Explicando el potencial infinito de la computación cuántica en un inglés bastante divertido (sin matemáticas)

Quantum es algo profundo, oscuro y misterioso... Es broma. Saltó a la fama después de Avengers Endgame. ¡Oye, eso rima! Nada de Matemáticas o Mumbo-Jumbo Formulaico. Inglés simple Te lo prometo: ¡nada de fórmulas! Sólo algunos números. Descripción general del contenido El mundo cuántico La mecánica cuántica es realmente Quantum Mania - ¡Sin ofender, Marvel! Desafíos enfrentados Enfoque de computación cuántica Qubits superconductores Computadoras cuánticas de iones atrapados Computadoras cuánticas fotónicas Recocidos cuánticos Vista previa del futuro ¿Qué sería capaz de hacer una futura computadora de 100,000 Qubit? Conclusión El mundo cuántico El límite de Planck. 1.616255×10^(−35) m. La longitud en la que la física clásica se convierte en física cuántica. Donde todas nuestras intuiciones comunes se derrumban. Niels Bohr, un físico cuántico pionero, dijo célebremente: Si la mecánica cuántica no te asombra profundamente, es que no la has entendido correctamente. ¡Él estaba en lo correcto! (No es broma, en serio, nunca lo hubiera creído, quiero decir, todos saben que el reino cuántico es algo simple. Tony Stark lo descubrió. Y él es un actor. ¡Solo un actor!) En el ámbito de la física cuántica, en la escala de Planck infinitesimalmente pequeña, nos encontramos con una realidad cautivadora y alucinante que desafía nuestra comprensión convencional. Profundicemos en algunos aspectos clave de esta escala. Hay tantos conceptos que manejar y abordar que iremos uno por uno. La mecánica cuántica es realmente Quantum Mania - ¡Sin ofender, Marvel! En el límite de Planck, tenemos los siguientes problemas: Coherencia La coherencia juega un papel vital en la escala de Planck, refiriéndose a la estabilidad e integridad de los estados cuánticos. Determina cuánto tiempo persisten los fenómenos cuánticos. Cuando el tiempo de existencia de un estado es inferior a 10 ^(-25) segundos (0,0000000000000000000000000001 segundos), ¿cómo se mantiene estable y se trabaja con él? (^ es el símbolo de exponenciación, por ejemplo, 10^5 = 100.000 y 10^(-5) = 0,00001) Enredo El entrelazamiento, un fenómeno notable, ocurre cuando los estados cuánticos de las partículas se vinculan intrincadamente, independientemente de su separación física. Esto es espeluznante y desconcertado para grandes mentes como Einstein. En la escala de Planck, el entrelazamiento sirve como piedra angular, dando lugar a correlaciones no locales y facilitando la transferencia instantánea de información entre partículas entrelazadas sin necesidad de comunicación clásica. En otras palabras, la información viaja de una parte del universo a otra, ¡instantáneamente! (¡Más rápido que la luz!) Y, sin embargo, es cierto, un fenómeno que desafía toda explicación. (Prometo darle una visión más detallada en un artículo posterior). Superposición La superposición es una característica fascinante de los sistemas cuánticos, que permite que las partículas existan en múltiples estados simultáneamente. En la escala de Planck, las partículas pueden asumir superposiciones de diferentes estados, lo que indica que propiedades como la posición, el impulso o el espín no están bien definidas hasta que se miden. Este principio subyace a la computación cuántica y al desarrollo de algoritmos cuánticos. No puedo enfatizar este hecho más fuertemente. El principio de incertidumbre El Principio de Incertidumbre, formulado por Werner Heisenberg, afirma que ciertos pares de propiedades físicas, como la posición y el momento, no pueden medirse con precisión simultáneamente con una precisión ilimitada. En la escala de Planck, el Principio de Incertidumbre asume un papel importante, destacando la indeterminación inherente y la naturaleza probabilística de los sistemas cuánticos. Para simplificar, puede conocer la velocidad del automóvil o la posición actual de un automóvil, no puede conocer ambos (una analogía muy aproximada y cruda) cuando lo observa en niveles cuánticos. Dualidad partícula-onda La dualidad onda-partícula es un concepto fundamental en la física cuántica. En la escala de Planck, las partículas exhiben un comportamiento ondulatorio, mientras que las ondas pueden exhibir características similares a las partículas. Esta dualidad desafía nuestras intuiciones clásicas, ya que las partículas muestran patrones de interferencia, difracción y propagación ondulatoria. Esto desafía toda lógica. Entonces, ¿la materia es energía? ¿O energía, materia? ¿Cuál es el concepto de masa en sí? Esto lleva directamente a la equivalencia masa-energía de Einstein. Acción a Distancia La acción a distancia se refiere a la notable influencia no local observada entre partículas entrelazadas. Las mediciones o manipulaciones realizadas en una partícula afectan instantáneamente a su compañero entrelazado, independientemente de la separación espacial entre ellos. Este fenómeno desafía las nociones clásicas, donde la transferencia de información está limitada por la velocidad de la luz. Esto es a lo que me referí como haber molestado a Einstein sobre la mecánica cuántica. Hay una teoría de las 'variables ocultas' que es una posible explicación. Más sobre eso más adelante. Física probabilística La física cuántica abarca elementos probabilísticos inherentes, empleando amplitudes de probabilidad para describir la probabilidad de varios resultados. En la escala de Planck, la naturaleza probabilística de la mecánica cuántica se vuelve prominente, con mediciones que arrojan probabilidades en lugar de resultados deterministas. Las herramientas matemáticas como las funciones de onda y las matrices capturan este marco probabilístico. Y es un fenómeno muy cuántico. ¿Cómo hay una partícula allí en esa posición con una probabilidad del 43%? ¿O es una ola? ¿Tiene sentido? Ecuación de Schrödinger La ecuación de Schrödinger se erige como una ecuación central en la mecánica cuántica, dictando la evolución temporal de los sistemas cuánticos. Establece una relación entre la función de onda, la energía y los operadores de un sistema. En la escala de Planck, la ecuación de Schrödinger proporciona un marco matemático para comprender el comportamiento y la dinámica de los sistemas cuánticos. Dije nada de fórmulas y cumplo mi promesa. Ecuación de Schrödinger de Google si está interesado. Básicamente, las cosas a nivel cuántico no se pueden explicar con la lógica ordinaria y la intuición del mundo real. Sin embargo, la gente ha diseñado e incluso ejecutado programas cuánticos/clásicos en computadoras cuánticas. Veamos algunos de los obstáculos que enfrentaron. Desafíos enfrentados Calidad y estabilidad de bits cuánticos (Qubit) La base de se encuentra en los qubits, que son las contrapartes cuánticas de los bits clásicos. Garantizar la calidad y la estabilidad de los qubits es de suma importancia para la computación cuántica confiable. Cada átomo tiene energía - porque tiene una temperatura. La temperatura es la energía vibratoria del átomo. Y oscila. ¿Cómo logras que se quede en un solo lugar? Congélelo a -273 grados Celsius - Temperatura Cero Absoluta, que detiene todo movimiento. Desafortunadamente, los qubits son muy susceptibles a las perturbaciones externas, como las fluctuaciones de temperatura y el ruido electromagnético, lo que genera errores y decoherencia. Preservar la coherencia y la estabilidad de los cúbits durante períodos prolongados es un desafío importante que los investigadores están abordando activamente. la computación cuántica Decoherencia y Corrección de Errores La decoherencia plantea un obstáculo importante en los sistemas cuánticos. Ocurre cuando los qubits interactúan con su entorno, lo que hace que pierdan su estado cuántico y se comporten de forma clásica. Esta limitación restringe el tiempo durante el cual las operaciones cuánticas se pueden realizar de forma fiable. Desarrollar técnicas robustas de corrección de errores para mitigar los errores y la decoherencia es un desafío crucial. Los investigadores están explorando los códigos de corrección de errores, como los códigos de corrección de errores cuánticos, para proteger los cúbits y garantizar un cálculo fiable. Esto es lo que quise decir con existir por 10 ^ (-25) de segundo. Escalabilidad Las computadoras cuánticas necesitan una gran cantidad de qubits para resolver problemas complejos. Sin embargo, ampliar los sistemas cuánticos presenta desafíos importantes. A medida que aumenta la cantidad de qubits, mantener su coherencia y minimizar los errores se vuelve exponencialmente más desafiante. Además, interconectar qubits con precisión y controlar las interacciones entre grandes cantidades de qubits plantea importantes dificultades tecnológicas y de ingeniería. No solo sustancial, sino casi imposible. ¿Cómo conectas las cosas que cambian cuando se conectan a algo completamente diferente? No podemos manipular los bits cuánticos como lo hacemos con los bits clásicos. Y la Internet cuántica es quizás el mayor desafío de todos. ( aparte de obtener un candidato POTUS realmente inteligente para variar). Fabricación y Control La fabricación precisa de dispositivos cuánticos con un control excepcional es un gran desafío. El hardware cuántico a menudo se basa en técnicas de fabricación especializadas y materiales como circuitos superconductores o trampas de iones. Lograr la precisión y reproducibilidad requeridas en el proceso de fabricación es esencial para construir sistemas cuánticos confiables y escalables. Y ese tipo de precisión será un nuevo hito en la ingeniería si alguna vez se logra. Necesitamos crear copias idénticas con una precisión de 10^(-35) aquí. ¡Incluso a las personas optimistas les resulta difícil hablar de esto! Además, lograr un control preciso sobre los sistemas cuánticos es primordial. La capacidad de controlar estados de cúbits, operaciones de puertas y mediciones con alta fidelidad es necesaria para realizar cálculos cuánticos precisos. El desarrollo de sistemas de control capaces de manejar la complejidad y la velocidad requeridas para las operaciones cuánticas es un desafío de ingeniería formidable. Tan formidable que, aparte de IBM, el primer pionero en computación cuántica, nadie más ha fabricado una computadora cuántica de uso general de más de 400 qubits. (D-Wave no cuenta porque no es de propósito general, solo tiene una función fija: el recocido. ¡Se viene una explicación!) Interconexiones y comunicaciones cuánticas La computación cuántica a menudo involucra múltiples qubits distribuidos en sistemas físicos. Establecer interconexiones cuánticas confiables y eficientes y la comunicación entre estos qubits es crucial. La comunicación cuántica se basa en el entrelazamiento, que es muy sensible al ruido ambiental y requiere la distribución y preservación del entrelazamiento a distancias significativas. Desarrollar tecnologías de interconexión cuántica que puedan facilitar la comunicación basada en enredos entre qubits es un desafío continuo. Muchos dicen que es imposible. Y ciertamente parece de esta manera. Pero siempre podemos esperar... Lo que la mente del hombre puede concebir, la mano de Dios lo puede lograr. Tomas Cherickal ( Mira, ese soy yo, el sabio. Hmmm, creo que quise decir sabio. ¡De todos modos, está mal en cualquier caso!) Entornos criogénicos Muchas plataformas de computación cuántica, como los qubits superconductores, funcionan a temperaturas extremadamente bajas, cercanas al cero absoluto. La creación y el mantenimiento de estos entornos criogénicos (criogénicos: se refiere a temperaturas cercanas al cero absoluto en la física clásica; búsquelo en Google) presenta una formidable tarea de ingeniería. Los sistemas de enfriamiento deben diseñarse meticulosamente para minimizar el ruido y las fluctuaciones térmicas que podrían alterar la coherencia de los qubits (básicamente, podrían aumentar la temperatura y comenzar a moverse nuevamente). Asegurar la confiabilidad y eficiencia de los sistemas criogénicos es un aspecto crítico del desarrollo de hardware cuántico. Esto es lo que quise decir con cero absoluto (-273 grados centígrados). Integración y Sistemas Híbridos El hardware de computación cuántica a menudo necesita integrarse con los sistemas informáticos clásicos para fines de control, lectura y corrección de errores. Cerrar la brecha entre los sistemas clásicos y cuánticos y desarrollar enfoques híbridos que aprovechen las fortalezas de ambas tecnologías plantea desafíos sustanciales. La integración también se extiende a la incorporación de componentes de hardware, como la electrónica de control, en una plataforma informática cuántica coherente. Microsoft ha hecho un buen trabajo al respecto. Han integrado su software cuántico en la gran pila del rico ecosistema .NET Core y lo han abierto. ¡No más problemas de interoperabilidad con el código cuántico! Costo y Recursos El desarrollo de hardware cuántico requiere importantes recursos financieros y técnicos. La construcción y el funcionamiento de los sistemas cuánticos suelen implicar una infraestructura costosa, incluidas instalaciones de fabricación especializadas, equipos criogénicos y sistemas de control precisos. Las instituciones de investigación y las empresas que invierten en hardware cuántico enfrentan el desafío de equilibrar los costos y la asignación de recursos mientras amplían los límites de los avances tecnológicos. ¡El gasto es demasiado! Lograron teletransportarse de la tierra a un satélite. Viaje instantáneo. ( Ahí es donde China realmente tiene una ventaja. El gobierno chino está invirtiendo miles de millones en su departamento de computación cuántica y estamos viendo los resultados incluso ahora mismo. Pero aún no se desharán de los rumores de Corona, ¡triste!) Limitaciones físicas y teóricas fundamentales El hardware de computación cuántica está sujeto a limitaciones fundamentales impuestas por las leyes físicas y los principios de la mecánica cuántica. Las computadoras cuánticas que tenemos ahora que a menudo se denominan dispositivos cuánticos de escala intermedia ruidosos (NISQ), en particular, enfrentan limitaciones relacionadas con la coherencia de qubit, la fidelidad de la puerta y las tasas de error. Superar estas limitaciones requiere enfoques innovadores y avances en campos como la ciencia de los materiales, la física y la informática. Habiendo dicho todo eso, varias empresas se han propuesto crear computadoras cuánticas. Echemos un vistazo a algunos de ellos. Enfoque de computación cuántica Qubits superconductores Los qubits superconductores se implementan utilizando pequeños circuitos hechos de materiales superconductores. Estos circuitos se enfrían a temperaturas extremadamente bajas para explotar el fenómeno de la superconductividad, donde desaparece la resistencia eléctrica. IBM y Google son dos empresas destacadas que trabajan con qubits superconductores. Se puede acceder a los sistemas IBM Q de IBM a través de IBM Quantum Experience, lo que permite a los usuarios ejecutar experimentos cuánticos y acceder a hardware de última generación. Este es un logro único porque permite a los novatos y aficionados acceder al hardware de computación cuántica SOTA IBM a través de la nube y ejecutar experimentos y programas en su sistema en la nube. Google Quantum AI emplea qubits superconductores para sus esfuerzos de investigación y desarrollo. Sus dos iniciativas principales se llaman OpenFermion y TensorFlow Quantum, las cuales se ejecutan en su SDK de computación cuántica Google Cirq. OpenFermion se usa para simulaciones de química cuántica, mientras que TensorFlow Quantum es un híbrido cuántico de Classical Machine Learning y Quantum Machine Learning, que proporciona mucha flexibilidad para el ingeniero. A partir de ahora, estas dos compañías son los líderes en la carrera hacia la supremacía cuántica: el punto en el que una computadora cuántica hace algo que una computadora clásica no puede y es una aplicación efectiva con un caso de uso sólido también. Ambas compañías afirman haberlo logrado ya, pero la aplicación de IBM es mucho más impresionante que la de Google. Computadoras cuánticas de iones atrapados Las computadoras cuánticas de iones atrapados utilizan iones individuales atrapados mediante campos electromagnéticos para almacenar y manipular información cuántica. Estos iones suelen ser qubits que tienen tiempos de coherencia prolongados y operaciones de alta fidelidad. IonQ es una empresa líder en este campo y brinda acceso a sus computadoras cuánticas de iones atrapados a través de su plataforma en la nube. Honeywell Quantum Solutions es otra empresa que ha desarrollado su propio hardware cuántico basado en iones atrapados, con el objetivo de mejorar las capacidades de los sistemas de iones atrapados. Ambos son prometedores y tienen diferentes ventajas sobre el sistema qubit superconductor, la principal de las cuales es que las temperaturas criogénicas no son necesarias. Computadoras cuánticas topológicas Las computadoras cuánticas topológicas se basan en partículas llamadas anyons, que exhiben propiedades exóticas, siendo la principal que son su propia antipartícula (solo recuerda la afirmación, la explicaré más adelante). La división de computación cuántica de Microsoft está a la vanguardia del desarrollo de hardware cuántico topológico. Están investigando activamente un qubit topológico basado en una partícula conocida como fermión de Majorana. Se espera que los qubits basados en Majorana proporcionen una mayor resistencia a los errores, lo que los convierte en candidatos prometedores para la computación cuántica tolerante a fallas. Es un enfoque notablemente novedoso, y Microsoft también ha hecho un movimiento inteligente para integrar su lenguaje de programación cuántica (Q#.NET) en su rico ecosistema .NET de bibliotecas y funciones informáticas clásicas. Por lo tanto, Q# tiene acceso a un amplio conjunto de aplicaciones informáticas clásicas sin preocuparse por la interoperabilidad, lo que definitivamente es un logro significativo. Computadoras cuánticas fotónicas Las computadoras cuánticas fotónicas usan fotones, partículas de luz, para codificar y procesar información cuántica. Xanadu, PsiQuantum y LightMatter son empresas notables que trabajan en hardware cuántico fotónico. Xanadu ofrece acceso a sus computadoras cuánticas fotónicas a través de una plataforma en la nube llamada Xanadu Quantum Cloud. PsiQuantum se enfoca en desarrollar una computadora cuántica fotónica tolerante a fallas de un millón de qubits, con el objetivo de permitir aplicaciones prácticas. LightMatter se especializa en el desarrollo de procesadores fotónicos para una amplia gama de aplicaciones. Las computadoras fotónicas son otro enfoque que promete mucho. Se encuentran entre los líderes actuales en aprendizaje automático cuántico, gracias a sus bibliotecas de aprendizaje automático cuántico PennyLane y su biblioteca cuántica fotónica StrawberryFields. Recocidos cuánticos Los recocidos cuánticos son hardware cuántico especializado diseñado para resolver problemas de optimización. D-Wave Systems es una empresa destacada en este espacio. D-Wave construyó la primera computadora cuántica que tenía '2,000 qubits'. Sin embargo, su sistema está especialmente diseñado para resolver problemas de optimización a través de un proceso llamado recocido cuántico. Por lo tanto, la mayoría de los investigadores cuánticos piensan en su sistema como una máquina personalizada de propósito único y no como una computadora cuántica de propósito general como las otras arquitecturas en esta lista. Su tecnología de recocido cuántico utiliza una red de qubits superconductores para encontrar estados de baja energía correspondientes a soluciones óptimas. Habiendo dicho eso, los sistemas de D-Wave han sido utilizados por varias organizaciones e instituciones de investigación para abordar desafíos de optimización complejos en todas las industrias. Vista previa del futuro Este es el SOTA (State-Of-The-Art) actual en lo que respecta a las aplicaciones de hardware. Pero, ¿qué esperamos hacer con ellos? Analicemos eso a continuación. ¿Qué sería capaz de hacer una futura computadora de 100,000 Qubit? Las computadoras cuánticas poseen dos cualidades que las hacen únicas y las hacen muy prometedoras para aplicaciones de alto rendimiento. Ellos son: Superposición Una computadora clásica puede tomar solo un valor a la vez. Por el contrario, una supercomputadora cuántica en superposición puede asumir todas las configuraciones posibles de representaciones 2^N en un solo instante, lo que permite un paralelismo masivo. Los expertos creen que, cuando se diseñan correctamente, las computadoras cuánticas podrán evaluar todas las configuraciones 2^N al mismo tiempo, simultáneamente. Ahora 2^100 son más átomos de los que hay en el Universo. ¿Qué logrará una computadora cuántica de 2^(100,000)? ¡No puedo esperar para averiguarlo! Enredo El entrelazamiento nos permite comunicarnos entre dos qubits instantáneamente, independientemente de la distancia que los separe. Este fenómeno incluso ignora el límite de velocidad de la luz en la mayoría de las fuerzas del universo. Es un tesoro escondido de potencial infinito. Podríamos lograr la comunicación y tal vez incluso algún día, la teletransportación de la materia de tal manera que no se aplique el factor limitante de la velocidad de la luz. Mirando hacia el futuro, donde la computación cuántica ha avanzado a una escala de 100 000 qubits, las posibilidades de avances innovadores se vuelven aún más intrigantes. Exploremos algunas áreas potenciales donde una computadora cuántica tan poderosa podría tener un impacto transformador: 1. Simulación cuántica a gran escala La simulación cuántica es una aplicación de computadoras cuánticas que tiene como objetivo simular y estudiar sistemas cuánticos complejos que son difíciles de analizar usando computadoras clásicas. Los sistemas cuánticos, como moléculas, materiales e incluso procesos físicos completos, exhiben comportamientos complejos que se rigen por las leyes de la mecánica cuántica. Comprender y predecir con precisión el comportamiento de estos sistemas puede tener implicaciones significativas en varios campos, incluidos la química, la física, la ciencia de los materiales y el descubrimiento de fármacos. Si bien las computadoras clásicas pueden simular sistemas cuánticos simples, su poder de cómputo disminuye rápidamente a medida que aumenta el tamaño y la complejidad del sistema cuántico. Esto se debe al crecimiento exponencial de los recursos computacionales necesarios para representar con precisión el estado de un sistema cuántico. En contraste, las computadoras cuánticas explotan los principios de la mecánica cuántica para simular y explorar de manera eficiente estos sistemas cuánticos complejos. La simulación cuántica aprovecha la capacidad de las computadoras cuánticas para manipular y controlar estados cuánticos, como qubits, a través de operaciones como la superposición y el entrelazamiento. Al representar el sistema cuántico de interés utilizando qubits, los investigadores pueden aprovechar el poder computacional de las computadoras cuánticas para realizar simulaciones que serían inviables para las computadoras clásicas. Para realizar una simulación cuántica, normalmente se requieren varios pasos: el primer paso es mapear las propiedades del sistema cuántico que se simula en los qubits de la computadora cuántica. Esta codificación permite que la computadora cuántica represente y manipule con precisión los estados cuánticos relevantes para la simulación. Codificación del sistema: el algoritmo de simulación está diseñado para imitar el comportamiento del sistema cuántico de destino. Consiste en una serie de puertas y operaciones cuánticas que evolucionan los estados de los qubits de acuerdo con las leyes de la mecánica cuántica. Estas puertas realizan transformaciones en los qubits, como rotaciones y operaciones de enredo, para simular las interacciones y dinámicas deseadas del sistema de destino. Implementación del algoritmo de simulación: el algoritmo de simulación se ejecuta en la computadora cuántica, que realiza las operaciones cuánticas requeridas en los qubits. Las puertas cuánticas de la computadora cuántica manipulan los estados de los qubits, lo que permite la exploración de diferentes escenarios y medidas de interés dentro del sistema cuántico simulado. Ejecución de la simulación: Extracción de resultados: una vez completada la simulación, la computadora cuántica proporciona el estado final de los qubits, que representa el estado simulado del sistema cuántico. Se pueden realizar mediciones en los qubits para extraer información sobre observables específicos o propiedades de interés dentro del sistema simulado. Estas medidas se pueden utilizar para obtener información sobre el comportamiento del sistema cuántico o validar modelos teóricos. La simulación cuántica tiene el potencial de revolucionar varios campos, especialmente en la comprensión y el diseño de nuevos materiales, la optimización de reacciones químicas y la resolución de problemas cuánticos complejos. 2. Optimización y Desafíos Globales La optimización es un problema fundamental en varios campos, desde la logística y las finanzas hasta el aprendizaje automático y la criptografía. El objetivo de la optimización es encontrar la mejor solución de un amplio conjunto de opciones posibles que optimice un objetivo específico o satisfaga un conjunto de restricciones. Las computadoras clásicas emplean varios algoritmos para resolver problemas de optimización, pero a medida que aumentan el tamaño y la complejidad del problema, encontrar una solución óptima se vuelve cada vez más desafiante y requiere más tiempo. Las computadoras cuánticas ofrecen el potencial de acelerar significativamente las tareas de optimización mediante el uso de algoritmos cuánticos diseñados específicamente para problemas de optimización. Estos algoritmos aprovechan los principios de la mecánica cuántica, como la superposición y el paralelismo cuántico, para explorar múltiples soluciones potenciales simultáneamente, lo que lleva a una posible aceleración exponencial en comparación con los enfoques clásicos. Uno de los algoritmos de optimización cuántica destacados es el QAOA combina técnicas de optimización clásicas con computación cuántica para encontrar soluciones casi óptimas a problemas de optimización combinatoria. Implica codificar el problema de optimización en un circuito cuántico, que consiste en una serie de puertas cuánticas y operaciones aplicadas a qubits, y luego ajustar iterativamente los parámetros de estas puertas para mejorar la calidad de la solución. Al realizar mediciones en los qubits al final del circuito, el algoritmo proporciona una solución candidata que se acerca a la solución óptima con cada iteración. algoritmo de optimización aproximada cuántica (QAOA). Otro algoritmo de optimización cuántica importante es el algoritmo , empleado por recocidos cuánticos como los sistemas D-Wave. El recocido cuántico es particularmente útil para resolver problemas de optimización que se pueden asignar al o al . Aprovecha la tunelización cuántica y las fluctuaciones térmicas para guiar el sistema hacia estados de baja energía que corresponden a buenas soluciones. de recocido cuántico modelo de Ising problema de optimización binaria cuadrática sin restricciones (QUBO) Las computadoras cuánticas se pueden aplicar potencialmente a una amplia gama de problemas de optimización, como la optimización de carteras, la planificación logística, el plegamiento de proteínas y la coloración de gráficos. AlphaFold (derivación de Google DeepMind) ya lo ha aplicado para crear nuevas curas para enfermedades incurables y modelar la creación de nuevos tipos de proteínas. Estos problemas a menudo implican buscar en un amplio espacio de soluciones para encontrar la mejor configuración que optimice un objetivo o satisfaga ciertas restricciones. Al aprovechar el poder del paralelismo cuántico y explorar múltiples soluciones candidatas simultáneamente, las computadoras cuánticas tienen el potencial de acelerar la búsqueda de soluciones óptimas. 3. Criptografía y Comunicación Segura La computación cuántica tiene el potencial de impactar significativamente en el campo de la criptografía, tanto en términos de romper los esquemas criptográficos existentes como de desarrollar nuevos algoritmos criptográficos resistentes a la cuántica. Aquí hay dos aplicaciones principales de la computación cuántica en criptografía: las computadoras cuánticas pueden potencialmente romper ciertos algoritmos criptográficos ampliamente utilizados que se basan en la dificultad de problemas matemáticos específicos. El algoritmo de Shor, por ejemplo, ha demostrado la capacidad de factorizar grandes números de manera eficiente y resolver el problema del logaritmo discreto. Estos problemas constituyen la base de muchos sistemas criptográficos de clave pública, como RSA y Diffie-Hellman. Al resolver de manera eficiente estos problemas matemáticos, las computadoras cuánticas teóricamente podrían romper la seguridad de estos sistemas y comprometer las comunicaciones o los datos encriptados. Romper esquemas criptográficos: a medida que avanza el desarrollo de computadoras cuánticas a gran escala, la necesidad de algoritmos criptográficos que sean resistentes a los ataques de las computadoras cuánticas se vuelve esencial. La criptografía poscuántica (PQC) tiene como objetivo desarrollar algoritmos de cifrado, firma e intercambio de claves que sean seguros contra ataques de computadoras clásicas y cuánticas. Los algoritmos de PQC generalmente se basan en diferentes problemas matemáticos que se cree que son difíciles tanto para las computadoras clásicas como para las cuánticas, como la criptografía basada en celosía, la criptografía basada en código, la criptografía polinomial multivariante y la criptografía basada en hash. Se están realizando esfuerzos de investigación para identificar y estandarizar algoritmos criptográficos resistentes a la cuántica para garantizar la seguridad de la información confidencial en la era poscuántica. Criptografía resistente a la cuántica: 4. Aprendizaje automático e inteligencia artificial Los algoritmos de aprendizaje automático cuántico alcanzarían niveles de sofisticación sin precedentes con 100 000 qubits. La computación cuántica tiene el potencial de impactar en varios aspectos del aprendizaje automático, ofreciendo la posibilidad de resolver ciertos problemas computacionales de manera más eficiente y permitiendo el desarrollo de nuevos algoritmos, tales como: los investigadores han estado explorando el desarrollo de algoritmos de aprendizaje automático cuántico que pueden aprovechar el poder de las computadoras cuánticas para resolver tareas específicas de aprendizaje automático de manera más eficiente. Se han propuesto algoritmos cuánticos, como las máquinas de vectores de soporte cuántico (QSVM), los algoritmos de agrupamiento cuántico y las redes neuronales cuánticas, para abordar problemas como la clasificación, el agrupamiento y el reconocimiento de patrones. Estos algoritmos tienen como objetivo explotar las propiedades únicas de la computación cuántica, como el paralelismo cuántico y la interferencia, para proporcionar potencialmente aceleraciones o un rendimiento mejorado en comparación con los enfoques clásicos de aprendizaje automático. Algoritmos de aprendizaje automático cuántico: las computadoras cuánticas se pueden utilizar para procesar y analizar grandes conjuntos de datos de manera más eficiente. Los algoritmos cuánticos, como la transformada cuántica de Fourier y el análisis de componentes principales cuánticos, pueden ofrecer ventajas en el preprocesamiento de datos, la reducción de la dimensionalidad y las tareas de extracción de características. Estas técnicas pueden ayudar a preparar datos para algoritmos de aprendizaje automático clásicos posteriores o extraer patrones significativos de datos de alta dimensión. Procesamiento y análisis de datos cuánticos: : la optimización es un componente crucial en muchas tareas de aprendizaje automático, como el entrenamiento de redes neuronales o la optimización de hiperparámetros. Los algoritmos de optimización cuántica, como el algoritmo de optimización aproximada cuántica (QAOA) y el recocido cuántico, pueden ofrecer capacidades de optimización mejoradas en comparación con las técnicas de optimización clásicas. Estos algoritmos pueden ayudar a encontrar soluciones óptimas para problemas de optimización complejos que se encuentran en el aprendizaje automático. Optimización mejorada cuántica para el aprendizaje automático la computación cuántica también puede contribuir a mejorar la privacidad de los datos y el aprendizaje seguro. El cifrado homomórfico, una técnica que permite el cálculo de datos cifrados, puede beneficiarse potencialmente del cálculo cuántico, lo que permite cálculos seguros más eficientes. Los protocolos de distribución de claves cuánticas (QKD) proporcionan una forma segura de generar e intercambiar claves criptográficas, lo que garantiza una comunicación segura y protege los modelos y datos confidenciales de aprendizaje automático. Privacidad de datos cuánticos y aprendizaje seguro: 5. Química cuántica y diseño de fármacos La computación cuántica tiene el potencial de revolucionar el descubrimiento de fármacos al acelerar significativamente el proceso y permitir predicciones más precisas. Estos son algunos aspectos clave de cómo la computación cuántica puede afectar el descubrimiento de fármacos: : las computadoras cuánticas tienen el potencial de realizar cálculos complejos mucho más rápido que las computadoras clásicas. Esta ventaja de velocidad puede reducir significativamente el tiempo requerido para diversas tareas computacionales en el descubrimiento de fármacos, como el modelado molecular, la detección virtual y las simulaciones de dinámica molecular. Poder computacional : las computadoras cuánticas pueden simular con mayor precisión las interacciones moleculares al considerar los efectos cuánticos que las computadoras clásicas no pueden manejar de manera eficiente. Esto permite un modelado más preciso de las interacciones fármaco-objetivo, el plegamiento de proteínas y otros procesos moleculares importantes. (Nos referimos a AlphaFold anteriormente) Modelado molecular : la computación cuántica puede mejorar la detección virtual, que es el proceso de evaluación de grandes bases de datos de compuestos para identificar posibles fármacos candidatos. Al aprovechar los algoritmos cuánticos, las computadoras cuánticas pueden explorar un espacio químico más grande y proporcionar predicciones más precisas sobre la afinidad de unión y la actividad de las posibles moléculas de fármacos. Detección virtual : los algoritmos de aprendizaje automático cuántico pueden aprovechar el poder de la computación cuántica para analizar y extraer información de grandes conjuntos de datos biológicos. Esto puede ayudar a identificar patrones, predecir la eficacia de los medicamentos, optimizar las formulaciones de medicamentos y personalizar los planes de tratamiento. Aprendizaje automático cuántico : la computación cuántica se puede utilizar para optimizar candidatos a fármacos resolviendo problemas complejos de optimización. Por ejemplo, puede ayudar a determinar la estructura óptima de una molécula de fármaco o encontrar las vías de síntesis más eficientes. Optimización de candidatos a fármacos : las computadoras cuánticas pueden simular el comportamiento de sistemas cuánticos, como moléculas biológicas complejas o estructuras de proteínas. Estas simulaciones pueden proporcionar información detallada sobre cómo interactúan los medicamentos con sus objetivos, lo que permite a los investigadores diseñar terapias más efectivas y dirigidas. Simulaciones cuánticas 6. Vida artificial cuántica y sistemas complejos La computación cuántica tiene el potencial de contribuir al estudio de la vida artificial y los sistemas complejos de varias maneras. Estos son algunos aspectos clave en los que la computación cuántica puede tener un impacto: : las computadoras cuánticas pueden simular sistemas complejos de manera más eficiente que las computadoras clásicas, lo que permite a los investigadores obtener conocimientos más profundos sobre el comportamiento y la dinámica de la vida artificial y los sistemas complejos. Mediante el modelado de efectos e interacciones cuánticas, las simulaciones cuánticas pueden proporcionar una representación más precisa de la física y la química subyacentes de estos sistemas. Simulación de sistemas complejos : los algoritmos de aprendizaje automático cuántico se pueden aplicar para analizar y comprender sistemas complejos. Las computadoras cuánticas pueden procesar y analizar grandes conjuntos de datos de manera más eficiente, lo que es particularmente valioso para estudiar patrones complejos y comportamientos emergentes en la vida artificial y los sistemas complejos. Las técnicas de aprendizaje automático cuántico pueden ayudar a descubrir correlaciones ocultas, optimizar los parámetros del sistema y hacer predicciones sobre el comportamiento del sistema. Aprendizaje automático cuántico : los sistemas complejos a menudo implican problemas de optimización y búsqueda, como encontrar configuraciones óptimas o buscar patrones dentro de un amplio espacio de parámetros. La computación cuántica puede potencialmente superar a los algoritmos clásicos para resolver estos problemas, ofreciendo soluciones más rápidas y eficientes. Los algoritmos cuánticos, como el recocido cuántico o los algoritmos de optimización de inspiración cuántica, se pueden aplicar para abordar estos desafíos de optimización y búsqueda. Optimización y búsqueda : la computación cuántica puede inspirar el desarrollo de nuevos modelos computacionales para la vida artificial y los sistemas complejos. Los modelos inspirados en la cuántica se inspiran en los fenómenos y principios cuánticos para desarrollar nuevos enfoques para modelar sistemas complejos. Estos modelos pueden capturar los efectos de no linealidad, entrelazamiento y superposición que se encuentran en los sistemas cuánticos, lo que permite una comprensión más matizada de la dinámica y el comportamiento de los sistemas complejos. Exploración de modelos inspirados en la cuántica : los algoritmos cuánticos pueden mejorar el análisis de redes, que es crucial para comprender sistemas complejos caracterizados por entidades interconectadas. Las computadoras cuánticas pueden resolver eficientemente problemas basados en gráficos, como el análisis de centralidad, la agrupación y la detección de comunidades, que son fundamentales para desentrañar la estructura y la dinámica de los sistemas complejos. Análisis de redes 7. Física de altas energías e investigación fundamental La computación cuántica tiene el potencial de impactar significativamente en la investigación fundamental y de alta energía, particularmente en el campo de la teoría cuántica de campos, la física de partículas y la cosmología, tales como: : las computadoras cuánticas pueden simular el comportamiento de las teorías cuánticas de campos con mayor precisión y eficiencia en comparación con las computadoras clásicas. La teoría cuántica de campos describe las interacciones fundamentales de las partículas, y la simulación de estas interacciones puede proporcionar información sobre el comportamiento de las partículas subatómicas y sus interacciones a altas energías. Las simulaciones cuánticas pueden ayudar a estudiar fenómenos como la dispersión de partículas, la descomposición de partículas y la dinámica de las colisiones de partículas. Simulaciones cuánticas de interacciones de partículas : la cromodinámica cuántica es la teoría que describe la fuerza fuerte, que une a los quarks y gluones para formar protones, neutrones y otros hadrones. Lattice QCD es una técnica numérica utilizada para estudiar QCD en una red discreta de espacio-tiempo. Las computadoras cuánticas pueden mejorar potencialmente los cálculos QCD de celosía al aprovechar los algoritmos cuánticos y las simulaciones cuánticas, lo que lleva a predicciones más precisas de las propiedades e interacciones hadrónicas. Cromodinámica cuántica de celosía (QCD) : la investigación fundamental y de alta energía a menudo implica problemas de optimización complejos, como la optimización de diseños de detectores, algoritmos de análisis de datos o estrategias de búsqueda de nuevas partículas o fenómenos. La computación cuántica puede proporcionar soluciones eficientes a estos problemas de optimización a través de algoritmos de optimización de inspiración cuántica, como el recocido cuántico o los algoritmos cuánticos variacionales. Problemas de optimización en el diseño experimental : la computación cuántica puede contribuir al estudio del entrelazamiento y la información cuántica en la investigación fundamental y de alta energía. El entrelazamiento es un concepto fundamental en la mecánica cuántica, y su comprensión es crucial para el estudio de los sistemas cuánticos. Las computadoras cuánticas pueden ayudar a analizar estados entrelazados, correlaciones cuánticas y tareas de procesamiento de información cuántica relevantes para la física de partículas, como la teletransportación cuántica o la corrección de errores cuánticos. Información cuántica y entrelazamiento : la computación cuántica puede ofrecer información sobre el estudio de la gravedad cuántica y el universo primitivo. La unificación de la mecánica cuántica y la relatividad general es uno de los grandes desafíos de la física teórica. Las computadoras cuánticas pueden potencialmente ayudar a explorar modelos de gravedad cuántica, simular la física de los agujeros negros e investigar la naturaleza cuántica del universo primitivo. Gravedad cuántica y cosmología 8. Modelado Financiero y Predicciones Económicas La computación cuántica tiene el potencial de impactar el modelado económico y la predicción financiera de varias maneras. Si bien las computadoras cuánticas aún no son capaces de resolver problemas económicos y financieros complejos del mundo real, la investigación y el desarrollo en curso en el campo están explorando los beneficios potenciales, tales como: : los algoritmos cuánticos pueden proporcionar soluciones más eficientes para los problemas de optimización de cartera. Estos algoritmos pueden explorar un espacio de solución más grande y considerar interacciones más complejas entre activos, lo que da como resultado mejores estrategias de asignación de activos. Las computadoras cuánticas pueden permitir la optimización de grandes carteras con muchos activos, lo que lleva a estrategias de inversión más diversificadas y conscientes del riesgo. Optimización de cartera y asignación de activos : los derivados financieros, como las opciones, pueden implicar cálculos intensivos desde el punto de vista computacional, especialmente cuando se consideran múltiples factores y parámetros de riesgo. Las computadoras cuánticas pueden ofrecer simulaciones más rápidas y precisas de los movimientos de precios de los activos subyacentes, lo que permite modelos de precios de opciones y análisis de riesgos más precisos. Esto puede ayudar a las instituciones financieras y a los inversores a tomar decisiones mejor informadas. Valoración de opciones y análisis de riesgos : la computación cuántica tiene el potencial de acelerar las simulaciones de Monte Carlo, ampliamente utilizadas en el modelado financiero. Las simulaciones de Monte Carlo implican generar múltiples escenarios aleatorios para analizar los posibles resultados. Las computadoras cuánticas pueden acelerar potencialmente estas simulaciones, lo que permite una evaluación de riesgos, precios de derivados y otros cálculos financieros más precisos. Simulaciones de Monte Carlo : los algoritmos de aprendizaje automático cuántico se pueden emplear para analizar grandes volúmenes de datos financieros para la evaluación del riesgo crediticio y la detección de fraudes. Las computadoras cuánticas pueden procesar y analizar datos de manera más eficiente, lo que permite una identificación más rápida y precisa de riesgos crediticios, patrones de fraude y anomalías en las transacciones financieras. Evaluación del riesgo crediticio y detección de fraudes : la computación cuántica también ofrece beneficios potenciales en el área de la ciberseguridad financiera. La criptografía cuántica proporciona métodos de encriptación más sólidos basados en los principios de la mecánica cuántica, lo que ofrece una mayor seguridad para las comunicaciones y las transacciones financieras. Los algoritmos criptográficos resistentes a la cuántica pueden proteger los datos financieros confidenciales de posibles ataques de futuras computadoras cuánticas. Criptografía cuántica y transacciones seguras Conclusión Entonces, ¿qué es la computación cuántica? Una nueva era. Una nueva frontera en la ciencia. Un campo que potencialmente tiene un potencial infinito. Un campo de tesoros increíbles y riqueza intelectual para las mentes lo suficientemente creativas e imaginativas para traerlos a la existencia. Y no, no necesitas saber mecánica cuántica o física cuántica para programar una computadora cuántica. Álgebra lineal, Números complejos, Cálculo vectorial y Optimización: conocimiento suficiente. Sin embargo, si quieres dedicarte a la investigación, te recomendamos que aprendas también mecánica cuántica. Solo para que no te sientas perdido en el éter cuando alguien diga, función de onda. ¿Qué desafíos esperan? ¿Quién será el Einstein de la Computación Cuántica? ¿Alguna vez aprovecharemos con éxito el increíble potencial de la computación cuántica por completo? Si lo hacemos, lograremos maravillas. Mis queridos, queridos amigos: El futuro es cuántico. Y está en Tus Manos. ¡Quantum Research está abierta a cualquier persona interesada! (Evité deliberadamente Quantum AGI porque ese es un tema completo en sí mismo al que dedicaré otro artículo (lo prometo a mis lectores aquí). Pero sepa esto: el cerebro es de naturaleza cuántica. Y, por lo tanto, AGI también tendrá que ser cuántico. ¡en naturaleza! Recordatorio para uno mismo: agregue algo de humor en futuros artículos. ¡La gente realmente podría leerlos, no solo hacer un desplazamiento hacia abajo ultrarrápido solo con el principio y el final, en ese caso!