reportaje

Laura Converso
Computación cuántica: ampliando el límite de lo calculable

Por Marta González Muguruza

Con la aceleración digital, los avances de la inteligencia artificial y el machine learning, empezamos a escuchar a hablar de computación cuántica por todos lados. ¿De qué se trata?
Volvamos un poco en el tiempo para explicarlo. Hay quienes dicen que los números primos son los ladrillos de la matemática, pero no fue hasta 1994 que el algoritmo cuántico que permitía hallar más eficientemente los factores primos de números muy grandes fue descubierto por el matemático Peter Shor. Este descubrimiento expandió el horizonte de lo que hoy consideramos computacionalmente posible y dio origen a las primeras aplicaciones prácticas de la computación cuántica. Las computadoras cuánticas, propiamente dichas, aún estaban muy lejos de existir en los años 90, así que nada cambió realmente. La descomposición en factores primos era esencialmente una operación incalculable para las computadoras convencionales, de modo que este método continuó usándose en el diseño de sistemas criptográficos, desde el cifrado RSA, que todavía hoy utilizamos para proteger casi todo, y el correo electrónico hasta las transacciones financieras.
El algoritmo de Shor es una de las tantas soluciones que existía tan solo en papel; sin embargo, con los últimos avances en computación cuántica, comenzamos a vislumbrar computadoras que podrían potencialmente ejecutar ese algoritmo. Estas máquinas desafían la ley de Moore ya que dan un salto exponencial en capacidad de cálculo. Al hacerlo, son capaces de resolver problemas insolubles o imposibles para las computadoras convencionales. Y además, como las industrias están esencialmente definidas por estos grandes problemas incalculables, cuando las computadoras cuánticas maduren, se iniciará una cascada de disrupciones que cambiará la forma en que las industrias funcionan hoy.

¿Es una cuestión de capacidad de almacenamiento? ¿De velocidad? ¿Qué tiene de diferente una computadora cuántica?
Es más que eso. Las computadoras cuánticas pueden resolver problemas matemáticos complejos exponencialmente más rápido que las computadoras clásicas al aprovechar los fenómenos cuánticos a nivel subatómico. Su cálculo se basa en el uso de bits cuánticos en vez de bits [digitales]. Mientras que las computadoras clásicas procesan las cosas de una en una, en términos comparativos, las cuánticas están libres de la limitación de los cálculos secuenciales y pueden ejecutar todos los cálculos simultáneamente.
Pero el verdadero cambio no consistirá en hacer lo mismo que hacen las computadoras clásicas más rápido, sino en realizar ciertas operaciones de una manera totalmente diferente que en muchos casos resultará ser millones de veces más eficiente. Las computadoras cuánticas no vienen a reemplazar a la computación tradicional sino que son complementarias, y su campo de acción se centrará principalmente en tres áreas: optimizaciones, simulaciones y aprendizaje automático.

Para entenderlo con ejemplos concretos, ¿dónde veremos que la aplicación de la computación cuántica generará más impacto?
Los sectores en los que la computación cuántica traerá novedades son innumerables, pero se cree que inicialmente las primeras industrias impactadas serán desde la industria farmacéutica y la química hasta el sector automotriz, la logística y la industria financiera.

¿De qué manera?
Todas las industrias tienen grandes desafíos que definen dónde empiezan y dónde terminan sus estrategias, sus productos y servicios principales, etc. Por ejemplo, las compañías farmacéuticas están limitadas en el descubrimiento de nuevos medicamentos y vacunas por el proceso de plegamiento de proteínas. Las proteínas pueden plegarse en innumerables combinaciones posibles, y diseñar un medicamento requiere un nivel de simulación altamente complejo (o poner en marcha sistemas de prueba y error que para la industria farmacéutica son extremadamente costosos). ¿Pero qué pasaría si pudiesen resolver este problema complejo de un modo diferente? Recientemente, IBM demostró cómo la molécula de hidruro de litio (LiH) podría modelarse en una computadora cuántica en nueve horas, cuando antes tomaba 45 días.
Si pensamos en el mundo de la logística, esta industria puede simplificarse en una gran pregunta: ¿cómo mover cosas de un lugar a otro de un modo más eficiente? Esto se conoce como "el problema del viajante" o Traveling Salesman Problem (TSP), considerado incalculable debido al gran volumen de posibilidades. Un viaje con tan solo 16 paradas tiene 20 billones de rutas posibles, y una computadora clásica tendría que calcular cada posible ruta para encontrar la más eficiente; un esfuerzo que hasta una supercomputadora tardaría décadas en calcular. La eficiencia es la base sobre la que se asientan las empresas de logística, pero resolver este problema es prácticamente imposible. Por eso, las empresas de logística se aproximan al problema del TSP sin nunca llegar a resolverlo. El mapeo de rutas mejora sin nunca llegar a ser óptimo. Sin embargo, el problema del TSP podría resolverse utilizando una computadora cuántica lo suficientemente potente. Resolver un problema tan central para esta industria transformaría fundamentalmente lo que estas empresas hacen y cómo lo hacen.
El gran desafío de las instituciones financieras, por otro lado, es poder predecir el mercado de acciones y modelar con precisión su riesgo financiero. Son problemas de optimización muy complejos, pero los grandes bancos ya están trabajando en ello. Goldman Sachs publicó en 2021 un artículo académico que capturaba la demonstración práctica de un algoritmo cuántico para una simulación de Monte Carlo (*). Al encontrar un método más rápido de ejecutar estas simulaciones, este banco se encuentra en una mejor posición para proyectar estos mercados y evaluar riesgos en instrumentos financieros. La institución ya anunció que espera que sus algoritmos cuánticos se ejecuten en computadoras cuánticas que estarían disponibles en los próximos dos a cuatro años.
Las computadoras cuánticas reducirán dramáticamente la dificultad para resolver alguno de los desafíos más grandes que posee cada una de las industrias y que de alguna manera definen el valor que las empresas brindan a sus clientes. Los casos de uso por industria son innumerables y hay aún muchos más por descubrir.

¿Estamos lejos?
¡El futuro está a la vuelta de la esquina! Por décadas, las computadoras que podían resolver estos "grandes desafíos" han sido solo conceptos teóricos que aparecían en artículos académicos. Pero desde 2014, los avances en hardware y software cuántico son constantes. IBM prevé que dentro de lo próximos tres años habrá computación cuántica sin obstáculos, lo que permitirá activar una amplia gama de aplicaciones. Para 2030, se cree que las empresas y los usuarios ejecutarán diariamente cientos de miles de millones de circuitos de computación cuántica en la nube.
Si hay algo que está claro es que "esperar a ver qué pasa" puede costarles muy caro a las grandes empresas. Estas computadoras avanzan rápidamente y el impacto en los problemas más fundamentales de cada industria puede terminar siendo lo que haga que una compañía líder desaparezca definitivamente o tenga la mayor oportunidad de transformación en décadas.
Pensemos tan solo en el enorme potencial de estas computadoras si se utilizan en la resolución de grandes los desafíos de la humanidad: la salud, la genética y la lucha contra el cambio climático. Esta será quizás la verdadera revolución, cuando las computadoras cuánticas resuelvan los problemas de cálculo que antes considerábamos insolubles, haciendo posible lo imposible.

¿Cómo viven este desafío desde Accenture?
Para Accenture, la computación cuántica es una de las áreas con mayor perspectiva de crecimiento futuro y parte de su visión tecnológica. La computación cuántica, junto con la neuromórfica y la bioinspirada, forman parte de las tendencias del"Technology Vision 2022" <ver>, el informe anual de Accenture publicado en marzo de 2022.

(*) El método Monte Carlo es una técnica matemática que se utiliza para estimar los posibles resultados de un evento incierto, en base a simulaciones de probabilidad múltiple.