Ewin Tang

Ewin Tang (nacida en 2000) es una científica informática de la Universidad de California, Berkeley . Fue nombrada una de las 30 personas menores de 30 años más destacadas en ciencia por Forbes en 2019 ^{[ 1 ]} por su trabajo en el desarrollo de algoritmos clásicos que igualaron el rendimiento de los algoritmos cuánticos más rápidos conocidos, realizado durante su licenciatura bajo la supervisión de Scott Aaronson .

Tang se saltó el cuarto, quinto y sexto grado para tomar cursos en una escuela secundaria local y en la Universidad de Texas en Arlington a la edad de 10 años, ^{[ 2 ] [ 3 ]} y luego se matriculó en la Universidad de Texas en Austin a la edad de 14 años. ^{[ 4 ]}

Tang comenzó su investigación trabajando con su madre, Wen-Jing Hu, en el laboratorio de nanotecnología de su padre, Liping Tang. ^{[ 2 ]} Juntos trabajaron en imágenes in vivo para investigación biomédica, como sondas ópticas para visualizar macrófagos polarizados durante reacciones a cuerpos extraños, ^{[ pub 1 ]} infección bacteriana , ^{[ pub 2 ]} depósito de fibrina , ^{[ pub 3 ]} y detección en tiempo real de respuestas de neutrófilos . ^{[ pub 4 ]} En 2014, Tang recibió una mención honorífica para la Beca Davidson . ^{[ 5 ]}

En 2017, Tang tomó una clase sobre computación cuántica con Scott Aaronson, quien la reconoció como una "estudiante excepcionalmente talentosa" y se convirtió en su director de tesis de pregrado. ^{[ 4 ]} Tang desarrolló un nuevo algoritmo clásico para un problema de completación de matrices , motivado por aplicaciones a sistemas de recomendación . El algoritmo se convirtió en la base de su tesis de pregrado Un algoritmo clásico de inspiración cuántica para sistemas de recomendación ^{[ pub 5 ]} y recibió una licenciatura en ciencias de la computación y matemáticas puras de la UT Austin en 2018.

En 2018, Tang fue nombrado graduado distinguido por el decano de la Universidad de Texas en Austin en ciencias de la computación, por haber mantenido un promedio de calificaciones de 4.0 . ^{[ 6 ]}

En 2023, Tang completó su doctorado en ciencias de la computación teórica en la Universidad de Washington bajo la supervisión de James Lee, ^{[ 7 ]} donde continuó su trabajo de pregrado sobre algoritmos clásicos inspirados en la mecánica cuántica para otros problemas, como el análisis de componentes principales ^{[ pub 6 ]} y la regresión estocástica de bajo rango . ^{[ pub 7 ]}

Antes de la tesis de pregrado de Tang, los mejores algoritmos clásicos conocidos para completar matrices eran exponencialmente más lentos que los mejores algoritmos cuánticos , bajo ciertas suposiciones. Inspirada por los algoritmos cuánticos, encontró algoritmos clásicos "descuantizados" que resolvían la completación de matrices en un tiempo similar al de los algoritmos cuánticos y bajo suposiciones similares, mejorando exponencialmente con respecto a los mejores algoritmos clásicos conocidos. ^{[ pub 5 ] [ pub 6 ] [ pub 7 ]}

El algoritmo cuántico más conocido para completar matrices se ejecuta en tiempo polilogarítmico utilizando el algoritmo HHL como subrutina, y fue presentado en 2016 por Iordanis Kerenidis y Anupam Prakash. ^{[ 8 ]} El algoritmo de Tang se ejecuta en tiempo polilogarítmico utilizando un análogo clásico de las técnicas de muestreo cuántico. Antes de los resultados de Tang, se asumía ampliamente que no existía ningún algoritmo clásico rápido; Kerenidis y Prakash no intentaron estudiar la solución clásica, y Aaronson le encargó a Tang que demostrara su inexistencia. Antes de que los resultados se hicieran públicos, Tang presentó una versión preliminar del algoritmo en un taller de computación cuántica en junio de 2018 en la Universidad de California , donde la audiencia incluía a Aaronson, Kerenidis y Prakash. ^{[ 9 ]} Después de cuatro horas de preguntas, el consenso fue que el algoritmo clásico de Tang parecía correcto. Tang publicó sus resultados en STOC en junio de 2019, ^{[ pub 5 ]} y en Physical Review Letters en agosto de 2021. ^{[ pub 6 ]}

Hubo una amplia cobertura mediática en respuesta al trabajo de Tang sobre el problema de la recomendación, que fue percibido como la eliminación de uno de los mejores ejemplos de aceleración cuántica . ^{[ 4 ] [ 10 ] [ 11 ] [ 12 ]} Algunos investigadores defendieron los enfoques de computación cuántica, como Robert Young, director del Centro de Tecnología Cuántica de la Universidad de Lancaster , quien dijo: "Si no hubiéramos invertido en computación cuántica, el algoritmo cuántico que inspiró a [la Sra.] Tang no habría existido". ^{[ 11 ]} La propia Tang señaló la naturaleza divisiva de comparar algoritmos clásicos con cuánticos, y el temor de demostrar su algoritmo a su asesor: "Empecé a creer que existe un algoritmo clásico rápido, pero realmente no podía demostrármelo a mí misma porque Scott [Aaronson] parecía pensar que no existía, y él era la autoridad". ^{[ 4 ]}

En 2019, Tang fue nombrado uno de los 30 menores de 30 años de Forbes por desarrollar un método de computación que "permite a las computadoras normales resolver un problema particular tan rápido como una computadora cuántica". ^{[ 13 ]}

En 2025, Tang recibió el premio Maryam Mirzakhani New Frontiers por "desarrollar análogos clásicos de algoritmos cuánticos para el aprendizaje automático y el álgebra lineal, y por avances en el aprendizaje automático cuántico sobre datos cuánticos". ^{[ 14 ]}

El padre de Tang es Liping Tang, profesor de bioingeniería en la Universidad de Texas en Arlington y director de tecnología en Progenitec, una empresa emergente de biotecnología. ^{[ 15 ]} Su madre es Wen-Jing Hu, fundadora y directora ejecutiva de Progenitec. ^{[ 16 ]}

Tang es zurdo. ^{[ 17 ]}

• Página web personal