El ámbito de la inteligencia artificial (IA) ha hecho surgir varios dilemas a los que se enfrenta la sociedad en términos de la fricción entre la ética y los valores liberales y cómo se combinan con el avance de la tecnología informática.
Aunque puede que falten años para alcanzar el poder total de la computación cuántica, la perspectiva de la superioridad cuántica, donde sería imposible simular algoritmos ejecutados en una computadora cuántica utilizando una computadora clásica, plantea serias preguntas sobre cómo demostrar que la computadora cuántica está produciendo los resultados correctos.
Dado el espacio del problema, en términos de la gran cantidad de parámetros que una computadora cuántica puede extraer para encontrar una respuesta, ¿cómo puede un simple humano sondear si el procesamiento tiene algún sentido? “Si una computadora cuántica puede resolver un problema de manera eficiente, ¿puede convencer eficientemente a un observador de que es correcto?” dice Marc Carrel-Billiard, líder de innovación tecnológica global en Accenture.
Los investigadores están desarrollando una mayor comprensión de dónde se puede utilizar la computación cuántica. Heike Riel, miembro de IBM, director de ciencia y tecnología y director de IBM Research Quantum Europe en IBM Research, dice: “No se trata de la belleza de la tecnología. Queremos generar valor: es un viaje, desarrollar la tecnología, encontrar el punto óptimo de las primeras aplicaciones, ver y demostrar valor y luego expandir el hardware y el software “.
Por ejemplo, Eon Energy se unió recientemente a IBM Quantum Network. En el pasado, había pocas fuentes de energía, pero a medida que el mundo cambia hacia fuentes más verdes como la solar y la eólica, ahora hay muchas más fuentes donde se genera energía. La computación cuántica podría aplicarse para ayudar a las redes de distribución a cumplir una gama mucho más amplia de tareas, especialmente si, en el futuro, muchas empresas más pequeñas y hogares alimentan energía a la red a través de sus propios sistemas fotovoltaicos (PV) o automóviles eléctricos a través de iniciativas como la de Eon. Proyecto Vehicle to Grid (V2G).
En este proyecto, las baterías de los vehículos eléctricos se conectan a la red de distribución como medio de almacenamiento flexible. De esta forma, se pueden equilibrar las fluctuaciones en la generación de energías renovables. La computación cuántica podría usarse para controlar estos procesos de manera más eficiente y efectiva.
Riel dice: “Todas estas fuentes tienen diferentes dependencias y, por lo tanto, las predicciones se vuelven más complejas. Tenemos que optimizar el sistema y nos gustaría hacerlo en tiempo real. La complejidad aumenta exponencialmente a medida que aumenta el número de parámetros y eso se convierte en un problema difícil de resolver utilizando la informática clásica “.
Química cuántica
Bob Coecke, físico teórico y científico jefe de Cambridge Quantum Computing, señala que los átomos y las moléculas se rigen por las leyes de la mecánica cuántica, lo que significa que debería ser posible modelar su comportamiento en una computadora cuántica. “Simular material físico es exponencialmente caro debido a la estructura de la mecánica cuántica”, dice. “Estas cosas son nativas cuánticas: quieren vivir en una computadora cuántica y es artificial para ellos vivir en una computadora clásica”.
De hecho, solo mirando el almacenamiento requerido, Coecke dice que sería imposible encajar tales problemas en una computadora clásica.
Modelar el comportamiento de átomos y moléculas ha sido la principal fuerza impulsora detrás del uso de computadoras cuánticas para simular nuevos materiales. En agosto del año pasado, Nicholas Rubin y Charles Neill, científicos investigadores de Google AI Quantum, escribieron un blog sobre un experimento para crear una simulación química compleja utilizando un modelo Hartree-Fock de la física computacional.
“La predicción computacional precisa de los procesos químicos a partir de las leyes de la mecánica cuántica que los gobiernan es una herramienta que puede abrir nuevas fronteras en la química, mejorando una amplia variedad de industrias”, escribieron los investigadores. Pero en el blog, reconocieron que los algoritmos para simular la química en dispositivos cuánticos a corto plazo deben tener en cuenta los errores que ocurren en las computadoras cuánticas.
De manera similar a cómo las redes neuronales clásicas pueden tolerar imperfecciones en los datos, la pareja dijo en su experimento, el procesador cuántico equivalente a una red neuronal, llamado eigensolver cuántico variacional (VQE), intenta optimizar los parámetros de un circuito cuántico para tener en cuenta lógica cuántica ruidosa.
“Una de las paradojas de la computación cuántica es que una vez que llegamos al punto de utilidad cuántica, se vuelve imposible verificar directamente la exactitud de los resultados”
Mark Mattingley-Scott, Europa para brillo cuántico
Si bien la capacidad de simular un proceso químico complejo en una computadora cuántica es asombrosa, los científicos comprenden cómo las interacciones de las partículas subatómicas logran un resultado particular. Puede escribirse y calcularse mediante una ecuación química.
Riel de IBM dice que siempre que el número de qubits sea lo suficientemente pequeño, los resultados se pueden simular en una computadora clásica. Ella dice que IBM está trabajando para comprender cómo el ruido influye en el sistema al dar resultados erróneos. Mientras IBM continúa en la siguiente etapa de su hoja de ruta de computación cuántica, con un sistema cuántico de 128 qubit, “queremos demostrar la corrección de errores y estamos trabajando para verificar los resultados”, agrega Riel.
Al discutir los desafíos, Mark Mattingley-Scott, director gerente de Europa para Quantum Brilliance, dice: “Una de las paradojas de la computación cuántica es que una vez que alcanzamos el punto de utilidad cuántica, en otras palabras, un algoritmo cuántico puede realizar cálculos en un velocidad y precisión que no son posibles en una computadora clásica, entonces se vuelve imposible verificar directamente la exactitud de los resultados. Podemos verificar la exactitud del método con versiones más pequeñas del mismo problema, algo que hacemos todos los días con algoritmos clásicos, pero no habrá forma de verificarlo “.
Debido a que la computación cuántica es inherentemente no determinista, Mattingley-Scott señala que los resultados que produce se basan en probabilidades. “Un algoritmo cuántico funciona mediante el uso de la mecánica cuántica para reforzar constructivamente la respuesta ‘correcta’ y suprimir destructivamente las respuestas ‘incorrectas’”, dice. “Así que siempre habrá algo de incertidumbre. Usar una computadora clásica para validar una computadora cuántica solo será posible a nivel metodológico, no a nivel de datos reales ”.
La fotografía más grande
Sin embargo, Coecke de Cambridge Quantum Computing cree que el principio de composicionalidad y la teoría de categorías pueden ayudar a comprender lo que realmente está sucediendo en una computadora cuántica. La composicionalidad utiliza la idea de pensar en un problema tanto de arriba hacia abajo como de abajo hacia arriba. “Todas las matemáticas funcionan de abajo hacia arriba”, dice. “Usamos una nueva forma de composicionalidad donde el ‘todo’ define las partes”.
Tradicionalmente en informática, un sistema complejo se define construyendo y probando partes conocidas más pequeñas que, cuando se integran, se comportan de una manera definida por la suma de las partes. “La teoría de categorías trata sobre cómo algo se relaciona con un panorama más amplio”, dice Coeck. “Es una parte importante de la informática”.
Añade que la teoría de categorías se utiliza para estructurar cómo encajan los programas. Esta es la forma en que se utilizan los diagramas de flujo para representar lo que está haciendo un programa o un diagrama eléctrico muestra cómo una batería y un interruptor se conectan a una bombilla.
El concepto de que una imagen vale más que mil palabras es algo que Coecke explora en un libro del que fue coautor con Aleks Kissinger, Representando procesos cuánticos. Si bien el público objetivo de este libro son los estudiantes universitarios, Coecke también está publicando un libro dirigido a adolescentes, que ilustra el punto de que casi cualquier persona puede entender la computación cuántica.
En términos generales, el libro analiza la idea de utilizar una herramienta de composición para dividir los grandes problemas en pequeñas partes. Según Coecke, estos pequeños bloques de construcción se pueden componer de una manera que sea comprensible y, significativamente, donde se puedan verificar todas las piezas constituyentes.
Verificación y explicabilidad
Volviendo a la química, Michael Biercuk, CEO y fundador de Q-CTRL, dice: “En este momento, es muy difícil diseñar una molécula con un conjunto específico de propiedades objetivo, en parte debido a los límites de nuestras capacidades de modelado computacional. Sin embargo, es sencillo comparar las propiedades de una molécula candidata con esa lista. En el caso de la estructura molecular o la dinámica química calculada en una computadora cuántica, es posible que no podamos realizar una simulación clásica de validación, pero generalmente podemos realizar un experimento de química real para validar los resultados “.
De manera similar, Mattingley-Scott de Europe for Quantum Brilliance cree que un posible papel de las computadoras cuánticas es proporcionar un rendimiento drásticamente acelerado. “Podría realizar un análisis de sensibilidad sobre las soluciones a los problemas, para determinar ‘qué pasaría si’ y, en base a eso, proporcionar respuestas”, dice. “La capacidad para hacer esto es una especie de santo grial de la computación cuántica, y tal capacidad revolucionaría la industria y la sociedad”.
A medida que el mundo avanza hacia la superioridad cuántica, los expertos con los que habló Computer Weekly coinciden en que será cada vez más difícil demostrar que la salida que produce una computadora cuántica es correcta. El enfoque pictórico de arriba hacia abajo de Coecke, que utiliza bloques de construcción verificables, puede ser una forma de desarrollar algoritmos cuánticos complejos. La idea de verificación a través de experimentos del mundo real, como sugiere Mattingley-Scott, puede convertirse en el equivalente cuántico de las pruebas de integración en la computación clásica.
Pero como señala Riel de IBM, la computación cuántica es uno de los muchos enfoques que los desarrolladores de software tendrán para abordar problemas complejos. “Si tiene un problema que resolver en la optimización, no le importa cómo se haga, siempre que se logre de la manera más rápida y eficiente”, dice ella. “No querrás preocuparte por qué computadora se usa”.
Desde la perspectiva de IBM, un problema computacional complejo puede requerir diferentes bloques de construcción, donde algunas partes se procesan utilizando la computación clásica, mientras que otras aprovechan la computación cuántica. Riel agrega: “Es necesario tener desarrolladores que comprendan la computación cuántica para desarrollar las primitivas cuánticas que implementan algoritmos. Luego, necesita un desarrollador de modelos que no necesite comprender la profundidad de la computación cuántica, pero que sea capaz de describir el problema y utilizar la mejor aplicación de resolución. El desarrollador del modelo no debería preocuparse por el conocimiento cuántico “.
Aunque la supremacía cuántica puede estar un poco lejos, las empresas están comenzando a utilizar el procesamiento cuántico del mundo real para resolver problemas difíciles en la actualidad. Por ejemplo, las compañías farmacéuticas y de ciencia de materiales utilizan una variedad de métodos computacionales intensivos para revisar las coincidencias de moléculas y predecir los efectos positivos de posibles enfoques terapéuticos al tiempo que reducen los efectos secundarios negativos.
Investigadores de Accenture Labs colaboraron recientemente con Biogen para identificar los procesos de optimización cuántica más beneficiosos para la empresa. Carrel-Billiard de Accenture dice que estas optimizaciones se pueden probar. Accenture también está trabajando con clientes del sector financiero para evaluar cómo se ejecutan los algoritmos existentes en una computadora cuántica. Estos son algoritmos que ya se ejecutan en computadoras clásicas, por lo que los resultados que producen ya han sido verificados.
De manera similar a cómo Coecke de Cambridge Quantum analiza dividir un problema en partes verificables, el equipo de Carrel-Billiard en Accenture está trabajando en cómo mapear ciertos problemas en grupos de primitivas matemáticas. Estas primitivas están codificadas en bibliotecas y kits de desarrollo de software de computadora cuántica multiplataforma. Al probar los programas resultantes en diferentes arquitecturas de hardware de computadora cuántica, es teóricamente posible determinar si producen resultados consistentes.
Mientras el hardware cuántico evoluciona, la necesidad de demostrar que los resultados producidos son correctos solo se volverá más difícil. Una base sólida sobre la cual construir la verificación y la explicabilidad en estos sistemas es una parte tan importante del proceso evolutivo como el propio hardware cuántico.
