Los procesos informáticos que tardan años pueden ser realizados por los ordenadores cuánticos en pocas horas o minutos. Esto se debe a que un procesador cuántico no funciona según las leyes clásicas de la física o la informática, sino sobre la base de la mecánica cuántica.
El mundo de los cuantos ha ejercido una fascinación ininterrumpida desde su descubrimiento a principios del siglo XX. Los fenómenos cuánticos eluden la intuición y la facultad de percepción humanas. Y, sin embargo, ellos y las tecnologías basadas en ellos constituyen la base de los desarrollos de alta tecnología de las últimas décadas. Richard Feynman propuso por primera vez la idea de utilizar los fenómenos de la mecánica cuántica específicamente para resolver problemas matemáticos a principios de la década de 1980. Han pasado cuatro décadas desde entonces. Sólo hoy nos encontramos en una fase de desarrollo en la que la llamada computación cuántica puede utilizarse para resolver problemas concretos en las empresas.
¿Mejor a través de los fenómenos cuánticos?
La afirmación de que la computación cuántica es superior a los métodos clásicos se basa en el fenómeno de superposición. Es decir, se permite que un objeto mecánico cuántico esté en dos estados diferentes al mismo tiempo. Mientras que los ordenadores clásicos procesan en última instancia toda la información con la ayuda de sólo dos estados - 1 o 0 - en forma de los llamados bits, un ordenador cuántico calcula con los llamados qubits. Aquí, el 0 y el 1 se superponen y el qubit puede, por tanto, asumir cualquier combinación de dos estados simultáneamente.
Esto resulta ser una ventaja decisiva en los problemas de optimización, por ejemplo. Un problema de optimización se refiere a un reto para cuya solución hay que probar innumerables posibilidades de parámetros para encontrar su combinación óptima. Un ordenador clásico con n bits trabaja a través de los problemas uno tras otro y está exactamente en uno de los 2n estados en cualquier momento. En cambio, un ordenador cuántico con n qubits se encuentra en 2n estados al mismo tiempo. Esta propiedad es la base de la tan cacareada "supremacía cuántica": Los problemas que antes eran demasiado complejos ahora pueden resolverse en un tiempo razonable.
Las primeras empresas -entre otras, de los sectores de las finanzas, la logística y la producción- ya han llevado a cabo con éxito proyectos piloto. Además, proyectos de investigación como el de la Universities Space Research Association (USRA), en el que Reply también participa junto a Google y la NASA, se dedican a las posibilidades de aplicación práctica del D-Wave Quantum Annealer, un hardware cuántico diseñado para tareas de optimización.
Computación cuántica para la logística: optimización de la entrega y del personal
Los campos que son adecuados para la optimización con un algoritmo cuántico, según la experiencia de Reply, son la entrega de mercancías y la gestión del personal. Para encontrar las rutas óptimas para las entregas de mercancías, hay que incluir muchas variables. Esto hace que el escenario sea un proceso complejo -al igual que la planificación del despliegue de trabajadores.
Para ambos problemas de optimización, el uso de un algoritmo cuántico conduce a resultados en la práctica muy superiores a los de las técnicas convencionales. Esto se debe a que las soluciones cuánticas permiten a los responsables perfeccionar continuamente los modelos, mejorar la aplicabilidad real y la calidad de las soluciones o añadir nuevas condiciones marco -como ventanas de entrega más ajustadas- sin que ello afecte significativamente a los tiempos de cálculo. De este modo, es posible optimizar los indicadores clave de rendimiento en términos de distancia de la ruta, así como la productividad.
Computación cuántica para el tráfico de trenes
Para una estación de ferrocarril que gestiona el procesamiento de 300 trenes en 20 líneas en un plazo de una hora, es crucial que las operaciones sean fluidas. También en este caso, la tecnología cuántica ya ha demostrado su eficacia en la práctica: La solución de computación cuántica determina la mejor vía de llegada para las conexiones óptimas de los pasajeros y ayuda a gestionar mejor el mantenimiento y el movimiento de los trenes.
Computación cuántica para las telecomunicaciones: LTE
Con una cobertura de telefonía móvil potente y completa -objetivo en el que se está trabajando intensamente en Alemania- un reto clave es planificar las células de radio para que cubran de forma óptima una zona determinada. En las pruebas, un algoritmo cuántico para planificar los parámetros de la red mostró una optimización del proceso diez veces más rápida que la que ofrecen los métodos convencionales. Al final, esto significa una planificación más eficaz de la infraestructura de red para los operadores de telecomunicaciones y una mejora de la experiencia del cliente a través de una disponibilidad óptima de la red.
Computación cuántica para la optimización financiera
También, en la creación de una herramienta basada en la simulación para optimizar los costes de mantenimiento de garantías en la negociación extrabursátil de derivados, un proyecto demostró que un algoritmo cuántico es más capaz de tener en cuenta las no linealidades del modelo.
Otra posible aplicación que ya se ha probado con éxito es en la optimización de carteras para minimizar el riesgo de inversión. Para ello, primero se determina un conjunto de activos con una correlación mínima. Este análisis de las correlaciones entre los activos sienta a su vez las bases de un modelo no lineal. Esto permite que un algoritmo cuántico encuentre la asignación óptima de la cartera.
Computación cuántica: mirando al futuro
La computación cuántica puede hacer mucho más que la optimización combinatoria. Su uso en áreas como el aprendizaje automático y la seguridad cuántica es prometedor: entre los escenarios de aplicación más interesantes están las redes neuronales cuánticas y las redes internas cuánticas. El potencial de la computación cuántica supera con creces las posibilidades actuales. No sólo significa soluciones más rápidas a los problemas de optimización. Al mismo tiempo, supone una amenaza para las tecnologías de encriptación actuales. Para contrarrestar esto y proteger las transacciones comerciales así como las transferencias de datos, Quantum Cybersecurity se dedica a desarrollar sofisticados métodos criptográficos. Entre ellos, la distribución de claves cuánticas, los algoritmos de seguridad cuántica y los generadores de números aleatorios cuánticos.
Además, Quantum Machine Learning (QML) se centra en la aplicación de la potencia de cálculo superior de la computación cuántica al campo del aprendizaje automático y la inteligencia artificial. Esta disciplina se encuentra todavía en una fase inicial, pero abre un horizonte de aplicación completamente nuevo en perspectiva. Los nuevos conocimientos para combinar el Aprendizaje Automático con el potencial de resultados más rápidos al tiempo que se mejora la precisión de los cálculos cuánticos muestran nuevas y prometedoras posibilidades.
*Johannes Oberreuter, científico de datos en Machine Learning Reply y Marco Magagnini, socio de Data Reply; ambos jefes del grupo de innovación en computación cuántica de Reply
.