La empresa de computación cuántica Quantum Computing Inc. (QCI) se ha ganado la fama al resolver un problema de optimización de 3854 variables para BMW. La compañía hizo uso de su nueva solución de computación cuántica basada en hardware, Entropy Quantum Computing (EQC), para resolver la ubicación ideal de los sensores de vehículos en el Desafío de ubicación de sensores de vehículos (VSPC) 2022 de BMW. Su nuevo sistema cuántico entregó un rendimiento de 70 veces mayor que su entrada de 2021, que aprovechó la implementación cuántica híbrida de la compañía derivada del jugador de computación cuántica D-Wave.
“Estamos muy orgullosos de haber logrado lo que creemos que es un hito importante en la evolución de la tecnología cuántica”, dijo Bob Liscouski, director ejecutivo de QCI en un comunicado de prensa. “Creemos que esto demuestra que las tecnologías innovadoras de computación cuántica pueden resolver problemas comerciales reales en la actualidad. Lo que es aún más significativo es la complejidad del problema resuelto. Este no fue solo un problema rudimentario para mostrar que las soluciones cuánticas serán factibles algún día; este fue un problema muy real y significativo cuya solución puede contribuir potencialmente a acelerar la realización de la industria de vehículos autónomos”.
Esto marca un uso de la computación cuántica para resolver problemas procesables del mundo real que a las computadoras clásicas les tomaría tiempos exponencialmente más largos para resolver. QCI dice que esto demuestra las ventajas de su enfoque de la computación cuántica en comparación con otros sistemas cuánticos disponibles en la actualidad. Alternativas como la unidad de procesamiento cuántico (QPU) Eagle de 127 qubits de IBM y las QPU basadas en diamantes de Quantum Brilliance (ya implementadas en entornos de centros de datos) se clasifican como sistemas ruidosos cuánticos de escala intermedia (NISQ). QCI dice que su demostración es una prueba de que logra una ventaja cuántica (el momento en que las computadoras cuánticas resuelven problemas que serían imposibles para los sistemas clásicos).
Colocar sensores en vehículos, y especialmente en vehículos autónomos, es un desafío increíble. Se debe tener en cuenta una multitud de variables: variables como el diseño del chasis (que tiene implicaciones en la seguridad del vehículo), la ausencia de obstrucciones (diferentes ubicaciones ofrecen diferentes campos de visión o permiten una menor posibilidad de error), resistencia al viento y equilibrio de peso, Sólo para nombrar unos pocos.
Es un problema que requiere numerosos procesos de prueba y error que pueden no brindar la solución óptima y que deben rehacerse para cada nuevo vehículo y cada nuevo avance del sensor. Esta es parte de la razón por la cual el diseño de los vehículos se ha mantenido relativamente sin vida durante años: la desviación de las soluciones ya conocidas agrega costos, lo que luego reduce las ganancias.
Debido a la cantidad de variables y restricciones (QCI cita 3,854 variables y 500 restricciones impuestas a la solución), computar todas las posiciones posibles para la ubicación del sensor en un sistema clásico se topa con los costos: el tiempo de cómputo es una actividad costosa, ya que los equipos de F1 Te contaré.
Incluso antes de que se cuente el dinero, el costo muy real del tiempo de cómputo dentro de los sistemas clásicos ha hecho que muchos, muchos problemas no se puedan resolver (como la gestión logística, la secuenciación de pasos y la priorización).
Esos son problemas que la computación cuántica, con su enfoque probabilístico de la computación, puede resolver en una fracción del tiempo. Tanto es así que QCI resolvió el problema de optimización de BMW en menos de seis minutos, brindando la mejor solución posible para el problema de ubicación en cuestión. Al hacerlo, entregó una solución que constaba de 15 sensores, lo que produjo una cobertura del vehículo del 96 % al aprovechar el sistema de software y hardware cuántico de QCI.
Al responder al VSPC, QCI aprovechó una nueva forma de hardware de computación cuántica. Entropy Quantum Computing, como se le llama, elimina los requisitos de un entorno casi perfecto en el que operan los qubits, lo que reduce sustancialmente los costos de diseño, instalación y operación. La entropía se refiere a la evolución natural de cualquier sistema, que tiende a ocurrir hacia el caos (o en este caso, el desorden).
Cuando puede salirse con la suya en un entorno más ruidoso (en el que las temperaturas, la radiación electromagnética y otras variables son más indulgentes con la coherencia del sistema cuántico), el despliegue de computadoras cuánticas se vuelve mucho más factible.
La coherencia es un requisito fundamental de las computadoras cuánticas, ya que los cambios en su entorno pueden hacer que cambien de estado sin darse cuenta, lo que introduce errores costosos y, a veces, que matan la computación en los cálculos.
El enfoque de computación cuántica de entropía de QCI funciona teniendo en cuenta el propio entorno en los resultados del cálculo. Se ahorra tiempo y dinero al no tener que controlar todas las variables fuera de la propia Unidad de procesamiento cuántico; en cambio, el sistema se adapta al entorno cambiante, analizando su retroalimentación y lo que significa para los estados cuánticos de los qubits.
Simplificando enormemente las cosas, piense en cómo los procesadores modernos cambian dinámicamente los voltajes y la frecuencia según la carga de trabajo, teniendo en cuenta variables como el consumo de energía y la temperatura de funcionamiento.
Queda por ver la viabilidad comercial y general de la solución de computación cuántica de QCI; es interesante notar que las empresas con más recursos e historia que QCI han optado por otros enfoques de la computación cuántica. Otros, como Microsoft, siguen persiguiendo sus propios qubits específicos. Todos y cada uno de ellos ensalzan los méritos del enfoque elegido.
No se trata tanto de una carrera (aunque hay una carrera por la financiación y la cuota de mercado) sino de explorar diferentes lugares para la computación cuántica. Quizás habla de la complejidad de esto que hay tantos enfoques posibles para aprovechar lo que probablemente se convierta en la próxima gran frontera para las ciencias de la computación.