O CESGA lidera o primeiro caso de uso de computación cuántica para o modelado da percepción do sabor a nivel mundial
Que ten que ver o touciño coa velocidade? Se buscásemos a maneira de modernizar esta expresión tan popular poderíasenos ocorrer algo como: que ten que ver a cervexa coa computación cuántica? O único problema é que non serve, en gran medida por culpa do CESGA e do seu proxecto con Hijos de Rivera, Fujitsu e a Universidade Católica de Murcia para avaliar as moléculas que xeran sensación de frescor na cervexa mediante computación cuántica
O grao de frescura da cervexa inflúe directamente no sabor, na calidade percibida e na experiencia global das persoas que consumen esta bebida. Refrescante é a primeira expresión que nos suxire a visión dunha caña, por iso é tan importante para as cervexeiras maximizar a relación entre os seus produtos e o frescor.
É por isto que o departamento de I+D de Hijos de Rivera, a matriz detrás de marcas como Estrella Galicia e 1906, leva cinco anos estudando a capacidade que teñen diferentes receptores das papilas gustativas da lingua de enlazarse con moléculas para comprender o funcionamento do sabor. O potencial da computación cuántica para abordar a complexidade destes estudos químicos foi o xerme da colaboración co CESGA, con Fujitsu e coa Universidade Católica de Murcia.
O obxectivo é identificar as moléculas do lúpulo capaces de xerar máis sensación de frescor, tomando como patrón de referencia un composto orgánico sinónimo de frescura: o mentol. Co tempo, as expectativas están postas en levar os resultados á produción industrial de cervexa.
Nun momento no que as tecnoloxías cuánticas se atopan en fase experimental e a súa aplicabilidade aínda é máis unha idea que unha realidade, este proxecto marca un fito moi importante: trátase do primeiro caso de uso de computación cuántica para o modelado da percepción do sabor a nivel mundial.
O ingrediente clave
O lúpulo é un dos ingredientes principais na elaboración da cervexa. Segundo a variedade utilizada, achega unhas determinadas notas de aroma e sabor, pero tamén actúa como conservante natural, axuda a clarificar a cervexa e contribúe á súa estabilidade. Ademais, é a principal fonte do característico amargor desta bebida, entre as favoritas dos consumidores e consumidoras de todo o mundo.
Mariamo Mussa Juane, investigadora do equipo de computación cuántica do Departamento de Aplicacións e Proxectos do CESGA, explica que este proxecto, desenvolvido no marco do Plan Complementario de Comunicación Cuántica (PCCC), pretende iniciar unha relación de longo percorrido con Hijos de Rivera. Ademais, aclara que clasificar no lúpulo as moléculas máis similares ao mentol é o primeiro paso nun proxecto cunha meta máis ampla: usar a computación cuántica para integrar ingredientes funcionais na comida. Estes ingredientes son aqueles que, ademais das súas propiedades nutricionais básicas, ofrecen beneficios adicionais para a saúde.
“Estudando o frescor mediante a computación clásica, en Hijos de Rivera observaron que o comportamento de certas moléculas non era o esperado. A colaboración parte de tratar de dar solución ao problema con este novo xeito de computar: o cuántico”, resume Mussa.
A alianza híbrida clásica-cuántica
“Para dar respostas a problemas industriais, debemos crear algoritmos que se adapten á tecnoloxía dispoñible”, precisa Mussa. E os máis eficientes mentres o hardware non avance significativamente son os algoritmos híbridos clásico-cuánticos, denominados VQA polas súas siglas en inglés (variational quantum algorithms).
“A computación coa que traballamos é híbrida, xa que conta cun bloque cuántico parametrizado e cun bloque clásico para atopar os parámetros que achegan a solución. Canto máis fina é a definición das dúas partes, clásica e cuántica, máis fina é a solución”, expón a investigadora do CESGA.
Este é o contexto no que se desenvolve a investigación en computación cuántica na actualidade, o mellor dadas as condicións da era NISQ. Este concepto, do inglés noisy intermediate scale quantum, remite a que, polo momento, os computadores cuánticos aínda son pequenos e ruidosos, este último término referido, simplificando moito, a que son moi propensos a erros.
Como se aplica isto no proxecto en cuestión? En esencia, o modelo cuántico define un grafo, que é un conxunto de nodos unidos por enlaces que representa a estructura da molécula e as súas propiedades fisicoquímicas. A continuación, créase o algoritmo cuántico capaz de traducir o modelo a linguaxe matemática para poder ser procesado computacionalmente. Finalmente, un algoritmo clásico vai modificando os parámetros do algoritmo cuántico nun bucle de optimización para poder obter resultados. O obxectivo é comparar o grafo da molécula de estudo (unha molécula do lúpulo) co da molécula de referencia (a do mentol), obtendo un resultado de similitude nunha escala do 0 ao 1, de maneira que canto máis fresca (isto é, máis parecida ao mentol) é a molécula, máis preto está do 1.
De cara á industria cervexeira, isto permite clasificar mediante unha escala numérica as moléculas presentes no lúpulo pola súa capacidade de xerar frescor. Así pódese intuír cun alto grao de fiabilidade cales son as moléculas máis prometedoras antes de sometelas a ensaios in vitro, o que contribúe a mellorar os seus procesos facéndoos máis eficientes en termos de tempo e custos.
Neste proceso é fundamental o papel do emulador cuántico, un programa que reproduce o comportamento dun computador cuántico mediante un dispositivo clásico. Polo de agora, é a antesala do uso de máquinas reais como o QMIO, o computador cuántico do CESGA. “QMIO é un recurso limitado, depende de nós facer un emprego responsable”, explica Mussa.
“Así conseguimos afinar o modelo ao máximo para achar a solución con maior precisión, analizar o efecto de variar certos parámetros ou avaliar as limitacións do algoritmo a medida que escalamos o problema. A emulación sérvenos para analizar a validez do computador cuántico á hora de resolver certo modelo. Unha vez que funciona na emulación, levámolo ao computador cuántico real. Os bos resultados acadados dannos un punto de partida sólido para comezar a traballar co QMIO”, expón. En definitiva, trátase de evitar ao máximo o desperdicio de recursos de computación cuántica nun momento no que estes son moi limitados.
Resultados moi prometedores
Os experimentos realizados ata o momento mediante emulación probaron 62 moléculas do lúpulo, cuns resultados de comparación co mentol moi bo. “Obtivemos ratios de aproximación superiores a 0,94. Con este tipo de algoritmos, é complicado acadar tal precisión”, asegura a investigadora do CESGA. “En case un ano de traballo, con moita implicación de todas as partes, logramos resolver o comportamento das moléculas con computación cuántica, cousa que non conseguían os algoritmos clásicos”.
O pasado mes de xuño, Hijos de Rivera presentou os primeiros resultados de QMIO para este algoritmo no congreso de industria biotecnolóxica Biodays. No seu proceso de afinar o deseño do experimento para aproximar mellor a solución, o equipo do proxecto céntrase agora na icilina, a molécula máis pequena do lúpulo. Os resultados aínda son moi ruidosos, polo que o obxectivo é reducir os erros ao máximo.
“Estas execucións no QMIO amosan a viabilidade da computación cuántica para abordar problemas industriais de maior envergadura unha vez que a tecnoloxía estea lista para a produción”, explica Mussa. Sobre a extensión das súas potenciais aplicacións, afirma que “estes algoritmos de optimización son aplicables en calquera ámbito que requira da toma de decisións”.
O futuro cuántico
Para Mariamo Mussa, o QMIO, un dos computadores cuánticos de acceso público con máis qubits de Europa, “é un creador continuo de coñecemento”. Aínda que o seu proxecto supón un fito na aplicación industrial da computación cuántica, ela non perde de vista a etapa experimental na que se atopan estas tecnoloxías e tamén quere ser prudente coas expectativas. “En relación con estes algoritmos cuánticos de optimización, agárdase unha vantaxe moi concreta: que codifiquen de xeito máis optimizado certos problemas a resolver. Digo certos porque non agardamos que a computación cuántica resolva todo”. En concreto, menciona os problemas combinatorios como un campo que se beneficiará especialmente do avance desta tecnoloxía.
Segundo o seu criterio, o futuro depende principalmente dos avances no hardware. “Canto mellor estean caracterizados os procesadores cuánticos, máis precisos serán os resultados e máis grandes serán os problemas que poderemos resolver”.
Mentres tanto, para ela a clave está na colaboración interdisciplinar. “É preciso abrírmonos a compartir coñecemento con áreas e xentes diversas para poder expandir o desenvolvemento da computación cuántica”. Unha reflexión que realiza dende a condición de especialista en física linear que ao comezo se sentiu como unha intrusa no mundo da cuántica, pero que hoxe pode afirmar que a súa formación lle está a permitir traballar co QMIO “dun xeito máis resiliente”.