Muchos expertos creen que una vez que las computadoras cuánticas sean lo suficientemente grandes y confiables para resolver problemas útiles, la arquitectura de implementación más común será hacer que sirvan como aceleradores para supercomputadoras. Ya se han desarrollado varios algoritmos para ejecutarse en esta arquitectura, incluido el más famoso: el algoritmo de Shors, que algún día descifrará muchos de los criptosistemas de clave pública actuales. Para experimentar con este sistema en Finlandia, el Centro Finlandés de Investigación Técnica (VTT) cooperó con CSC, que maneja LUMI, la supercomputadora más rápida de Europa. VTT y CSC han estado conectando computadoras cuánticas cada vez más grandes a LUMI para permitir a los usuarios experimentar con algoritmos que aprovecharán al máximo ambos tipos de computadoras. La computadora clásica almacena la mayoría de los datos y ejecuta la mayoría de los pasos del algoritmo, pasando otros pasos a la computadora cuántica y luego leyendo los resultados. La primera computadora cuántica de VTT se completó en 2021 y utilizó 5 qubits. Luego actualizaron a 20 qubits el año pasado y apuntan a 50 qubits para fines de 2024. Universidades y organizaciones de investigación ya han comenzado a utilizar el servicio híbrido para resolver problemas triviales. «Esto es una especie de ensayo para el futuro», afirma Ville Kotovirta, líder del equipo VTT que desarrolla algoritmos y software cuánticos. “Permite a las personas que desarrollan algoritmos de supercomputación comenzar a pensar en lo que podrán hacer cuando una computadora cuántica más grande funcione junto con una computadora clásica. Pueden utilizar el servicio existente para practicar algoritmos de escritura”. «Fuimos los primeros en implementar la configuración híbrida en Europa, pero otros nos han seguido», afirma Kotovirta. En junio de 2023, la empresa conjunta europea HPC aceptó otros seis proyectos para construir arquitecturas similares. Estarán en Chequia, Francia, Alemania, Italia, Polonia y España. Desarrollo de nuevas clases de algoritmos Kotovirta es responsable de la investigación en algoritmos cuánticos y del desarrollo de software para permitir el acceso a la computación cuántica de VTT. Parte de su trabajo es contratar nuevos talentos, lo cual, según él, no es fácil. Algunos de los estudiantes graduados que ya se encuentran en Finlandia están interesados ​​en la computación cuántica, pero no tienen experiencia en el mundo real. Las personas que tienen experiencia laboral en Finlandia ya tienen un trabajo en algún otro lugar del ecosistema, y ​​la gente de fuera de Finlandia duda en mudarse a un clima frío. Dicho esto, algunos de los forasteros están lo suficientemente impresionados con el ecosistema finlandés como para superar las preocupaciones que puedan tener sobre el clima. «Todos estamos aprendiendo porque es un campo nuevo y cambia todo el tiempo», dice Kotovirta. “Hay nuevos inventos, nuevas plataformas, nuevos dispositivos, nuevos algoritmos y nuevas formas de programación. Para mantenernos al día, intentamos contratar matemáticos, físicos e informáticos”. El equipo de Kotovirta está desarrollando varios tipos de algoritmos para arquitecturas híbridas. Uno es un conjunto de problemas de optimización, llamado optimización binaria cuadrádica sin restricciones (QUBO), que se puede resolver mediante recocido cuántico o algoritmos de optimización cuántica aproximada (QAOA). «Hemos creado algoritmos cuánticos para analizar datos gráficos e identificar la estructura comunitaria de las redes», dice. «Los datos provienen de redes complejas, como sistemas de redes tecnológicas o biológicas». El equipo también está desarrollando algoritmos para química cuántica, centrándose en reducir la complejidad de un hamiltoniano molecular para mejorar las simulaciones de moléculas. De igual forma, están trabajando en biología sintética, donde generan nuevas proteínas, con ciertas características deseables. Otra área de interés es el aprendizaje automático cuántico, especialmente el aprendizaje automático generativo cuántico, modelos que aprenden de los datos existentes para producir muestras novedosas. «La mayoría de la gente ha oído hablar de la IA generativa en el contexto de la ‘IA falsa’, donde se utiliza para crear imágenes, texto y sonido», dice Kotovirta. “Estas mismas técnicas se pueden aplicar a la ciencia, aprendiendo de algo que ya existe para crear algo nuevo. Estamos encontrando formas de mejorar estas técnicas con computación cuántica para generar nuevas proteínas”. Posicionar al país para un futuro cuántico “La parte más difícil es demostrar que las máquinas cuánticas tienen ventajas sobre sus contrapartes clásicas”, dice Kotovirta. “Las computadoras cuánticas actuales son computadoras reales y pueden realizar cálculos reales y resolver problemas reales. “En ese sentido, ya están haciendo cosas útiles, pero el problema es que los tamaños son muy pequeños, porque los sistemas actuales son ineficientes en comparación con sus homólogos clásicos. Para que las computadoras cuánticas resuelvan algo de manera más eficiente que las clásicas, las fidelidades deben mejorar”. La fidelidad se refiere a la tasa de éxito de una sola operación en una computadora cuántica. Cuanto mayores sean las fidelidades, mejor será la tasa de éxito del cálculo general. Actualmente estamos en una era de ruidosos dispositivos cuánticos de escala intermedia (NISQ), que ya han demostrado que los dispositivos cuánticos pueden simular cosas que las computadoras clásicas luchan por simular. Sin embargo, hasta ahora los resultados son tan triviales que no resuelven problemas reales. «A medida que mejoran las fidelidades, nos acercamos a la era de los algoritmos a escala de servicios públicos, la computación cuántica a escala de servicios públicos», dice Kotovirta. “Esto sucederá cuando las fidelidades sean lo suficientemente buenas como para ejecutar ciertos algoritmos diseñados para la topología del dispositivo que estás utilizando. Eso nos dará resultados que las computadoras clásicas no pueden replicar, pero sólo para casos de uso muy específicos”. Estos algoritmos podrían utilizarse para simular sistemas cuánticos relacionados, por ejemplo, con las ciencias de los materiales o la química. Aunque no se puede reclamar una ventaja cuántica general, para esos casos de uso específicos se puede demostrar una ventaja. La estrategia de Finlandia es marcar la diferencia en el escenario mundial a través de casos de uso en los que se puede lograr una ventaja cuántica en un futuro no muy lejano. No es fácil para los países más pequeños competir con economías más grandes. Sin embargo, les es posible encontrar un nicho que les permita contribuir activamente a escala global en una o más áreas específicas. «En ese sentido, estamos haciendo lo correcto», afirma. «Con suerte, continuaremos haciéndolo en el futuro».