Computación Cuántica 2021: 12 Aplicaciones Principales Explicadas

Computación Cuántica 2021: 12 Aplicaciones Principales Explicadas

Científicos de todo el mundo están impulsando las computadoras cuánticas hacia adelante, intentando llegar a la tecnología de computación cuántica más potente. Gigantes tecnológicos, incluyendo Google e IBM, compiten por la supremacía cuántica.

¿Por qué? Las máquinas cuánticas pueden resolver ciertos problemas mil millones de veces más rápido que las computadoras clásicas. A medida que la demanda de procesadores potentes sigue aumentando y las tareas se vuelven mayores en alcance y complejidad, requeriremos arquitecturas computacionales más efectivas para impulsar soluciones.

Tales avances en tecnología computacional crearían millones de oportunidades, en casi todos los aspectos de la vida moderna. Según GlobeNewswire, el mercado global de computación cuántica se valoró en $507.1 millones en 2019. Se proyecta que alcance $65 mil millones para 2030, creciendo a una CAGR del 56%. Norteamérica y Europa representarán más del 78% en el mercado de computación cuántica.

No significa que los sistemas cuánticos reemplazarán las computadoras de hoy. En cambio, trabajarán junto a supercomputadoras clásicas porque cada una tiene sus fortalezas y ventajas únicas.

En este artículo de visión general, hemos mencionado algunas de las aplicaciones principales de la computación cuántica de las vastas posibilidades. Te dará una mejor idea de para qué están diseñadas las computadoras cuánticas.

12. Pronóstico Meteorológico

Las computadoras cuánticas pueden usarse para mapear patrones meteorológicos extremadamente complejos. A diferencia de los sistemas meteorológicos actuales, podrá proporcionar pronósticos para regiones más pequeñas y específicas, ayudando a los agricultores a prepararse mejor para cambios climáticos y ayudando a las aerolíneas a minimizar interrupciones.

IBM está invirtiendo fuertemente en sistemas de pronóstico meteorológico. Ha colaborado con The Weather Company, el Centro Nacional de Investigación Atmosférica y la Corporación Universitaria para Investigación Atmosférica en Estados Unidos, para construir un modelo superior que pueda estimar tormentas a nivel local.

En 2019, IBM, en colaboración con The Weather Company, presentó el Sistema Global de Pronóstico Atmosférico de Alta Resolución (GRAF) que usa supercomputadoras IBM para procesar datos de millones de sensores alrededor del mundo.

Cuando la computación cuántica sea factible, sistemas como GRAF podrán analizar miles de millones de datos cada hora y pronosticar eventos micro-meteorológicos como la formación de nubes individuales o remolinos de viento.

11. Ciberseguridad

Son solo estimaciones aproximadas

Las computadoras cuánticas podrán resolver muchos problemas que son casi imposibles para las máquinas de hoy. Esto incluye descifrar algoritmos de cifrado que protegen la infraestructura de internet y datos sensibles.

El cifrado RSA basado en números de 2048 bits, por ejemplo, se usa ampliamente para transmisión segura de datos. Se estima que una computadora cuántica con 20 millones de qubits podría romper tal cifrado en 8 horas.

Por supuesto, el poder de la computación cuántica también puede utilizarse para desarrollar sistemas de cifrado mucho más seguros. Muchas empresas, incluyendo Microsoft y Google, ya han comenzado a trabajar en algoritmos de cifrado seguros cuánticamente. Actualmente están en fase teórica y de prueba. El principal desafío es integrar estos nuevos enfoques en la infraestructura existente.

Se supone que los algoritmos seguros cuánticamente cifrarán:

• Transacciones financieras y bancarias
• Comunicaciones militares y gubernamentales
• Redes corporativas
• Registros médicos y datos personales en la nube

10. Baterías de Próxima Generación

Las baterías de iones de litio han recorrido un largo camino: hace una década, apenas podían hacer durar un smartphone todo el día, ahora pueden alimentar vehículos eléctricos por cientos de kilómetros.

Sin embargo, si queremos hacer baterías más potentes, baratas que duren más que las existentes, necesitamos avances. Investigadores de IBM y Daimler AG (empresa matriz de Mercedes-Benz) están probando qué tan eficientemente las computadoras cuánticas podrán simular el comportamiento de compuestos químicos en baterías.

Lograron simular momentos dipolares de cuatro moléculas industrialmente relevantes (sulfuro de hidrógeno, hidruro de litio, sulfuro de litio e hidrosulfuro de litio), usando una computadora cuántica de 21 qubits.

A medida que aumentemos o mejoremos los estados de qubit, podremos probar compuestos más grandes y complejos para baterías de próxima generación. Este tipo de estudio es el trabajo fundamental que finalmente nos llevará allí.

9. Captura Solar

La célula solar de puntos cuánticos | Crédito: Universidad de Queensland

Los puntos cuánticos (partículas semiconductoras nano-dimensionadas con propiedades electrónicas y ópticas únicas debido a la mecánica cuántica) pueden convertir eficientemente la energía solar en electricidad. Esto nos ayudará a reducir significativamente las emisiones de carbono y mejorar las tecnologías de generación de energía existentes.

Investigadores australianos de la Universidad de Queensland ya han desarrollado puntos cuánticos flexibles e imprimibles que proporcionan eficiencia de conversión de energía de más del 16 por ciento.

Materiales de puntos cuánticos no tóxicos como nanocristales de sulfuro de bismuto y plata han sido estudiados extensivamente debido a su abundancia y seguridad. Aunque aún no son operables comercialmente a gran escala, algunas pequeñas empresas han comenzado a comercializar productos fotovoltaicos de puntos cuánticos.

8. Fertilizantes Limpios

Hoy, el fertilizante de amoníaco se produce a través de un proceso químico llamado Haber-Bosch. Combina nitrógeno atmosférico con hidrógeno bajo altas temperaturas y presiones extremadamente altas. El proceso usa cantidades masivas de energía y libera muchos gases de efecto invernadero.

Si los investigadores conocieran el mecanismo de la nitrogenasa y el comportamiento de metales de transición en detalle, podrían desarrollar catalizadores más eficientes para fabricar fertilizantes, así como varios otros químicos cruciales requeridos en industrias.

La buena noticia es que las computadoras cuánticas podrían algún día modelar el cofactor primario de la nitrogenasa (cofactor FeMo), proporcionando información sobre sus mecanismos. Esto ayudaría a los químicos a construir procesos industriales energéticamente eficientes para sintetizar fertilizantes de nitrógeno.

7. Descubrimiento de Materiales

Imagen cortesía de Second Bay Studios/Harvard SEAS

Dado que la computación cuántica se basa en fenómenos cuántico-mecánicos, como superposición y entrelazamiento, puede representar otros sistemas cuánticos con mucha más facilidad que las computadoras clásicas. Por ejemplo, una máquina cuántica puede resolver la ecuación de Schrödinger para una molécula para calcular sus estados de energía permitidos.

Ofrece la capacidad de simular moléculas complejas que las computadoras convencionales no pueden. Juntos, los desarrollos de hardware cuántico y algoritmos cuánticos prometen revolucionar la química teórica.

Al manejar el ruido en los qubits en una máquina cuántica, los investigadores pueden desarrollar mejores materiales con propiedades ópticas y mecánicas finamente ajustadas.

Considerando los avances recientes en técnicas de "cancelación de ruido cuántico", podemos decir que los materiales de próxima generación podrían diseñarse en computadoras cuánticas en lugar de descubrir las propiedades químicas correctas por prueba y error.

6. Optimización de Tráfico

Las computadoras cuánticas mitigarán muchos desafíos presentados por el aumento de poblaciones y congestiones ante la necesidad de descarbonización. Uno de esos desafíos es el control de tráfico.

La tecnología cuántica puede usarse para evitar atascos de tráfico y acortar tiempos de espera. Esto significa que autobuses y taxis no tendrán que viajar largas distancias sin pasajeros, y la gente no tendrá que esperar mucho tiempo por sus taxis.

Volkswagen ya ha demostrado el uso en vivo de computación cuántica para optimizar tráfico. Su algoritmo de enrutamiento cuántico funciona en la computadora cuántica D-Wave y calcula las rutas de viaje más rápidas individualmente en tiempo real.

Tales algoritmos pueden interactuar constantemente con objetos en movimiento (bicis, coches y personas) y aumentar el sistema de movilidad completo de una ciudad. También pueden implementarse en control de tráfico aéreo para información de enrutamiento optimizada.

Volkswagen no es la única empresa trabajando en "optimización cuántica de tráfico". Casi todos los fabricantes de motores, incluyendo BMW, Toyota y Ford, están invirtiendo en investigación cuántica.

5. Marketing y Publicidad

Los algoritmos cuánticos pueden entregar mejores anuncios creando patrones de asociaciones que influyen en el comportamiento de compra. En lugar de entregar anuncios basados solo en el historial de navegación del usuario, estos algoritmos se centrarán en cómo se sienten los usuarios después de ver un anuncio y qué tipo de anuncios podrían ayudar a las marcas a crear relaciones a largo plazo con sus clientes.

Por ejemplo, si el anuncio es agradable y hace reír o sentir bien a los espectadores, formará una fuerte relación pública de marca. Anuncios aburridos o irritantes, por otro lado, podrían ser contraproducentes.

D-Wave Systems Inc. (en colaboración con Recruit Communication Ltd) ya ha aplicado computación cuántica a publicidad, marketing y optimización de comunicaciones. El objetivo es analizar datos complejos en menos tiempo y optimizar la eficiencia de emparejar anuncios con clientes en el campo de publicidad web.

D-Wave Systems también explicó cómo las organizaciones podrían utilizar el recocido cuántico para llegar a audiencias con anuncios relevantes y aumentar la Tasa de Clics (CTR).

4. Modelado Financiero

Los mercados modernos son uno de los sistemas más complicados en existencia. En el tiempo que te toma leer esta oración, fondos de cobertura, bancos de inversión e inversores minoristas en todo el mundo habrán comerciado más de $80 millones en acciones.

Para inversores institucionales, encontrar la mezcla correcta para inversiones fructíferas, basada en rendimientos esperados y riesgos asociados, es muy importante para sobrevivir en el mercado. Esto implica analizar miles de factores que podrían afectar precios de acciones. Muchos bancos de inversión ejecutan simulaciones "Monte Carlo" en computadoras clásicas para análisis detallado, lo que toma enormes recursos computacionales y tiempo.

Las computadoras cuánticas están particularmente diseñadas para este tipo de cálculo probabilístico. Subiéndose al carro cuántico, los bancos de inversión no solo pueden mejorar la calidad de las soluciones sino también disminuir el tiempo para desarrollarlas. Dado que estos negocios manejan miles de millones de dólares, incluso una pequeña mejora en los rendimientos esperados puede valer mucho para ellos.

En definitiva, las computadoras cuánticas ayudarán a los servicios financieros a:

• Aumentar ganancias de inversión
• Reducir requisitos de capital
• Mejorar la identificación y gestión de riesgo y cumplimiento
• Abrir nuevas oportunidades de inversión.

Leer: ¿Cuánto Dinero Hay En El Mundo?

3. Descubrimiento de Fármacos

El flujo de información genética dentro de un sistema biológico

Actualmente, a las empresas farmacéuticas les toma miles de millones de dólares y más de diez años descubrir un nuevo fármaco y llevarlo al mercado. Ejecutan cientos de millones de comparaciones en computadoras clásicas. Sin embargo, las capacidades de procesamiento de estas máquinas son bastante limitadas: solo pueden analizar moléculas hasta cierto tamaño.

Considera el diseño del fármaco penicilina, que contiene 41 átomos: modelar exhaustiva y precisamente la energía de estado base de la molécula de penicilina requeriría una máquina digital con más transistores que átomos en el universo observable.

El problema puede resolverse con computación cuántica. A medida que el hardware y algoritmos cuánticos se vuelvan más accesibles, será posible comparar moléculas mucho más grandes. Esto puede reducir drásticamente el tiempo y costos de desarrollo de fármacos, permitiendo a investigadores hacer nuevos descubrimientos más rápido que podrían llevar a curas para diversas enfermedades.

En la industria de ciencias de la vida, se espera que las computadoras cuánticas permitan tres casos de uso clave que se refuerzan mutuamente en un ciclo virtuoso:

• Desarrollo de terapias de medicina de precisión asociando genomas y resultados
• Aumento de la eficiencia en descubrimiento de fármacos de moléculas pequeñas y mejora de resultados de pacientes
• Construcción de productos biológicos novedosos basados en predicciones de plegamiento de proteínas

2. Inteligencia Artificial

Máquina cuántica de Google

La inteligencia demostrada por máquinas se basa en el principio de aprender de la experiencia. Cuantos más conjuntos de datos uses para entrenar IA, más precisa será. Dado que la precisión/fuerza de la IA depende de analizar millones o incluso miles de millones de puntos de datos, es un candidato ideal para computación cuántica.

Para ciertos modelos, el aprendizaje automático cuántico será mucho más eficiente que el aprendizaje automático clásico. Se extiende a una rama de investigación que explora similitudes estructurales y metodológicas entre sistemas físicos específicos y sistemas de aprendizaje, en particular redes neuronales.

Se ha dicho que la inteligencia artificial será para el siglo XXI lo que la electricidad fue para el XX. Ya estamos en el punto donde la IA es capaz de crear otra IA, así que su importancia escalará rápidamente.

Para acelerar el desarrollo, Google, en colaboración con Volkswagen y la Universidad de Waterloo, ha lanzado TensorFlow Quantum, una biblioteca de código abierto para prototipar modelos de aprendizaje automático cuántico. IBM, Microsoft y otros gigantes tecnológicos también están invirtiendo dinero en aprendizaje automático cuántico.

Leer: Inteligencia Artificial vs. Aprendizaje Automático vs. Aprendizaje Profundo

1. Física de Partículas

Colisión protón-protón en el LHC que produce un bosón de Higgs | CERN

Quizás la aplicación más emocionante y útil de la computación cuántica es estudiar nueva física. Los modelos de física de partículas son notablemente complejos, requiriendo gran cantidad de recursos y largo tiempo de cómputo para simulaciones numéricas.

Por ejemplo, experimentos en el Gran Colisionador de Hadrones en CERN producen un asombroso petabyte por segundo de datos de mil millones de colisiones de partículas cada segundo. El análisis se realiza en un millón de núcleos CPU trabajando en 170 centros de datos en todo el mundo. Para 2027, la potencia de cómputo requerida para procesar y analizar los datos de CERN aumentará en un factor de 50-100.

Ahí es donde la computación cuántica resulta útil. Permitirá a los físicos simular física nuclear, dispersión de núcleos, quarks así como interacciones fundamentales.

CERN ya ha comenzado a trabajar con IBM en computadoras cuánticas. Investigadores han usado la "máquina de soporte vectorial cuántica" para ver cómo el aprendizaje automático cuántico supervisado podría usarse para identificar eventos de bosón de Higgs en datos de colisión.

Otro equipo de investigadores simuló con éxito teorías de gauge en red en una computadora cuántica, que describen la interacción entre partículas elementales, como quarks y gluones.

Leer: ¿Qué Es La Supremacía Cuántica? ¿Y Por Qué Importa?

En general, la computación cuántica está avanzando en varios campos, desde física de muchos cuerpos hasta energética molecular. Perturbará las técnicas actuales y permitirá a investigadores abordar problemas que nunca habrían intentado resolver antes.