Los más recientes avances tecnológicos ofrecen a empresas e investigadores nuevas oportunidades para explorar aplicaciones prácticas para computadoras cuánticas, como por ejemplo la optimización de asignaciones de puertas en aeropuertos.

La extraña capacidad de las partículas subatómicas de estar en dos lugares a la vez, permite que los llamados ordenadores cuánticos realicen algunos cálculos mucho más rápido que sus contrapartes convencionales. Esta capacidad podría pronto ayudar a resolver problemas en nuestra vida diaria, como evitar conexiones de vuelo perdidas.

Mientras que los ordenadores convencionales almacenan información en dígitos binarios o bits, que pueden ser cero o uno, los ordenadores cuánticos utilizan Qubits. Estos Qubits pueden representar una mezcla compleja de cero y uno debido a su comportamiento subatómico. Pueden coordinar sus acciones con otros Qubits al instante, sin importar la distancia a la que se encuentren, un fenómeno que Albert Einstein denominó "acción fantasmal a distancia".

"Aunque las masivas y sofisticadas máquinas necesarias para tales tareas probablemente estarán disponibles en al menos una década, los ordenadores cuánticos de empresas como IBM y D-Wave Systems ya han superado a los computadores convencionales más potentes del mundo en ciertos cálculos físicamente relevantes. Estos avances están impulsando a las empresas y a los investigadores a buscar más aplicaciones prácticas, como el cálculo de las rutas óptimas para que los pasajeros consigan sus conexiones de vuelo."

"Ahora vivimos en una era en la que realmente tenemos la oportunidad de investigar dónde deberíamos utilizar una computadora cuántica", dice Karl Jansen, físico en el Sincrotrón de Electrones Alemán (DESY), que trabaja en el problema del gate de vuelo con la empresa de computación cuántica IonQ.

D-Wave ha utilizado su ordenador cuántico para ayudar a sus clientes en la determinación de los horarios de entrega de supermercados, la planificación de rutas de giras promocionales y la gestión de carga en el puerto de Los Ángeles. Estas tareas son ejemplos de los llamados problemas de optimización, que son extremadamente complejos debido a la gran cantidad de opciones. Otros ejemplos incluyen el embalaje más eficiente de cajas en contenedores y la ponderación de riesgo y rendimiento en carteras financieras.

Existen 100,000 formas de asignar cinco aviones a diez puertas de embarque en un aeropuerto. Si se incrementa a 50 aviones y 100 puertas, el número de posibilidades explota a 10 elevado a 100 - mucho más que el número de átomos en el universo visible. Ningún ordenador convencional podría seguir todas estas posibilidades, pero un ordenador cuántico teóricamente podría hacerlo.

Las colecciones de qubits se comportan como ondas que contienen una enorme cantidad de datos. Un ordenador cuántico con solo 350 qubits podría teóricamente rastrear todas las soluciones posibles para el problema de asignación de 50 aviones a 100 puertas.

Angelo Bassi, físico en la Universidad de Trieste, compara la diferencia entre la computación convencional y la cuántica con la diferencia entre un surfista y una ola al encontrarse con una roca. El surfista pasa por la izquierda o la derecha de la roca, mientras que la ola lo hace por ambos lados al mismo tiempo. Algunas características fundamentales de la roca pueden deducirse del camino del surfista, pero se puede aprender mucho más del patrón de olas en el agua.

"Las ondas llevan más información que las partículas", dice Bassi.

Los qubits son extremadamente difíciles de manejar. A menudo generados con circuitos superconductores o iones atrapados, los qubits se destruyen con la más mínima perturbación y generalmente deben enfriarse a temperaturas más bajas que el espacio interestelar. Incluso entonces, los qubits son mucho más propensos a errores que los bits, que dependen de circuitos electrónicos convencionales.

Los futuros computadores cuánticos necesitarán un número enorme de qubits –posiblemente millones– para abordar el problema de errores y, aun así, tener suficiente potencia para tareas como la simulación de la dinámica de átomos y moléculas, según revela un estudio de Microsoft del año 2022.

"Incluso los dispositivos relativamente débiles de hoy en día han cruzado un umbral que los hace lo suficientemente potentes para superar a los supercomputadores más avanzados del mundo en algunos cálculos. Este punto crítico se encuentra en algún lugar entre los 50 y los 100 qubits", dice Travis Humble, director del Centro de Ciencia Cuántica en el Laboratorio Nacional Oak Ridge.

Un hito se alcanzó en junio del año pasado cuando IBM publicó un estudio en la revista "Nature" demostrando que su procesador de 127 qubits puede superar a las computadoras convencionales en ciertos cálculos relacionados con materiales magnéticos. En marzo, investigadores de D-Wave publicaron un artículo no revisado que muestra que su última máquina puede calcular cantidades en minutos que costarían millones de años al supercomputador más potente del mundo en situaciones similares.

"De todas las afirmaciones hechas hasta ahora sobre la superioridad de las computadoras cuánticas frente a las computadoras convencionales, esta es realmente la más fuerte", dice Daniel Lidar, director del Centro de Ciencia e Información Cuántica de la Universidad del Sur de California.

D-Wave apuesta fuertemente por aplicaciones de optimización al desarrollar un tipo especial de computadora cuántica llamada Annealer, especializada en resolver este problema. Contiene alrededor de 5.000 qubits, pero está limitada a buscar rápidamente respuestas aproximadas en vez de realizar cálculos exactos.

Un signo prometedor de que la tecnología de templado (annealing) de D-Wave podría ofrecer una ventaja sobre las computadoras convencionales en problemas prácticos es que Lidar de la USC mostró a principios de este año cómo podría utilizarse para ganar un juego matemático similar a la optimización en un artículo que actualmente está bajo revisión.

Ahora comienza la carrera para descubrir qué otras aplicaciones prácticas podría tener la última generación de computadoras cuánticas.

Jansen del DESY dice que ha resuelto con éxito versiones pequeñas del problema de optimización de puertas de vuelo en una computadora cuántica de iones atrapados de IonQ y ha visto indicios preliminares de que su técnica podría superar a los métodos de cálculo convencionales con un número suficientemente grande de qubits.

Investigadores de la Cleveland Clinic afirman que una computadora cuántica de IBM ha superado a un avanzado algoritmo de inteligencia artificial utilizando un enfoque similar al de Jansen para predecir la forma de un segmento de una molécula de proteína a partir del conocimiento de sus aminoácidos, una tarea que podría ser útil para detectar y tratar ciertas enfermedades a medida que las capacidades de las computadoras cuánticas sigan evolucionando. Su artículo fue publicado en el ACS Journal of Chemical Theory and Computation.

A medida que la optimización se incluye en el entrenamiento de algoritmos de aprendizaje automático, algunas empresas creen que la computación cuántica puede hacer que las aplicaciones de IA sean aún más inteligentes.

IonQ ha colaborado con Hyundai en inteligencia artificial basada en cuántica para capacitar a vehículos autónomos a reconocer señales de tráfico y otros objetos. El cambio a entrenamiento con IA cuántica en un modelo de aprendizaje automático pequeño duplicó su precisión del 30 % al 60 %, afirma IonQ. Una vez que el número de qubits aumente de los actuales 36 a 64 el próximo año, la empresa cree que su algoritmo superará a cualquier modelo de aprendizaje automático basado en no-cuántica imaginable.

Los enfoques de prueba y error podrían ciertamente revelar nuevas aplicaciones para las computadoras cuánticas, dice Scott Aaronson, director del Centro de Información Cuántica de la Universidad de Texas en Austin. Sin embargo, las teorías conocidas sugieren que los aumentos de velocidad cuánticos en optimización e IA serán relativamente modestos y probablemente no tendrán impacto comercial hasta que las computadoras cuánticas sean mucho más grandes y con corrección de errores, afirma.

"Es realmente, realmente difícil ver cómo se podría obtener ganancias con la generación actual de dispositivos", dice Aaronson. "Tiene que ocurrir algo que esté más allá de lo que sabemos sobre los algoritmos actuales."

Pero es exactamente en eso en lo que esperan algunos de los pioneros cuánticos de hoy en día: un avance que surge de experimentos.

"Ya ha sucedido antes", dice Ricardo García de Moody's Analytics, quien trabajó con la empresa de computación cuántica Rigetti en un proyecto para mejorar la precisión de un modelo de pronóstico de recesión basado en IA. Uno de los métodos más poderosos utilizados hoy en día para problemas de optimización, el algoritmo simplex, fue desarrollado en la década de 1940, mucho antes de que los teóricos pudieran explicar por qué funcionaba tan bien.

"Solo porque hoy no hay garantías teóricas, no significa que no haya oportunidades a corto plazo," dice García.