Computadores clásicos y cuánticos unen sus fuerzas

El CESGA investiga nuevos algoritmos cuánticos y los pone a prueba haciendo que el QMIO y el Finisterrae III trabajen juntos

La convivencia entre computadores cuánticos y clásicos es la única fórmula posible, al menos por ahora, para sacar partido de las ventajas cuánticas en el entorno tecnológico actual. Más capacidad, más rapidez y mayor eficiencia para resolver problemas complejos en ámbitos científicos y estratégicos a nivel industrial. El CESGA contribuye a este hito con su proyecto de diseño e implementación de algoritmos cuánticos en una infraestructura distribuida, en la que computadores clásicos y cuánticos unen sus fuerzas

El avance tecnológico no siempre implica barrer con lo anterior cuando aparece algo nuevo. Las tecnologías más innovadoras conviven con las clásicas, a veces mientras las nuevas maduran lo suficiente para convertirse en hegemónicas y otras veces en una simbiosis llamada a perdurar. Un ejemplo del primer caso son el DVD y las plataformas de streaming. El segundo caso se puede ilustrar de manera clara en el ámbito de la computación.

¿Está previsto que los ordenadores cuánticos sustituyan a los clásicos?, ¿trabajaremos desde portátiles con cúbits en lugar de bits? La respuesta unánime de los expertos y expertas es que no, al menos a corto o medio plazo. La comunidad investigadora muestra consenso sobre la convivencia de la computación clásica y la cuántica, un esfuerzo combinado para alcanzar cotas en la resolución de problemas nunca vistas.

Esto es así porque, hasta ahora, se ha demostrado teóricamente que los computadores cuánticos son capaces de hacer determinadas tareas más rápido que los computadores clásicos. Algunas veces esa ganancia es exponencial, como en el caso del algoritmo desarrollado por Peter Shor, capaz de factorizar números enteros grandes de manera muy eficiente en comparación con los métodos clásicos. “Sin embargo, a pesar de que los ordenadores cuánticos pueden realizar cualquier operación que haga un ordenador convencional, esto no es necesariamente lo más eficiente”, asegura Daniel Faílde, investigador del Centro de Supercomputación de Galicia (CESGA). “Esto quiere decir que podemos pensar en los ordenadores cuánticos como superaceleradores en determinadas tareas y su propósito va a ser trabajar conjuntamente con los ordenadores clásicos para resolver los problemas que requieran de recursos cuánticos”.

Este es el contexto en el que se inscribe el proyecto que él y su equipo llevan a cabo desde el Departamento de Aplicaciones y Proyectos del centro para diseñar e implementar algoritmos cuánticos en una infraestructura distribuida, en la que computadores clásicos y cuánticos trabajan juntos para resolver problemas. La disponibilidad en el CESGA de ambas tecnologías, el supercomputador clásico Finisterrae III y el computador cuántico QMIO, es un factor facilitador muy importante para esta investigación. “La cuestión primordial es saber qué operaciones es necesario realizar con QMIO y cuál es la manera más eficiente de hacerlo”, asegura Faílde.

Del algoritmo a su ejecución

De manera muy sencilla, los algoritmos se pueden definir como las instrucciones que se dan a un ordenador para que pueda realizar una tarea, como resolver un problema. Los primeros algoritmos cuánticos se idearon entre finales de los años ochenta y principios de los noventa del siglo pasado. Dado que era imposible implementarlos en los primeros ordenadores cuánticos (que datan de principios del siglo XXI), en lugar de esperar a que se desarrollasen máquinas con capacidad para ejecutarlos con éxito, en los últimos años se han generado algoritmos híbridos que permiten ir aprovechando las ventajas cuánticas gracias a la cooperación entre los ya muy sofisticados computadores clásicos y los incipientes computadores cuánticos.

“Uno de los objetivos principales de nuestro proyecto es el desarrollo y mejora de estos algoritmos para resolver problemas en sectores estratégicos”, explica Faílde. Los algoritmos híbridos con los que trabajan son los algoritmos cuánticos variacionales, cuya ejecución depende de la optimización en computadores clásicos. Estos algoritmos son más amigables para los dispositivos actuales, pero tienen problemas como el poder caer en mínimos locales, es decir, quedarse atrapados en una solución sin que esta sea la mejor posible. “Por eso, el reto pasa por idear nuevos algoritmos cuánticos o mejorar los ya existentes. Es un ámbito de investigación muy emocionante donde uno tiene que aprovechar los recursos de los que dispone de la manera más eficiente posible para obtener una ventaja”.

El diseño de las instrucciones –los algoritmos– es solo una parte del proyecto, ya que el equipo investiga también la mejor forma de ejecutarlas adaptándolas al estado actual del desarrollo tecnológico, con ordenadores cuánticos aún de tamaño moderado y con errores.

Otro paradigma con el que trabajan es el de la computación cuántica distribuida. “Es decir, cómo adaptar los algoritmos cuánticos, que originalmente se pensaron para una infraestructura en la que solo hay un ordenador cuántico, a una red en la que hay varios. Hoy en día, la hoja de ruta de grandes compañías como IBM ya no pasa por hacer máquinas con millones de cúbits, sino hacerlas con un número intermedio de cúbits y conectarlas tanto clásica como cuánticamente”, expone el investigador del CESGA. Volviendo al tema de los algoritmos, esto implica la adaptación de algoritmos cuánticos originales para ejecutarlos de forma eficiente en esta infraestructura híbrida.

“Suena prometedor y lo es, pero hay que tener en cuenta que, a diferencia de los primeros algoritmos cuánticos, algunos de los algoritmos adaptados a los dispositivos cuánticos actuales, los algoritmos cuánticos variacionales, no han demostrado todavía una mejora evidente con respecto a su homólogo clásico, además de lidiar con otros problemas”, aclara Faílde. “Por eso actualmente trabajamos en mejorarlos o idear otros, mientras los avances en hardware continúan de forma paralela”.

Soluciones para problemas tangibles

El ámbito en el que la computación cuántica supera ampliamente a la clásica es el abordaje de problemas grandes, dado que puede procesar y manejar de manera mucho más eficiente enormes cantidades de información. Mientras que una computadora clásica debe examinar todas las posibilidades una a una, una computadora cuántica utiliza principios como la superposición y el entrelazamiento para explorar múltiples soluciones al mismo tiempo. Esto la hace ideal para problemas complejos, que llevarían siglos en una computadora clásica pero se resuelven mucho más rápido en una infraestructura cuántica.

“En algunos problemas, como el diseño de materiales o fármacos, el número de configuraciones posibles crece exponencialmente y, en la mayor parte de ellos, usando ordenadores clásicos es inevitable tener que conformarse con aproximaciones”, ilustra Faílde, haciendo referencia a que, a partir de una determinada dimensión, la computación clásica solo alcanza a ofrecer estimaciones, con un margen considerable de error que en un entorno industrial puede suponer grandes diferencias en términos de eficiencia y rentabilidad.

El equipo del CESGA toma como dianas experimentales dos tipos de problemas con estas características: los problemas de sistemas altamente correlacionados y los problemas combinatorios. “Lo bonito de esto es que encontrar solución a estos problemas puede materializarse en una ventaja para sectores estratégicos”. Como ejemplos de aplicabilidad, cita la optimización industrial; el diseño de nuevos materiales, baterías o superconductores; y la simulación del plegamiento de proteínas, muy útil en el descubrimiento de nuevos fármacos.

El proyecto, que se enmarca en el Plan Complementario de Comunicación Cuántica (PCCC), continúa su desarrollo teórico, pero la exploración de casos de uso ya ha comenzado para testar tanto el diseño y adaptación de los algoritmos como la manera más eficiente de escalar problemas. “Una prueba de la interdisciplinaridad de estos algoritmos es la colaboración del CESGA con Hijos de Rivera en un caso de uso completamente nuevo de identificación de moléculas “, explica Faílde.

Contacto: dfailde@cesga.es

Web: https://www.cesga.es/daniel-failde-balea/

Publicaciones:

Faílde, D., Viqueira, J.D., Mussa Juane, M. et al. Using Differential Evolution to avoid local minima in Variational Quantum Algorithms. Sci Rep 13, 16230 (2023). https://pubmed.ncbi.nlm.nih.gov/37758791/

Barral, David, et al. “Review of distributed quantum computing. from single qpu to high performance quantum computing.” arXiv preprint arXiv:2404.01265 (2024). https://arxiv.org/abs/2404.01265

Faílde, D., Santos-Suárez, J., Herrera-Martí, D. A., & Mas, J. (2023). Hamiltonian Forging of a Thermofield Double. arXiv preprint arXiv:2311.10566. https://arxiv.org/abs/2311.10566

Conde-Torres, D., Mussa-Juane, M., Faílde, D., Gómez, A., García-Fandiño, R., & Piñeiro, Á. (2024). Interface-Driven Peptide Folding: Quantum Computations on Simulated Membrane Surfaces. arXiv preprint arXiv:2401.05075. https://arxiv.org/abs/2401.05075

Viqueira, J. D., Faílde, D., Juane, M. M., Gómez, A., & Mera, D. (2023). Density Matrix Emulation of Quantum Recurrent Neural Networks for Multivariate Time Series Prediction. arXiv preprint arXiv:2310.20671. https://arxiv.org/abs/2310.20671

---