Los cúbits mejores amigos de una computadora

Tabla de contenido

La computación cuántica podría revolucionar la tecnología de la información -señala un artículo de EPFL firmado por Héctor García Morales, del área de Comunicación de la Escuela Politécnica Federal de Lausana- al aprovechar los peculiares principios de la mecánica cuántica. Si bien su potencial despierta cada vez más entusiasmo, la realidad es una combinación de avances revolucionarios y desafíos técnicos persistentes.

Imagen de Gerd Altmann en Pixabay

En 2019, Google afirmó haber alcanzado la supremacía cuántica, un avance tecnológico donde las computadoras cuánticas superan en capacidad a las computadoras clásicas. En realidad, una computadora clásica logró reproducir los resultados unos meses después. Más recientemente, Microsoft anunció avances hacia el desarrollo de bits cuánticos topológicos, o Cúbit, que están diseñados para ser robustos frente a errores y muy adecuados para arquitecturas de computación cuántica. Si bien el anuncio generó interés, algunos investigadores se han mostrado cautelosos y esperan mayor validación. Ambos casos demuestran el afán de algunos por reivindicar éxitos iniciales hacia una computadora cuántica práctica y útil, algo que, en realidad, podría estar aún a décadas de distancia.

La computación cuántica tiene un potencial enorme y las empresas y los gobiernos están invirtiendo miles de millones de dólares en programas de I+D en tecnología de computación cuántica. Ya se han conseguido muchos resultados impresionantes, pero este entorno también puede incentivar la exageración. “El entusiasmo está sosteniendo un poco el campo”, dijo Vincenzo Savona, profesor del Laboratory for Theoretical Physics of Nanosystems de la EPFL, École polytechnique fédérale de Lausanne. “Es perjudicial porque podría generar desilusión si el progreso tarda más. Pero el hecho de que haya tanta expectación no significa que la computación cuántica no sea viable”, expresó Savona.

Una computadora completamente diferente
#

La computación cuántica aprovecha las propiedades de las partículas subatómicas (superposición, entrelazamiento e interferencia) para realizar cálculos. Mientras que los bits clásicos pueden tomar dos valores discretos, 0 o 1, los cúbit pueden tomar cualquier combinación entre estos dos valores, abriendo la puerta a un nuevo universo de posibilidades computacionales.

En teoría, las computadoras cuánticas podrían abordar problemas que las computadoras clásicas jamás podrían resolver o que tardarían mucho tiempo en hacerlo. Sin embargo, esto no significa que puedan resolver cualquier problema, ni siquiera cualquiera que las computadoras clásicas puedan resolver; más bien, existen algunos problemas que las computadoras cuánticas son más adecuadas para abordar con mayor eficiencia. Por esta razón, las computadoras cuánticas no son necesariamente más rápidas y nunca reemplazarán por completo a las computadoras clásicas.

La construcción de computadoras cuánticas requiere crear nuevos tipos de diseños para aprovechar las reglas únicas de la física cuántica. Entre las arquitecturas de computadoras cuánticas más prometedoras se encuentran las que utilizan cúbits superconductores e iones atrapados. “Los qubits superconductores son, por el momento, la arquitectura más madura, pero aún estamos lejos de tener un tipo de qubit comparable al transistor que permitió los microprocesadores”, afirmó Edoardo Charbon, profesor del Laboratorio de Arquitectura Cuántica Avanzada de la EPFL.

De hecho, el futuro de la informática prevé un nuevo paradigma donde la arquitectura clásica y la cuántica coexisten y se complementan. «La integración de las arquitecturas cuántica y clásica es probablemente el problema más interesante y desafiante que debemos resolver hoy», afirmó Charbon. Actualmente, existen grandes proyectos europeos que integran ordenadores cuánticos en centros de computación de alto rendimiento para explorar este enfoque.

Aplicaciones en el horizonte
#

Una de las áreas donde se espera que la computación cuántica tenga una ventaja real sobre las computadoras clásicas es en la simulación de sistemas mecánicos cuánticos. Propuesta por Richard Feynman hace más de 40 años, la simulación de sistemas cuánticos puede ayudar a explicar los fenómenos que subyacen a algunos procesos físicos. Este conocimiento puede traducirse directamente en el desarrollo de nuevos fármacos, mejores baterías y nuevos materiales para circuitos electrónicos, por ejemplo. «Pudimos predecir con precisión propiedades como la energía fundamental, el espectro de excitación o el comportamiento térmico de un nuevo material, lo que permitió identificar puntos de transición de fase en diferentes condiciones», afirmó Yihui Quek, recientemente nombrado profesor adjunto de informática en la EPFL.

Otro ámbito donde las computadoras cuánticas pueden representar un avance significativo es la ciberseguridad y la criptografía. Por ejemplo, el algoritmo de Shor demuestra que las futuras máquinas cuánticas podrían descifrar sistemas de cifrado ampliamente utilizados, como RSA, con mucha mayor eficiencia que las computadoras actuales. Aunque aún faltan años para que existan ordenadores cuánticos tan potentes, esta posibilidad ha impulsado a los investigadores a desarrollar criptografía poscuántica: nuevos métodos de cifrado diseñados para resistir ataques cuánticos. Mientras tanto, la criptografía cuántica, como la distribución de claves cuánticas (QKD), utiliza las leyes de la física cuántica para crear canales de comunicación ultraseguros. En conjunto, estos enfoques buscan proteger los sistemas digitales en un mundo donde la tecnología cuántica se generaliza.

Corrigiendo errores, un cúbit a la vez
#

La computación cuántica se enfrenta a numerosos desafíos importantes antes de poder alcanzar aplicaciones prácticas. El principal obstáculo es la susceptibilidad a las interacciones con el entorno externo, lo que provoca la pérdida del estado cuántico y la fuga de información. Para mitigar esta pérdida, es fundamental implementar la corrección de errores para proteger la información cuántica. “La corrección de errores es la característica más importante que debemos desarrollar”, afirmó Savona. “Afortunadamente, estamos presenciando un progreso constante”.

La corrección de errores suele requerir un mayor número de cúbits. La complejidad de las tecnologías de computación cuántica, que incluyen superconductividad, temperaturas ultrabajas, alto vacío y fotónica compleja, limita actualmente las computadoras cuánticas a poco más de 1000 cúbits. Si bien algunos problemas de optimización pueden obtener resultados con estas computadoras de pequeño tamaño, muchas aplicaciones comerciales requerirán entre 10 000 y varios millones de cúbits lógicos. Se necesitan más avances para lograr computadoras de alta calidad de este tamaño.

En la EPFL, los investigadores están trabajando en hardware para desarrollar simulaciones cuánticas con iones atrapados, ampliar los qubits superconductores de fluxonio y acoplar qubits a nuevos resonadores y sistemas mecánicos.

Una nueva forma de interactuar
#

Otra área de intenso desarrollo son los algoritmos cuánticos. El lenguaje en el que se escriben estos algoritmos no es simplemente otro lenguaje de programación, sino una forma completamente nueva de interactuar con las computadoras. El diseño de algoritmos cuánticos eficientes es esencial para producir aplicaciones prácticas y lograr una ventaja real con respecto a los algoritmos clásicos. “Aún no sabemos cómo abordar un problema dado y producir un algoritmo cuántico que pueda acelerarlo”, explicó Quek. “Hay un esfuerzo científico global en marcha para buscar más primitivas algorítmicas cuánticas que nos permitan encontrar más casos de uso para las computadoras cuánticas”.

“En los últimos diez años, la EPFL ha fortalecido significativamente la investigación y el desarrollo en el área de las tecnologías cuánticas y la computación cuántica”, afirmó Savona, quien añadió que “la EPFL se está consolidando en Suiza como el centro académico de algoritmos cuánticos”.

En resumen
#

Computadoras cuánticas impulsadas por Inteligencia Artificial
#

La inteligencia artificial ayuda a encontrar patrones complejos en los datos con mayor rapidez y precisión. La computación cuántica utiliza los principios de la mecánica cuántica para procesar la información de maneras que las computadoras clásicas ni siquiera podrían soñar. ¿Y si pudiéramos combinar las ventajas de ambos campos?
Algunos visualizan las computadoras cuánticas como el siguiente paso en la evolución de la IA. Argumentan que principios cuánticos, como la superposición y el entrelazamiento, podrían permitir un entrenamiento más rápido de modelos complejos de IA o ayudar a procesar datos de forma más eficiente. En otros casos, las computadoras cuánticas podrían ayudar a la IA a superar limitaciones para abordar problemas que las computadoras clásicas no son capaces de resolver en áreas como el descubrimiento de fármacos y la ciencia de los materiales.
Sin embargo, la computación cuántica aún está en sus inicios y algunas de estas afirmaciones son más una aspiración que una realidad. «No hay ninguna razón especial para creer que la computación cuántica será especialmente útil para resolver eficientemente tareas como la clasificación de imágenes o la generación de texto», afirmó Giuseppe Carleo, director del Laboratorio de Ciencias Cuánticas Computacionales de la EPFL. «Probablemente, la computación cuántica no será una herramienta revolucionaria para el aprendizaje automático», precisó.
Por otro lado, la IA y el aprendizaje automático ya han demostrado ser elementos clave para la evolución de la computación cuántica en diversas áreas. Por ejemplo, la IA ayuda a caracterizar dispositivos cuánticos, evaluando el rendimiento de las computadoras cuánticas; en esencia, es cómo “miramos dentro” de un sistema cuántico para comprender su funcionamiento. Otra aplicación donde la IA destaca es la identificación de errores cuánticos y su rápida corrección. En esta tarea tan importante, los modelos de aprendizaje profundo funcionan mucho mejor que los algoritmos clásicos. “Estos avances no son especulativos; son un campo muy consolidado”, comentó Carleo.
La EPFL es clave en el desarrollo de este tipo de sinergia entre la IA y la computación cuántica. Por ejemplo, el Laboratorio de Información y Computación Cuántica, dirigido por Zoë Holmes, está ampliando los límites de las sinergias entre las computadoras cuánticas y los algoritmos de aprendizaje automático. Mientras tanto, el grupo dirigido por Carleo está desarrollando modelos de aprendizaje automático para simular con precisión sistemas cuánticos, «siguiendo el ejemplo del programa AlphaFold de Google, pero en lugar de aplicarlo a proteínas, aplicamos nuestros modelos de aprendizaje automático para resolver la ecuación de Schrödinger, la ecuación fundacional de la mecánica cuántica, y así simular con precisión sistemas físicos», afirmó Carleo.