12 mejores aplicaciones de la computación cuántica

Computación cuántica

Científicos de todo el mundo están impulsando las computadoras cuánticas en un intento de crear la tecnología de computación cuántica más poderosa hasta el momento. Gigantes tecnológicos como Google e IBM están compitiendo por la supremacía cuántica.

¿Pero 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 siga creciendo y los problemas se vuelvan más grandes y complejos, necesitaremos arquitecturas informáticas más eficientes para impulsar las soluciones.

Estos avances en informática abrirán millones de posibilidades en casi todos los aspectos de la vida moderna. Según GlobeNewswire, el mercado mundial de la computación cuántica estaba valorado en 507,1 millones de dólares en 2019. Se prevé que alcance los 65.000 millones de dólares en 2030, con un crecimiento compuesto del 56%. Se espera que América del Norte y Europa representen más del 78% del mercado de la computación cuántica.

Esto no significa que los sistemas cuánticos vayan a sustituir a los ordenadores actuales. En cambio, funcionarán junto con las supercomputadoras clásicas porque cada una tiene sus propias fortalezas y ventajas.

En este artículo de revisión, hemos mencionado algunas de las principales aplicaciones de la computación cuántica entre sus amplias posibilidades. Esto le dará una mejor idea de para qué están diseñadas las computadoras cuánticas.

12. Previsión meteorológica

Previsión Meteorológica

Las computadoras cuánticas podrían usarse para mapear condiciones climáticas extremadamente complejas. A diferencia de los sistemas meteorológicos actuales, pueden proporcionar pronósticos para regiones más pequeñas y específicas, lo que ayuda a los agricultores a prepararse mejor para los cambios climáticos y ayuda a las aerolíneas a minimizar las interrupciones.

IBM está invirtiendo mucho en sistemas de previsión meteorológica. Están colaborando con The Weather Company, el Centro Nacional de Investigación Atmosférica y la Corporación de Investigación Atmosférica de la USU para crear un modelo mejor que pueda evaluar las tormentas a nivel local.

En 2019, IBM se asoció con The Weather Company para presentar el sistema GRAF (Global High-Resolution Atmospheric Forecasting), que utiliza supercomputadoras de IBM para procesar datos de millones de sensores en todo el mundo.

Cuando la computación cuántica sea posible, sistemas como GRAF podrán analizar miles de millones de datos cada hora y predecir eventos de micromedición como la formación de nubes individuales o vórtices de viento.

11. Ciberseguridad

ciberseguridad

Las computadoras cuánticas podrán resolver muchos problemas que son casi imposibles de resolver para las máquinas modernas. Esto incluye romper los algoritmos de cifrado que protegen la infraestructura de Internet y los datos confidenciales.

Por ejemplo, el cifrado RSA, que se basa en números de 2048 bits, se utiliza ampliamente para la transmisión segura de datos. Se cree que una computadora cuántica con 20 millones de qubits podría romper dicho cifrado en 8 horas.

Por supuesto, el poder de la computación cuántica también se puede utilizar para desarrollar sistemas de cifrado potentes. Muchas empresas, incluidas Microsoft y Google, ya han comenzado a trabajar en algoritmos de cifrado cuánticos seguros. Actualmente se encuentran en la fase teórica y de pruebas. El principal desafío es integrar estos nuevos enfoques en la infraestructura existente.

Los algoritmos de seguridad cuántica deben cifrar:

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

10. Baterías de nueva generación

baterías de nueva generación

Las baterías de iones de litio han recorrido un largo camino: hace diez años podían alimentar teléfonos inteligentes durante todo el día y ahora pueden alimentar automóviles eléctricos a distancias de cientos de kilómetros.

Sin embargo, si queremos fabricar baterías más potentes y económicas que puedan durar más que las existentes, necesitamos algunos avances. Investigadores de IBM y Daimler AG (empresa matriz de Mercedes-Benz) pueden controlar con qué eficacia las computadoras cuánticas pueden simular el comportamiento de los compuestos químicos en las baterías.

Pudieron simular los momentos dipolares de cuatro moléculas de importancia industrial ( sulfuro de hidrógeno , hidruro de litio, sulfuro de litio y sulfuro de hidrógeno y litio) utilizando una computadora cuántica de 21 qubits.

A medida que aumentemos o mejoremos los estados de los qubits, podremos probar conexiones más grandes y complejas para la próxima generación de baterías. Este tipo de investigación es el trabajo fundamental que, en última instancia, nos llevará allí.

9. Energía solar

Energía Solar

Los puntos cuánticos (partículas semiconductoras de tamaño nanométrico con propiedades electrónicas y ópticas únicas gracias 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 producción de energía existentes.

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

Los materiales de puntos cuánticos no tóxicos, como los nanocristales de sulfuro de bismuto y plata, se han estudiado ampliamente debido a su abundancia y seguridad. Aunque todavía no están disponibles comercialmente a gran escala, algunas pequeñas empresas han comenzado a vender productos fotovoltaicos de puntos cuánticos.

8. Fertilizantes puros

fertilizantes puros

Hoy en día, los fertilizantes de amoníaco se producen mediante un proceso químico llamado Haber-Bosch. Combina nitrógeno atmosférico con hidrógeno a altas temperaturas y presiones extremadamente altas. Este proceso consume enormes cantidades de energía y libera muchos gases de efecto invernadero.

Si los investigadores estudiaran en detalle el mecanismo de la nitrogenasa y el comportamiento de los metales de transición, podrían desarrollar catalizadores más eficientes para la producción de fertilizantes, así como una serie de otras sustancias químicas críticas necesarias en la industria.

La buena noticia es que algún día los ordenadores cuánticos podrán simular el cofactor primario de la nitrogenasa (cofactor FeMo), lo que permitirá conocer mejor sus mecanismos. Esto ayudará a los químicos a crear procesos de producción energéticamente eficientes para sintetizar fertilizantes nitrogenados.

7. Descubrimiento de material

descubrimiento de material

Debido a que la computación cuántica se basa en fenómenos de la mecánica cuántica como la superposición y el entrelazamiento, puede representar otros sistemas cuánticos mucho más fácilmente que las computadoras clásicas. Por ejemplo, una máquina cuántica puede resolver la ecuación de Schrödinger de una molécula para calcular sus estados de energía permitidos.

Permite simular moléculas complejas, algo que los ordenadores convencionales no pueden hacer. Juntos, los desarrollos del hardware cuántico y los algoritmos cuánticos prometen revolucionar la química teórica.

Al manipular el ruido de los qubits en una máquina cuántica, los investigadores pueden diseñar mejores materiales con propiedades ópticas y mecánicas finamente sintonizadas.

Dados los recientes avances en la «reducción del ruido cuántico», podemos decir que la próxima generación de materiales podría diseñarse en computadoras cuánticas, en lugar de descubrir las propiedades químicas correctas mediante prueba y error.

6. Optimización del tráfico

Optimización del tráfico

Las computadoras cuánticas ayudarán a aliviar muchos de los problemas asociados con el aumento de la población y la congestión en medio de la necesidad de descarbonización. Uno de esos problemas es la regulación del tráfico.

Las tecnologías cuánticas ayudan a evitar atascos y reducir los tiempos de espera. Esto significa que los autobuses y taxis no recorrerán largas distancias sin pasajeros y la gente no tendrá que esperar mucho para llegar a sus taxis.

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

Estos algoritmos pueden interactuar constantemente con objetos en movimiento (bicicletas, automóviles, personas) y complementar todo el sistema de movilidad de la ciudad. También se pueden implementar en un sistema de control de tráfico aéreo para optimizar la información de ruta.

Volkswagen no es la única empresa que trabaja en la «optimización del movimiento cuántico». Casi todos los fabricantes de automóviles, incluidos BMW, Toyota y Ford, están invirtiendo en investigación cuántica.

5. Marketing y publicidad

marketing y publicidad

Los algoritmos cuánticos pueden ofrecer mejores anuncios al crear patrones de asociaciones que influyen en el comportamiento de compra. En lugar de publicar anuncios basados ​​únicamente en el historial de navegación de los usuarios, estos algoritmos se centrarán en cómo se sienten los usuarios después de ver un anuncio y qué tipo de anuncios pueden ayudar a las marcas a construir relaciones a largo plazo con sus clientes.

Por ejemplo, si un anuncio es agradable y hace reír o hacer sentir bien a los espectadores, se formará una fuerte conexión de marca con el público. Los anuncios aburridos o molestos, por otro lado, pueden resultar contraproducentes.

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

4. Modelado financiero

modelado financiero

Los mercados modernos son uno de los sistemas más complejos del mundo. Para cuando lea esta frase, los fondos de cobertura, los bancos de inversión y los inversores minoristas de todo el mundo habrán negociado más de 80 millones de dólares en acciones.

Es muy importante que los inversores institucionales encuentren la combinación adecuada para una inversión fructífera en función de los rendimientos esperados y los riesgos involucrados para sobrevivir en el mercado. Esto implica analizar miles de factores que pueden afectar los precios de las acciones. Muchos bancos de inversión ejecutan simulaciones de Monte Carlo en computadoras clásicas para realizar análisis detallados, lo que requiere enormes recursos computacionales y tiempo.

Las computadoras cuánticas están diseñadas específicamente para este tipo de cálculo probabilístico. Al subirse al tren cuántico, los bancos de inversión no sólo pueden mejorar la calidad de las soluciones, sino también reducir su tiempo de desarrollo. Dado que estas empresas procesan miles de millones de dólares, incluso un pequeño aumento en las ganancias esperadas puede costarles muy caro.

En última instancia, las computadoras cuánticas ayudarán a los servicios financieros a:

  • Incrementa el beneficio de tu inversión
  • Reducir los requisitos de capital
  • Mejorar la identificación y gestión de riesgos y cumplimiento
  • Descubra nuevas oportunidades de inversión.

3. Descubrimiento de fármacos

Descubrimiento de fármacos

Actualmente, a las empresas farmacéuticas les cuesta miles de millones de dólares y más de una década descubrir un nuevo fármaco y llevarlo al mercado. Realizan cientos de millones de comparaciones en computadoras clásicas. Sin embargo, las capacidades tecnológicas de estas máquinas son muy limitadas: sólo pueden analizar moléculas hasta un cierto tamaño.

Consideremos el diseño del fármaco penicilina , que contiene 41 átomos: para modelar con cuidado y precisión la energía del estado fundamental de la molécula de penicilina se necesitaría una máquina digital con más transistores que átomos en el universo observable.

El problema se puede resolver mediante la computación cuántica. A medida que los equipos y algoritmos cuánticos se vuelvan más accesibles, será posible comparar moléculas mucho más grandes. Esto podría reducir significativamente el tiempo y el costo del desarrollo de fármacos, lo que permitiría a los investigadores realizar más rápidamente nuevos descubrimientos que podrían conducir a curas para diversas enfermedades.

En la industria de las ciencias biológicas, se espera que las computadoras cuánticas permitan tres opciones clave que se refuerzan entre sí en un círculo virtuoso:

  • Desarrollar tratamientos de medicina de precisión vinculando genomas y resultados
  • Aumentar la eficiencia del descubrimiento de fármacos de moléculas pequeñas y mejorar los resultados de los pacientes
  • Creación de nuevos productos biológicos basados ​​en predicciones de plegamiento de proteínas.

2. Inteligencia artificial

Inteligencia artificial

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

Para algunos modelos, el aprendizaje automático cuántico será mucho más eficaz que el aprendizaje automático clásico. Se extiende a un área de investigación que explora las similitudes estructurales y metodológicas entre sistemas físicos específicos y sistemas de aprendizaje, en particular redes neuronales.

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

Para acelerar el desarrollo, Google se ha asociado con Volkswagen y la Universidad de Waterloo para lanzar TensorFlow Quantum, una biblioteca de código abierto para crear prototipos de modelos de aprendizaje automático cuántico. IBM, Microsoft y otros gigantes tecnológicos también están invirtiendo en el aprendizaje automático cuántico.

Para acelerar el desarrollo, Google, en colaboración con Volkswagen y la Universidad de Waterloo, lanzó TensorFlow cuántico, una biblioteca de código abierto para la creación de prototipos de modelos de aprendizaje automático cuántico.

1. Física de partículas elementales

física de partículas elementales

Quizás la aplicación más interesante y útil de la computación cuántica sea el estudio de la nueva física. Los modelos de física de partículas son extremadamente complejos y requieren grandes cantidades de recursos y largos tiempos de cálculo para las simulaciones numéricas.

Por ejemplo, los experimentos en el Gran Colisionador de Hadrones del CERN proporcionan datos sorprendentes de un petabyte por segundo de mil millones de colisiones de partículas cada segundo. El análisis se ejecuta en un millón de núcleos de procesador que se ejecutan en 170 centros de datos en todo el mundo. Para 2027, la potencia informática necesaria para procesar y analizar los datos del CERN aumentará entre 50 y 100 veces.

Aquí es donde la computación cuántica resultaría útil. Esto permitirá a los físicos modelar la física nuclear, la dispersión nuclear, los quarks y las interacciones fundamentales.

El CERN ya ha empezado a trabajar con IBM en ordenadores cuánticos. Los investigadores utilizaron una «máquina de vectores de soporte cuántico» para ver cómo se podría utilizar el aprendizaje automático cuántico supervisado para identificar eventos del bosón de Higgs en datos de colisiones.

Otro grupo de investigadores ha simulado con éxito en un ordenador cuántico las teorías de calibre de red, que describen las interacciones entre partículas elementales como los quarks y los gluones.

En general, la computación cuántica está logrando avances en campos que van desde la física de muchos cuerpos hasta la energía molecular. Esto alterará los métodos existentes y permitirá a los investigadores resolver problemas que nunca antes habían intentado.