Los grandes ordenadores cuánticos sorprenden por su capacidad de realizar en segundos procesos que llevarían miles de años a un ordenador convencional, pero hasta ahora sus proezas no han tenido mayores aplicaciones prácticas, un reto que ha conseguido superar un pequeño ordenador cuántico.
Los ordenadores cuánticos se diferencian de los ordenadores clásicos en que se basan en la mecánica cuántica para el procesamiento de la información.
En vez de unos y ceros (bits), el ordenador cuántico utiliza cúbits, la unidad básica de este sistema computacional: cada cúbit es un cero y un uno a la vez, algo imposible en la física clásica.
Esta capacidad, propia de las partículas elementales, permite a los ordenadores cuánticos realizar muchos cálculos al mismo tiempo, así como conseguir ahorros exponenciales en los tiempos de procesamiento.
Sin embargo, la computación cuántica está todavía en fase de desarrollo y, aunque tiene prometedoras aplicaciones, todavía no ha resuelto algunos problemas técnicos que condicionan sus resultados prácticos.
Carrera tecnológica
Carrera tecnológica Existe una carrera tecnológica por alcanzar la supremacía cuántica que enfrenta a dos gigantes norteamericanos, IBM y Google, con China: la potencia asiática ha desarrollado un ordenador cuántico 10.000 millones de veces más rápido que el de Google, la estrella hasta ahora de esta escalada tecnológica, según anunció en Science.
Sin embargo, cuando en 2019 el ordenador cuántico de Google logró resolver una tarea mucho más rápidamente que la mejor supercomputadora de IBM, el resultado no tuvo ninguna aplicación práctica.
La proeza china tiene un problema similar: ha conseguido realizar un muestreo de bosones para demostrar su capacidad cuántica, pero no se ven por ningún lado sus posibles aplicaciones prácticas.
Pequeño, pero práctico
Pequeño, pero práctico En el frenesí de esta competición por la supremacía cuántica, investigadores de la Universidad Tecnológica de Chalmers, en Suecia, han demostrado que pueden resolver una pequeña parte de un problema logístico real con un pequeño ordenador cuántico, pero que funciona bien: todo un desafío para los grandes modelos chino y norteamericanos.
Lo que ha conseguido este equipo, según explica en un comunicado una de sus protagonistas, Giulia Ferrini, es utilizar la computación cuántica para resolver problemas relevantes, por lo que ha trabajado en estrecha colaboración con empresas industriales.
Y para ello ha centrado su investigación en un problema real que afecta a la industria de la aviación: la programación de los vuelos. Los resultados se han publicado en dos artículos en Physical Review Applied.
Asignar aviones individuales a diferentes rutas representa un problema de optimización, que crece muy rápidamente en tamaño y complejidad a medida que aumenta el número de rutas y aviones.
Ayudando al tráfico aéreo
Ayudando al tráfico aéreo Para optimizar la regulación del tráfico aéreo, los investigadores suecos usaron un ordenador cuántico de solo dos cúbits, frente a los 53 cúbits que tiene el ordenador cuántico de Google.
Para conseguirlo, ejecutaron en su pequeño ordenador un algoritmo de optimización cuántica (QAOA) y comprobaron que puede resolver con éxito el problema de asignar aviones a rutas.
En esta primera demostración, el resultado se pudo verificar fácilmente, ya que la escala era muy pequeña: solo involucraba a dos aviones.
Con esta hazaña, los investigadores han sido los primeros en demostrar que el algoritmo QAOA puede resolver en la práctica el problema de asignar aviones a rutas aéreas.
También lograron ejecutar el algoritmo un nivel más allá que nadie antes, un logro que requiere un hardware muy bueno y un control preciso, destacan los investigadores.
Funciona bien y puede ir a más
Funciona bien y puede ir a más "Hemos demostrado que tenemos la capacidad de mapear problemas relevantes en nuestro procesador cuántico. Todavía tenemos una pequeña cantidad de cúbits, pero funcionan bien. Nuestro plan ha sido hacer que todo funcione muy bien a pequeña escala, antes de escalar", explica el investigador principal Jonas Bylander.
Los teóricos del equipo de investigación también simularon la resolución del mismo problema de optimización para hasta 278 aviones, lo que requeriría hasta ahora un ordenador cuántico con 25 cúbits.
"Los resultados siguieron siendo buenos a medida que ampliamos la escala. Esto sugiere que el algoritmo QAOA tiene el potencial de resolver este tipo de problemas a escalas aún mayores", añade Giulia Ferrini.
Sin embargo, superar las mejores computadoras de la actualidad requeriría dispositivos mucho más grandes. Los investigadores de Chalmers han comenzado a escalar y ya están trabajando con cinco bits cuánticos. El plan es alcanzar al menos 20 cúbits para 2021 manteniendo la alta calidad en aplicaciones prácticas.
El objetivo a más largo plazo es tener una computadora cuántica en funcionamiento con al menos cien cúbits, con una potencia de cálculo mucho mayor que las mejores supercomputadoras de la actualidad, destacan los investigadores, dando a entender que también aspiran a la supremacía cuántica.
Esa potencia de cálculo se podría utilizar para resolver problemas de optimización más complejos que el de la gestión del tráfico aéreo, así como para el aprendizaje automático avanzado y para cálculos ??de las propiedades de las moléculas, aplicaciones todas ellas de una gran utilidad práctica.
De todas formas, estamos lejos de cantar victoria: un estudio publicado el mes pasado concluía que para aumentar la potencia de los ordenadores cuánticos es inútil aumentar el número de cúbits, y que lo que hay que hacer es mejorar su fiabilidad, algo que no se sabe muy bien cómo conseguirlo.
Referencias
Referencias Improved Success Probability with Greater Circuit Depth for the Quantum Approximate Optimization Algorithm. Andreas Bengtsson et al. Phys. Rev. Applied 14, 034010, 3 September 2020. DOI:https://doi.org/10.1103/PhysRevApplied.14.034010
Applying the Quantum Approximate Optimization Algorithm to the Tail-Assignment Problem. Pontus Vikstål et al. Phys. Rev. Applied 14, 034009. 3 September 2020. DOI:https://doi.org/10.1103/PhysRevApplied.14.034009
