O CESGA investiga novos algoritmos cuánticos e ponos a proba facendo que o QMIO e o Finisterrae III traballen xuntos
A convivencia entre computadores cuánticos e clásicos é a única fórmula posible, polo menos por agora, para sacar partido das vantaxes cuánticas na contorna tecnolóxica actual. Más capacidade, máis rapidez e maior eficiencia para resolver problemas complexos en ámbitos científicos e estratéxicos a nivel industrial. O CESGA contribúe a este fito co seu proxecto de deseño e implementación de algoritmos cuánticos nunha infraestrutura distribuída, na que computadores clásicos e cuánticos unen as súas forzas
O avance tecnolóxico non sempre implica varrer co anterior cando aparece algo novo. As tecnoloxías máis innovadoras conviven coas clásicas, ás veces mentres as novas maduran o suficiente para converterse en hexemónicas e outras veces nunha simbiose chamada a perdurar. Un exemplo do primeiro caso son o DVD e as plataformas de streaming. O segundo caso pódese ilustrar de maneira clara no ámbito da computación.
Daniel Faílde
Está previsto que os computadores cuánticos substitúan aos clásicos?, traballaremos dende portátiles con cúbits en lugar de bits? A resposta unánime dos expertos e expertas é que non, polo menos a curto ou medio prazo. A comunidade investigadora mostra consenso sobre a convivencia da computación clásica e a cuántica, un esforzo combinado para alcanzar cotas na resolución de problemas nunca vistas.
Isto é así porque, ata o de agora, demostrouse teoricamente que os computadores cuánticos son capaces de facer determinadas tarefas máis rápido que os computadores clásicos. Algunhas veces esa ganancia é exponencial, como no caso do algoritmo desenvolvido por Peter Shor, capaz de factorizar números enteiros grandes de maneira moi eficiente en comparación cos métodos clásicos. “Con todo, a pesar de que os computadores cuánticos poden realizar calquera operación que faga un computador convencional, isto non é necesariamente o máis eficiente”, asegura Daniel Faílde, investigador do Centro de Supercomputación de Galicia (CESGA). “Isto quere dicir que podemos pensar nos computadores cuánticos como superaceleradores en determinadas tarefas e o seu propósito vai ser traballar conxuntamente cos computadores clásicos para resolver os problemas que requiran de recursos cuánticos”.
Este é o contexto no que se inscribe o proxecto que el e o seu equipo levan a cabo dende o Departamento de Aplicacións e Proxectos do centro para deseñar e implementar algoritmos cuánticos nunha infraestrutura distribuída, na que computadores clásicos e cuánticos traballan xuntos para resolver problemas. A dispoñibilidade no CESGA de ambas as dúas tecnoloxías, o supercomputador clásico Finisterrae III e o computador cuántico QMIO, é un factor facilitador moi importante para esta investigación. “A cuestión primordial é saber que operacións é necesario realizar con QMIO e cal é a maneira máis eficiente de facelo”, asegura Faílde.
Do algoritmo á súa execución
De maneira moi sinxela, os algoritmos pódense definir como as instrucións que se lle dan a un computador para que poida realizar unha tarefa, como resolver un problema. Os primeiros algoritmos cuánticos ideáronse entre finais dos anos oitenta e principios dos noventa do século pasado. Dado que era imposible implementalos nos primeiros computadores cuánticos (que datan de principios do século XXI), en lugar de esperar a que se desenvolvesen máquinas con capacidade para executalos con éxito, nos últimos anos xeráronse algoritmos híbridos que permiten ir aproveitando as vantaxes cuánticas grazas á cooperación entre os xa moi sofisticados computadores clásicos e os incipientes computadores cuánticos.
“Un dos obxectivos principais do noso proxecto é o desenvolvemento e mellora destes algoritmos para resolver problemas en sectores estratéxicos”, explica Faílde. Os algoritmos híbridos cos que traballan son os algoritmos cuánticos variacionais, cuxa execución depende da optimización en computadores clásicos. Estes algoritmos son máis amigables para os dispositivos actuais, pero teñen problemas como poder caer en mínimos locais, é dicir, quedar atrapados nunha solución sen que esta sexa a mellor posible. “Por iso, o reto pasa por idear novos algoritmos cuánticos ou mellorar os xa existentes. É un ámbito de investigación moi emocionante onde un ten que aproveitar os recursos dos que dispón da maneira máis eficiente posible para obter unha vantaxe”.
O deseño das instrucións –os algoritmos– é só unha parte do proxecto, xa que o equipo investiga tamén a mellor forma de executalas adaptándoas ao estado actual do desenvolvemento tecnolóxico, con computadores cuánticos aínda de tamaño moderado e con erros.
Outro paradigma co que traballan é o da computación cuántica distribuída. “É dicir, como adaptar os algoritmos cuánticos, que orixinalmente se pensaron para unha infraestrutura na que só hai un computador cuántico, a unha rede na que hai varios. Hoxe en día, a folla de ruta de grandes compañías como IBM xa non pasa por facer máquinas con millóns de cúbits, senón facelas cun número intermedio de cúbits e conectalas tanto clásica como cuánticamente”, expón o investigador do CESGA. Volvendo ao tema dos algoritmos, isto implica a adaptación de algoritmos cuánticos orixinais para executalos de forma eficiente nesta infraestrutura híbrida.
“Soa prometedor e éo, pero hai que ter en conta que, a diferenza dos primeiros algoritmos cuánticos, algúns dos algoritmos adaptados aos dispositivos cuánticos actuais, os algoritmos cuánticos variacionais, non demostraron aínda unha mellora evidente con respecto ao seu homólogo clásico, ademais de lidar con outros problemas”, aclara Faílde. “Por iso actualmente traballamos en melloralos ou idear outros, mentres os avances en hardware continúan de forma paralela”.
Solucións para problemas tanxibles
O ámbito no que a computación cuántica supera amplamente á clásica é a abordaxe de problemas grandes, dado que pode procesar e manexar de maneira moito máis eficiente enormes cantidades de información. Mentres que unha computadora clásica debe examinar todas as posibilidades unha a unha, unha computadora cuántica utiliza principios como a superposición e o entrelazamiento para explorar múltiples solucións ao mesmo tempo. Isto faina ideal para problemas complexos, que levarían séculos nunha computadora clásica pero se resolven moito máis rápido nunha infraestrutura cuántica.
“Nalgúns problemas, como o deseño de materiais ou fármacos, o número de configuracións posibles crece exponencialmente e, na maior parte deles, usando ordenadores clásicos é inevitable ter que conformarse con aproximacións”, ilustra Faílde, facendo referencia a que, a partir dunha determinada dimensión, a computación clásica só alcanza a ofrecer estimacións, cunha marxe considerable de erro que nunha contorna industrial pode supoñer grandes diferenzas en termos de eficiencia e rendibilidade.
O equipo do CESGA toma como dianas experimentais dous tipos de problemas con estas características: os problemas de sistemas altamente correlacionados e os problemas combinatorios. “O bonito disto é que atopar solución a estes problemas pode materializarse nunha vantaxe para sectores estratéxicos”. Como exemplos de aplicabilidade, cita a optimización industrial; o deseño de novos materiais, baterías ou superconductores; e a simulación do pregamento de proteínas, moi útil no descubrimento de novos fármacos.
O proxecto, que se enmarca no Plan Complementario de Comunicación Cuántica (PCCC), continúa o seu desenvolvemento teórico, pero a exploración de casos de uso xa comezou para testar tanto o deseño e adaptación dos algoritmos como a maneira máis eficiente de escalar problemas. “Unha proba da interdisciplinaridade destes algoritmos é a colaboración do CESGA con Hijos de Rivera nun caso de uso completamente novo de identificación de moléculas “, explica Faílde.
O futuro cuántico
“A computación cuántica ten o potencial de revolucionar o noso mundo. E por iso é necesario dedicarlle recursos e continuidade. É de vital importancia que estes proxectos en tecnoloxías cuánticas teñan continuidade se queremos estar aí. Ter xente experta neste ámbito cando a tecnoloxía estea máis madura esixe anos de dedicación”, explica Daniel Faílde, que sinala a complexidade deste novo paradigma como un dos retos a superar para desenvolver todo ese potencial no futuro. “Sacar vantaxe da computación cuántica para resolver un problema ou idear novos algoritmos esixe dunha comprensión que ás veces é difícil alcanzar no mundo cuántico”.
Segundo o seu criterio, os avances no hardware son o outro piar que, xunto co coñecemento, poden xerar o contexto necesario para sacar verdadeiro partido a este novo paradigma de computación. “É necesario que os procesadores sigan evolucionando. É cuestión de tempo que se consiga unha vantaxe clara con computadores cuánticos”.
A investigación nun campo con retos tan grandes e complexos xa é unha carreira de fondo en toda regra, pero ademais o ritmo ha de ser rápido e o estado de alerta, continuo. “É un traballo frenético e competitivo. Estar ao día dos avances en computación cuántica é importante. Dise fácil, pero todos os días aparecen decenas de artigos e traballos novos e debemos ser capaces de filtrar os realmente relevantes”, asegura o investigador do CESGA.
Contacto: dfailde@cesga.es
Web: https://www.cesga.es/daniel-failde-balea/
Publicacións:
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
