Tanto interés ha despertado este campo que, en los últimos años, la UE ha destinado más de 1.000 millones de euros al impulso de proyectos cuánticos industriales y académicos. Además, se espera que la cifra aumente en la próxima década gracias a iniciativas como el Quantum Flagship y la European Quantum Communication Infrastructure (EuroQCI). Asimismo, cada vez son más las spin-off de universidades que se están lanzando a comercializar productos que incluyen este tipo de tecnologías. De hecho, incluso algunas universidades han empezado a incluir temáticas como la ingeniería cuántica en sus planes de estudios.
nLa suma de este impulso financiero, junto con un tejido empresarial cada vez mayor y más formado, está desembocando en la creación de un ecosistema cuántico industrial que, sin duda, ha venido para quedarse y revolucionar el modo en que vivimos gracias a las propiedades de la física cuántica. Y, aunque esta "revolución cuántica" no es la primera, pues disponemos de tecnologías que aprovechan los efectos cuánticos desde hace décadas, sí hay ciertas diferencias entre esta revolución y la anterior:
n- n
- n
La primera revolución cuántica, a lo largo del siglo XX, nos permitió entender el funcionamiento de múltiples procesos físicos que se escapaban de las capacidades de interpretación del modelo clásico. Este hecho permitió aprovechar estos procesos para crear tecnologías que ahora parecen tan básicas como el láser, el transistor y las imágenes por resonancia magnética.
n n
- n
- n
En contraste, la segunda revolución cuántica ya permite no sólo aprovechar, sino manipular directamente y diseñar sistemas que utilizan la física y los estados cuánticos como un recurso más. Esta transformación radical ya está en marcha, y empezamos a disponer de la capacidad de, por ejemplo, detectar fotones individuales o manipular estados de la materia exóticos que macroscópicamente exhiben propiedades cuánticas como la superconductividad. Todo ello podría dar lugar a medidas extremadamente precisas, reducciones drásticas de los tiempos de computación o incluso con el teletransporte de información.
n
n De hecho, algunas de estas tecnologías ya son una realidad industrial, como los generadores de números aleatorios de carácter cuántico (QRNG, por las siglas de Quantum Random Number Generator). Estos dispositivos, comercializados por compañías como Quside, son capaces de asegurar una conectividad y unas comunicaciones más seguras gracias a la verdadera impredecibilidad que les otorgan los principios de la física cuántica. n
Pero esta segunda revolución cuántica tiene también sus propios demonios: por mucho que se pueda crear un ambiente lo suficientemente controlado como para estudiar e incluso diseñar y fabricar tales sistemas, a la hora de escalarlos e industrializarlos existen obstáculos que siguen siendo un auténtico desafío científico y comercial.
nEs el caso de, por ejemplo, los ordenadores y la computación cuántica. Aunque ya existen empresas que desarrollan e incluso comercializan este tipo de ordenadores, éstos cuentan con un número de bits cuánticos (cúbits) demasiado bajo (y con insuficiente precisión) como para que podamos pensar en ellos como una solución realmente útil y accesible, ni siquiera a medio plazo.
nSi aspiramos a que las tecnologías cuánticas ayuden a resolver los más importantes retos sociales, económicos e industriales que se avecinan en las próximas décadas, y que exigen una capacidad de computación que los métodos actuales no son capaces de ofrecer, es necesario abordar este último desafío científico (o, al menos, encontrar una forma de sortearlo por el momento). Por eso, muchas empresas y grupos de investigación han cambiado su foco hacia nuevas ideas que puedan da os ventajas frente a la computación clásica, sin tener que esperar a resolver los enormes (y apasionantes) retos de la computación cuántica. Se trata de la computación inspirada en física, en la que ya trabajan gigantes tecnológicos como Toshiba, Fujitsu, Microsoft y Amazon.
nEste tipo de computación inspirada en física, con aplicaciones en campos tan en auge como el aprendizaje automático, permite aprovechar el aparato matemático inicialmente desarrollado para los ordenadores cuánticos para resolver problemas en plataformas de computación de alto rendimiento disponibles hoy, lo que se traduce en una mejora sustancial en los costes y los tiempos invertidos.
nPara entender bien cómo funciona la computación inspirada en física, imagine que está tumbado en la arena de la playa con un refresco en la mano. Aunque de lejos parezca un manto llano, la superficie de la arena es un caótico e irregular conjunto de innumerables valles y picos. La pregunta que puede hacerse para romper esta idílica situación es: ¿cuál es el valle más profundo? Está claro que la solución clásica consistente en medir todos y cada uno de los pequeños montículos y apuntar sus profundidades (que posiblemente difieran en fracciones indistinguibles de la precisión de nuestros instrumentos de medida) no es viable para una extensión de playa mayor a la toalla sobre la que reposa.
nSi quiere resolver la cuestión en un tiempo razonable necesita otro método. Y aquí es donde la física juega su papel: si, según los principios de la termodinámica, todos los sistemas tienden a evolucionar hacia un estado de reposo de energía mínima, ¿sería capaz de verter su refresco sobre la arena con el suficiente cuidado como para que, por simple gravedad, el líquido quede almacenado en el valle más profundo, donde su energía potencial queda minimizada? Si fuese así, la propia física del sistema haría la búsqueda por usted, y podría seguir disfrutando de sus vacaciones. Evidentemente, la respuesta a esta pregunta es sí, aunque a priori ese "con cuidado" (adiabáticamente, en la jerga física) pueda llegar a ser complicado de llevar a cabo.
nExisten muchas implementaciones de las tecnologías de optimización basadas en física, aunque la mayoría se basan en dos componentes fundamentales: primero, el uso de dispositivos de aceleración, tales como GPU o FPGA, que permiten sacar partido de hasta el último vatio de un ordenador; segundo, un algoritmo de simulación física que sea lo más rápido posible encontrando los valles en la playa.
nAdemás, muchos de estos algoritmos basados en física son estocásticos: para encontrar el estado de mínima energía, proponen una serie de actualizaciones de las variables del sistema y las implementan con una cierta probabilidad que depende de su energía, para lo que se puede llegar a requerir una ingente cantidad de números aleatorios si el problema a resolver es lo suficientemente complejo.
nDe hecho, dada la eficacia y rapidez de las plataformas de computación actuales, junto con el alto consumo de aleatoriedad, la velocidad de generación de números aleatorios es el factor limitante en muchas aplicaciones. No sólo esto, sino que se sabe que una secuencia de números aleatorios de mala calidad (manifestada en correlaciones entre números a largo plazo) podría influir en la capacidad de los algoritmos para encontrar soluciones satisfactorias: en estas situaciones, la calidad y la rapidez en la generación de dichos números resulta esencial.
nCon esta filosofía en mente, Quside aprovecha su experiencia como fabricante de QRNG para proveer números aleatorios con la máxima calidad y velocidad posibles. Además, sus generadores son capaces de interactuar directamente con las plataformas de aceleración basadas en hardware, como GPU y FPGA, lo que incrementa la eficiencia de la transmisión de números aleatorios y facilita su uso.
nEs precisamente esta filosofía de aunar la máxima eficiencia y calidad con una gran facilidad de uso la que ha permitido que este año Quside demuestre aceleraciones de hasta 10x en ciertos casos de uso asociados a simulaciones de Monte Carlo, en sectores aparentemente tan dispares como las finanzas, la simulación bioquímica y la logística.
nAdemás, Quside también investiga nuevos algoritmos inspirados en física, capaces de encontrar los valles de energía en problemas de optimización de forma más eficiente. Por un lado, la compañía estudia cómo y en qué arquitectura traducir dichos problemas y, por otro, investiga nuevos modelos físicos que sean igualmente capaces de emular este comportamiento. Para ello mezclan ideas provenientes de la computación genética en paralelo e ingredientes inspirados en la computación cuántica que permiten viajar de un valle al otro sin invertir tanto esfuerzo.
nAunque pueda parecer que sus problemas no tienen nada que ver con arena y refrescos, el potencial de la computación inspirada en física es inmenso. Existe un enorme abanico de problemas de interés industrial que pueden ser traducidos a un problema de búsqueda del valle de mínima energía: desde investigación médica, como la resolución de la estructura de proteínas para el desarrollo de nuevos fármacos, a problemas de logística, como la minimización del coste de distribución de paquetes, y bancarios como la optimización de porfolios financieros. Todos ellos, problemas que, sin duda alguna, tienen la capacidad de transformar las vidas de la gente, y que, con ayuda de esta tecnología, podrían verse con soluciones óptimas y mucho más rápidas a las actuales en un horizonte mucho más cercano que el de los ordenados cuánticos funcionales.
n