El Dr. Miguel Angel Lopez, investigador de la Universidad Internacional Iberoamericana de México (UNINI México), participa en un estudio que propone usar el aprendizaje automático cuántico en la evaluación del impacto de la contaminación del aire en la salud humana y los factores ambientales que contribuyen a dicho problema.
La calidad del aire es un tema de preocupación global debido a sus efectos perjudiciales para la salud humana y el medio ambiente. La contaminación del aire, causada por una variedad de factores como el polen, el polvo y los gases nocivos, puede tener un impacto significativo en la calidad de vida. Para evaluar la calidad del aire se utiliza el índice de calidad del aire (AQI, por sus siglas en inglés), el cual clasifica la calidad del mismo en diferentes categorías. Las partículas en suspensión (PM2,5, PM10), el dióxido de azufre (SO2), el dióxido de nitrógeno (NO2), el monóxido de carbono (CO) el ozono (O3), entre otros, también son utilizados para medir la calidad del aire. Un AQI de 50 o menos se considera «moderado», mientras que un AQI superior a 300 se considera «peligroso».
Cuando el AQI es alto, se recomienda a las personas quedarse en el interior de sus hogares y cerrar las puertas y ventanas para resguardarse de los efectos nocivos de la contaminación. Según la OMS casi todas las personas en el mundo respiran aire contaminado. Las partículas finas como el PM2.3, representan un riesgo para la salud, ya que pueden penetrar los pulmones y contienen partículas dañinas como los virus. La exposición prolongada a estas partículas se ha asociado con un mayor riesgo de enfermedades respiratorias y cardiovasculares, incluyendo el COVID-19.
El uso de métodos de aprendizaje automático ha demostrado ser efectivo para predecir la calidad del aire, ya que pueden manejar grandes conjuntos de datos y generar predicciones precisas. Algoritmos como las redes neuronales (ANN), las máquinas de vectores de soporte (SVM), el bosque aleatorio (RF) y el vecino más cercano K (KNN) se han utilizado para hacer predicciones en este campo. En los últimos años, ha surgido un nuevo paradigma al combinar la mecánica cuántica y el aprendizaje automático, dando lugar al aprendizaje automático cuántico para mejorar la eficiencia de los sistemas de computación y abordar problemas difíciles de análisis de datos.
Dado a las implicaciones de la contaminación del aire en la salud humana, es importante determinar los factores ambientales que contribuyen a dicha contaminación. Por ello, el objetivo del estudio en el que participó el Dr. Lopez ha sido mejorar el rendimiento de la SVM cuántica con el fin de predecir cómo los factores ambientales afectan los niveles de contaminación del aire y comparar los resultados con la aplicación del SVM tradicional.
Los resultados de la investigación mostraron que el SVM cuántico funciona mucho mejor que el modelo SVM tradicional para la evaluación de la calidad del aire, logrando una precisión del 97% y el 94%, mientras que el modelo tradicional logró una precisión del 91% y el 87%. Sin embargo, es importante reconocer que los ordenadores cuánticos aún se encuentran en sus primeras etapas de desarrollo, por lo tanto, en un futuro cercano, cuando se incrementen los cúbits con menos ruido y correcciones de errores, las computadoras cuánticas obtendrán mejores resultados en términos de tiempo y precisión. Para ello, se necesitan más investigaciones en los próximos años.
Si quieres conocer más sobre este estudio, haz clic aquí.
Para leer más investigaciones, consulta el repositorio de UNINI México.
La Universidad Internacional Iberoamericana de México (UNINI México) ofrece el programa de Maestría en Dirección Estratégica con Especialidad en Tecnologías de la Información. Un programa que brinda a los profesionales las habilidades y capacidades necesarias para gerenciar puestos directivos y dirigir proyectos de cambio organizacional usando TICs o asesorar empresas que desean sumarse a la competitividad de los nuevos negocios. ¡Súmate al desarrollo empresarial estudiando nuestro programa de maestría y prepárate para llevar tu carrera al siguiente nivel!
