Doxa 1213

Se acerca la computación cuántica. ¿Qué puede hacer?

Por Francesco Bova, Avi Goldfarb, y Roger Melko 

Innovación

Harvard Business Review

#doxa #innovación #tecnología #computación #cuántica #digital #óptima #datos #cálculos #iterativos

Resumen. La computación digital tiene limitaciones con respecto a una categoría importante de cálculo llamada combinatoria, en la que el orden de los datos es importante para la solución óptima. Estos cálculos complejos e iterativos pueden llevar mucho tiempo procesar incluso a las computadoras más rápidas. Las computadoras y el software que se basan en los supuestos de la mecánica cuántica tienen el potencial de realizar combinatorios y otros cálculos mucho más rápido y, como resultado, muchas empresas ya están explorando la tecnología, cuyas aplicaciones conocidas y probables ya incluyen ciberseguridad, bioingeniería, inteligencia artificial, finanzas y manufactura compleja.

La tecnología cuántica se está acercando a la corriente principal. Goldman Sachs anunció recientemente que podrían introducir algoritmos cuánticos para fijar el precio de los instrumentos financieros en tan solo cinco años. Honeywell anticipa que la tecnología cuántica formará una industria de un billón de dólares en las próximas décadas. Pero, ¿por qué empresas como Goldman están dando este salto, especialmente si faltan años para las computadoras cuánticas comerciales?

Para comprender lo que está sucediendo, es útil dar un paso atrás y examinar qué es exactamente lo que hacen las computadoras.

Comencemos con la tecnología digital actual. En esencia, la computadora digital es una máquina aritmética. Hizo que la realización de cálculos matemáticos fuera barata y su impacto en la sociedad ha sido inmenso. Los avances tanto en hardware como en software han hecho posible la aplicación de todo tipo de informática a productos y servicios. Los automóviles, lavavajillas y calderas de hoy en día tienen algún tipo de computadora incorporada, y eso es incluso antes de que lleguemos a los teléfonos inteligentes e Internet. Sin computadoras, nunca hubiéramos llegado a la luna ni hubiéramos puesto satélites en órbita.

Estas computadoras usan señales binarias (los famosos 1 y 0 del código) que se miden en "bits" o bytes. Cuanto más complicado es el código, más potencia de procesamiento se requiere y más tiempo lleva el procesamiento. Lo que esto significa es que, a pesar de todos sus avances, desde autos sin conductor hasta vencer a los grandes maestros en Chess and Go, quedan tareas con las que luchan los dispositivos informáticos tradicionales, incluso cuando la tarea se distribuye entre millones de máquinas.

Un problema particular con el que luchan es una categoría de cálculo llamada combinatoria. Estos cálculos implican encontrar una disposición de elementos que optimice algún objetivo. A medida que crece el número de elementos, el número de posibles arreglos crece exponencialmente. Para encontrar el mejor arreglo, las computadoras digitales de hoy básicamente tienen que iterar a través de cada permutación para encontrar un resultado y luego identificar cuál funciona mejor para lograr el objetivo. En muchos casos, esto puede requerir una gran cantidad de cálculos (piense en romper contraseñas, por ejemplo). El desafío de los cálculos combinatorios, como veremos en un minuto, se aplica en muchos campos importantes, desde las finanzas hasta los productos farmacéuticos. También es un cuello de botella crítico en la evolución de la IA.

Y aquí es donde entran en juego las computadoras cuánticas. Así como las computadoras clásicas redujeron el costo de la aritmética, la cuántica presenta una reducción de costos similar al cálculo de problemas combinatorios abrumadores.

El valor de lo cuántico

Las computadoras cuánticas (y el software cuántico) se basan en un modelo completamente diferente de cómo funciona el mundo. En la física clásica, un objeto existe en un estado bien definido. En el mundo de la mecánica cuántica, los objetos solo ocurren en un estado bien definido después de que los observamos. Antes de nuestra observación, los estados de dos objetos y cómo se relacionan son cuestiones de probabilidad. Desde una perspectiva informática, esto significa que los datos se registran y almacenan de una manera diferente, a través de qubits de información no binarios en lugar de bits binarios, lo que refleja la multiplicidad de estados en el mundo cuántico. Esta multiplicidad puede permitir un cálculo más rápido y de menor costo para la aritmética combinatoria.

Si eso suena alucinante, es porque lo es. Incluso los físicos de partículas luchan por entender la mecánica cuántica y las muchas propiedades extraordinarias del mundo subatómico que describe, y este no es el lugar para intentar una explicación completa. Pero lo que podemos decir es que la mecánica cuántica explica mejor muchos aspectos del mundo natural que la física clásica, y se adapta a casi todas las teorías que ha producido la física clásica.

Quantum se traduce, en el mundo de la informática comercial, en máquinas y software que pueden, en principio, hacer muchas de las cosas que pueden hacer las computadoras digitales clásicas y, además, hacer una gran cosa que las computadoras clásicas no pueden: realizar cálculos combinatorios rápidamente. Como describimos en nuestro artículo, Aplicaciones comerciales de la computación cuántica, eso será un gran problema en algunos dominios importantes. En algunos casos, ya se sabe que la importancia de la combinatoria es fundamental para el dominio.

• Ingeniería química y biológica. La ingeniería química y biológica implica el descubrimiento y manipulación de moléculas. Hacerlo implica el movimiento y la interacción de partículas subatómicas. En otras palabras, se trata de mecánica cuántica. La simulación de la mecánica cuántica fue una motivación clave en la propuesta inicial de Richard Feynman para construir una computadora cuántica. A medida que las moléculas se vuelven más complejas, el número de configuraciones posibles crece exponencialmente. Se convierte en un cálculo combinatorio, adecuado para una computadora cuántica. Por ejemplo, las computadoras cuánticas programables ya han demostrado simulaciones exitosas de reacciones químicas simples, allanando el camino para simulaciones químicas cada vez más complejas en el futuro cercano. Con la viabilidad emergente de las simulaciones cuánticas, que ayuda a predecir las propiedades de nuevas moléculas, los ingenieros podrán considerar configuraciones de moléculas que de otro modo serían difíciles de modelar. Esta capacidad significa que las computadoras cuánticas desempeñarán un papel importante en la aceleración de los esfuerzos actuales en el descubrimiento de materiales y el desarrollo de fármacos.
• La seguridad cibernética. La combinatoria ha sido fundamental para el cifrado durante más de mil años. Del 8 al-Khalil º siglo Libro de mensajes criptográficos miraba permutaciones y combinaciones de palabras. El cifrado actual todavía se basa en la combinatoria, enfatizando la suposición de que los cálculos combinatorios son esencialmente inmanejables. Sin embargo, con la computación cuántica, descifrar el cifrado se vuelve mucho más fácil, lo que representa una amenaza para la seguridad de los datos. Está creciendo una nueva industria que ayuda a las empresas a prepararse para las próximas vulnerabilidades en su ciberseguridad.

A medida que más personas prestan atención al potencial de la computación cuántica, están surgiendo aplicaciones más allá de la simulación cuántica y el cifrado:

• Inteligencia artificial. La computación cuántica abre potencialmente nuevas oportunidades en inteligencia artificial, que a menudo implica el procesamiento combinatorio de grandes cantidades de datos para hacer mejores predicciones y decisiones (piense en el reconocimiento facial o la detección de fraudes). Un campo de investigación creciente en el aprendizaje de máquinas cuánticas identifica formas en que los algoritmos cuánticos pueden permitir una IA más rápida. Las limitaciones actuales en la tecnología y el software hacen que la inteligencia artificial cuántica general sea una posibilidad bastante remota, pero ciertamente hace que las máquinas pensantes sean más que un tema de ciencia ficción.
• Servicios financieros. Finanzas fue uno de los primeros dominios en adoptar Big Data. Y gran parte de la ciencia detrás de la fijación de precios de activos complejos, como las opciones sobre acciones, implica el cálculo combinatorio. Cuando Goldman Sachs, por ejemplo, valora los derivados, aplica un cálculo muy intensivo en computación conocido como simulación de Monte Carlo que hace proyecciones basadas en movimientos de mercado simulados. La velocidad de cálculo ha sido durante mucho tiempo una fuente de ventaja en los mercados financieros (donde los fondos de cobertura compiten por obtener ventajas de milisegundos para obtener información sobre precios). Los algoritmos cuánticos pueden aumentar la velocidad para un conjunto importante de cálculos financieros.
• Fabricación compleja. Las computadoras cuánticas se pueden utilizar para tomar grandes conjuntos de datos de fabricación sobre fallas operativas y traducirlos en desafíos combinatorios que, cuando se combinan con un algoritmo inspirado en la cuántica, pueden identificar qué parte de un proceso de fabricación complejo contribuyó a los incidentes de fallas del producto. Para productos como microchips en los que este proceso de producción puede tener miles de pasos, la tecnología cuántica puede ayudar a reducir costosas fallas.

La oportunidad de la computación cuántica para resolver problemas combinatorios a gran escala de forma más rápida y económica ha fomentado miles de millones de dólares de inversión en los últimos años. La mayor oportunidad puede ser encontrar más aplicaciones nuevas que se beneficien de las soluciones ofrecidas a través de Quantum. Como dijo el profesor y empresario Alan Aspuru-Guzik, hay “un papel para la imaginación, la intuición y la aventura. Tal vez no se trate de cuántos qubits tenemos; tal vez se trate de cuántos piratas informáticos tenemos".

Francesco Bova es profesor en la Rotman School of Management de la Universidad de Toronto en Toronto y es el líder académico y economista de laboratorio de la corriente cuántica en Rotman Creative Destruction Lab.

Avi Goldfarb es la Cátedra Rotman de Inteligencia Artificial y Salud en la Rotman School of Management de la Universidad de Toronto. También es el científico de datos en jefe del Creative Destruction Lab y coautor de Prediction Machines: The Simple Economics of Artificial Intelligence (Harvard Business Review Press, abril de 2018).

Roger Melko es profesor en el Departamento de Física y Astronomía de la Universidad de Waterloo en Ontario, y tiene una Cátedra de Investigación de Canadá en Física Computacional de Muchos Cuerpos. También es miembro asociado de la facultad en el Instituto Perimetral de Física Teórica y Laboratorio de Destrucción Creativa de la Universidad.