La Universidad Nacional de Ciencia y Tecnología de Moscú (MISIS, por sus siglas en ruso) empieza a impartir un nuevo programa iPHD en materiales cuánticos, además de másteres sobre ’Tecnologías cuánticas de materiales y estructuras’.
En el marco de ambos programas, el conocido científico griego en materia de aprendizaje automático de la física cuántica y ciencia de los materiales, George Tsironis, dará conferencias.
Por qué el programa iPHD puede interesar a los estudiantes?
— Para los estudiantes es muy importante no cocerse en su propia salsa, sino participar en diferentes proyectos de colaboración en las diferentes universidades extranjeras con científicos y alumnos de otros países del mundo. Este programa presenta excelentes posibilidades precisamente para facilitar la movilidad entre los grupos científicos.
El programa es cómodo porque el estudiante no entra simplemente en un grupo de preparación, como era antes, sino colabora con un tutor científico concreto. Se le concede una beca ya en el curso de máster, y el joven empieza a trabajar en los laboratorios, y al mismo tiempo continúa sus estudios e investigaciones de postgrado. De esta manera, nosotros prácticamente determinamos el camino del estudiante hacia la ciencia y minimizamos la distancia entre la educación y la ciencia.
El programa es modular, lo que permite a sus participantes estudiar y hacer prácticas por todo el mundo. Ya ahora en mi programa participan 18 jóvenes graduados entusiasmados con los estudios de materiales cuánticos.
Qué representa en sí su curso ’Machine learning de sistemas complicados y materia cuántica’?
— Es el primer curso de este tipo. En realidad hasta ahora en ningún sitio del mundo se han dado cursos de aprendizaje automático en materiales cuánticos. La importancia de este nuevo tipo de aprendizaje consiste en que, en todos los ámbitos de la ciencia, se buscan nuevos tipos de trabajo con macrodatos. Y mi curso está dedicado precisamente a eso: Data Science (la ciencia de macrodatos) y aprendizaje automático (Machine learning). Todo esto permite en cortos plazos introducir al estudiante en la ’Gran Ciencia’ para que los jóvenes científicos puedan trabajar con los macrodatos y utilizarlos en sus investigaciones.
Qué les espera a estos estudiantes? ¿De qué van a trabajar luego?
— Los que completen el curso podrán seguir su carrera como postdoctorados en las universidades más importantes del mundo o en calidad de colaboradores científicos de las organizaciones académicas o de trabajadores de las I+D compañías. Y lo más importante para ellos es siempre seguir estudiando para convertirse en buenos especialistas y científicos.
Todos los problemas que se discuten en el marco de mi curso se vinculan con la inteligencia artificial. Por consiguiente, los conocimientos adquiridos pueden ser aplicados en diferentes dominios —equipos autónomos, traducción automática, etc.—. En física, estas técnicas se emplean para los cálculos y simulaciones siempre que se trabaje con macrodatos o se necesiten nuevos enfoques. El futuro está en eso. Hoy en día, en Estados Unidos, esta es una de las profesiones más populares: científico que sabe trabajar con los macrodatos.
A mi parecer, los estudiantes de hoy están bastante calificados y generalmente tienen un nivel de conocimientos bien alto. Ellos resuelven con éxito las tareas que les pongo, y debo decir que esas tareas no son nada fáciles.
En qué consiste su complejidad? ¿Y en qué medida el aprendizaje automático puede influir en el desarrollo de la física cuántica?
— Uno de los objetivos de estudio más importantes en la física cuántica son los cúbits del ordenador cuántico. Precisamente a este tema nos estamos dedicando. Surge un enorme volumen de datos, debemos clasificarlos, utilizar y ajustar las relaciones entre algunos cúbits. Precisamente aquí nos viene la ayuda del aprendizaje automático.
Los cúbits y computadoras cuánticas ya se están fabricando. Pero aquí aparecen unas nuevas matemáticas que se distinguen de las habituales. El aprendizaje automático permite trabajar con estas matemáticas, crear nuevos algoritmos y tareas, dirigir el trabajo del ordenador cuántico y manejar los macrodatos a un nivel completamente diferente.
El aprendizaje automático nos llevará hasta el punto en que la computadora cuántica sea capaz de aprender por sí misma. Figúrese: el ordenador se enfrentará a un problema, pero podrá buscar por su propia iniciativa los datos necesarios, enseñarse a sí mismo y resolver el problema. El trabajo de la computadora corriente se distingue de la actuación de la que posee la función de machine learning en que al primero le indicamos lo que debe hacer (elegimos el programa y la máquina resuelve alguna tarea), y al segundo solo le ponemos la tarea para que el mismo aprenda a resolverla.
La ciencia está ya cercana a crear la computadora cuántica con capacidades de autoaprendizaje? ¿Cómo lo ve?
— Hablando del futuro de los ordenadores cuánticos, es todavía prematuro hacer pronósticos. Ellos apenas empiezan a aparecer, y todavía no son tan efectivos. Pero debemos comprender que en el futuro, la computadora cuántica será capaz de dominar a la física cuántica. Será una máquina única.
Pero no se sublevará este tan inteligente ordenador cuántico contra los científicos vivos?
— En cualquier momento podemos sacarlo de la toma de corriente.
