que podemos diseñar otra técnica de fusión de datos en la que se considere el estado de cada sensor cuántico antes de la medición. Esto es, el estado de cada sensor después del proceso de detección y antes de su medición, estado que es representado por qubits. Estos qubits pueden entonces ser enviados a una computadora cuántica (por ejemplo usando teletransportacion cuántica), y así el estado cuántico final de los sensores estará representado con qubits dentro de una computadora cuántica. De esta forma no se pierde información cuántica en el proceso de medición. Esta técnica puede ser llamada Fusión de Datos Cuánticos (figura 3).

Figura 3. Fusión de datos cuánticos

Si bien las tres técnicas anteriores emergen de forma natural al considerar la intersección entre las redes de sensores y la computación cuántica, la cuarta y última técnica es una idea completamente nueva. En este caso consideremos los qubits que describen el estado de los sensores como si fueran variables cuánticas dinámicas en una computación cuántica. Esto es, en vez de representar el estado final de los sensores después del proceso de detección, los qubits representan el estado intermedio de los sensores que sigue evolucionando debido a su interacción con el medio ambiente. Cada sensor cuántico de la red actúa como qubits lógicos que son parte de una computadora cuántica extendida y que pueden ser operados dinámicamente por el procesador cuántico. De esta forma emerge el concepto de Fusión Extendida de Datos Cuánticos (figura 4). En estos algoritmos, el medio ambiente que transforma el estado de los sensores cuánticos es equivalente a un oráculo computacional. En este modelo, estamos usando el medio ambiente como un recurso computacional.

Figura 4. Fusión extendida de datos cuánticos

En el NRL hemos desarrollado algoritmos de fusión extendida de datos cuánticos para el caso de una red de gravímetros cuánticos. En este caso, uno puede imaginarse un procesador cuántico con este tipo de qubits como si fuera un arreglo de pequeños gravímetros cuánticos muy sensibles cuyo estado puede ser manipulado independientemente usando compuertas cuánticas. Entonces, el campo gravitacional va a afectar el estado del procesador cuántico. Como consecuencia, en principio uno podría determinar las características del campo gravitacional observando su efecto en los qubits del procesador cuántico. En consecuencia, la ejecución de nuestro algoritmo de fusión extendida de datos cuánticos convierte a la computadora cuántica en un gravímetro.

Resultados numéricos de nuestros modelos teóricos muestran que, si uno tuviera acceso a una computadora cuántica universal perfecta con 94 qubits, el gravímetro resultante sería equivalente al mejor gravímetro conocido hoy en día (gravímetro de interferencia atómica). Sin embargo, como recurso de medición, la sensibilidad del gravímetro cuántico crece exponencialmente con el número de qubits. Así, con 100 qubits en una computadora cuántica perfecta uno tendría una sensibilidad teórica 100 veces mayor que el gravímetro de interferencia atómica. Como tal, esta técnica pudiera tener importantes aplicaciones navales como la detección de submarinos y la navegación submarina usando mapas gravitacionales.

De esta forma podemos concluir que las computadoras cuánticas pudieran ser utilizadas para acelerar el proceso de fusión de datos, el cual es un área de tremenda importancia comercial y militar. Más aún, permitiendo la manipulación del entrelazamiento de la red de sensores cuánticos uno podría desarrollar tecnologías realmente revolucionarias para la detección y medición de campos gravitacionales y electromagnéticos de muy baja intensidad.

Bio

El Dr. Marco Lanzagorta es científico adscrito al Laboratorio de Investigaciones de la Marina de los Estados Unidos de América. Antes de esta responsabilidad, el Dr Lanzagorta fue director del Grupo de Tecnologías Cuánticas de ITT Exelis (hoy Harris Corporation) y llevó a cabo actividades de investigación científica en el CERN así como en el International Center for Theoretical Physics.

Comentarios