¿Y si el ‘machine learning’ diese el salto cuántico?

La computación cuántica llegó a la vida de Alba Cervera así, sin avisar. Estudiaba el primer curso de Física en la Universidad de Barcelona y, a raíz del Plan Bolonia, se topó con una asignatura nueva titulada Teoría de la información cuántica y clásica. No dudó en apuntarse. Ahí, en una clase de solo siete alumnos, la joven sintió la llamada de la disciplina que marcaría su carrera profesional (y personal).

Hoy, Cervera desarrolla su investigación en uno de los centros de referencia mundial en computación cuántica. En la Universidad de Toronto, dentro del grupo Matterlab, dirigido por el reconocido Alán Aspuru-Guzik, la científica española avanza en los llamados algoritmos híbridos con un objetivo: elevar el machine learning (rama de la inteligencia artificial) al nivel cuántico.

La historia de esta investigadora catalana es, en realidad, una historia de perseverancia y pasión. Tras ‘enamorarse’ del mundo cuántico, cursó el Máster en Astrofísica, Física de Partículas y Cosmología de la Universidad de Barcelona. No fue suficiente, ella quería investigar en información cuántica. El doctorado se perfilaba como la mejor opción, pero le denegaron las becas que había solicitado. "Me la jugué", recuerda durante su entrevista con INNOVADORES. Se costeó ella misma el primer año del doctorado con la promesa de que si 12 meses después no había conseguido un sueldo, lo dejaba. 

Aquello nunca sucedió, tras una estancia en la Universidad de Oxford, el Barcelona Supercomputing Center formó un grupo especializado en computación cuántica y contó con Cervera en el equipo. Ya con un sueldo, la investigadora terminó su tesis, que fue un "batiburrillo" de lo aprendido esos años, y llamó la atención de la Universidad de Toronto, que, tras una entrevista, la contrató. "Fue muy rápido y fácil".

Cierto es que, desde hace un año, el nombre de Cervera corre como la pólvora entre los círculos de la computación cuántica mundial. Y todo gracias al gigante IBM. Para explicar este éxito, la joven recurre a la historia de esta disciplina: aunque existe desde los años 80, en aquel entonces resultaba imposible fabricar un ordenador con piezas cuánticas que pudiese demostrar a nivel experimental la teoría. En los 90, el interés aún fue mayor porque la comunidad científica se dio cuenta de que los cálculos cuánticos se podían extrapolar a otras áreas más allá de los materiales, como son los problemas matemáticos. Aun así, no existían experimentos avanzados. 

En 2007, la empresa canadiense D-Wave Systems anunció que había creado un ordenador cuántico de 1.000 cúbits (la unidad de medida cuántica). "Abrió la puerta a que otras empresas se planteasen invertir en computación cuántica", explica. Poco después, gigantes tecnológicos como IBM, Google, Intel o Microsoft anunciaron sus respectivos movimientos en la materia. 

En 2015, ya había varios prototipos de ordenadores. IBM marcó la diferencia al abrir su tecnología al público, creando una interfaz que permitía a cualquier investigador usar su ordenador cuántico, que entonces tenía cinco cúbits. Otras empresas les siguieron. ¿Por qué? "Porque muy poca gente sabe qué hacer con un ordenador cuántico, todos nos beneficiamos".

En ese contexto, en 2018, se lanzaron los IBM Awards. La multinacional quería reconocer los mejores usos de su tecnología. Y Cervera obtuvo el primer premio mundial. Ella trabajaba en un algoritmo cuántico que simulaba espines (microimanes) y el jurado reconoció que usase una fórmula que, aunque ya se conocía a nivel teórico, no se había implementado antes y "había pasado un poco desapercibida".

¿A qué se dedica ahora Cervera? Podría decirse que a reducir la ‘imperfección’ de los ordenadores cuánticos y encontrar futuras aplicaciones. "El problema es que estos ordenadores son ruidosos, es decir, cuando se implementa una operación lógica, el resultado final no es exactamente el esperado", comenta. Hasta que se puedan usar códigos de corrección de errores (que ahora no son inviables porque necesitan muchos cúbits), la única solución pasa por "pensar algoritmos que tengan en cuenta que el resultado final no es perfecto". Son los llamados algoritmos híbridos o aplicacionales, que combinan el mundo cuántico con la computación tradicional. "Se trata de coger lo mejor de los dos mundos y juntarlo". 

Imaginar las aplicaciones de este enfoque es abrumador. En concreto, el trabajo de Cervera se centra ahora en demostrar que una de las tecnologías de mayor impacto hoy y con más recorrido de futuro, el machine learning, pueda dar el salto cuántico. Se llama quantum machine learning (aprendizaje automático cuántico). "Trato de encontrar la analogía del machine learning al mundo cuántico". En concreto, está intentando crear un clasificador de datos con un cúbit. "Usamos la misma base de una red neuronal, pero en vez de funciones matemáticas, tenemos un cúbit", explica. "Son pruebas de concepto, experimentos simples, pero si se consigue con un cúbit, cuando tengamos mil seremos capaces de hacer cosas más potentes", afirma. 

Las ventajas de llevar la inteligencia artificial a la computación cuántica se pueden resumir en dos. Primero, permite resolver problemas que con un ordenador normal es imposible y, segundo, puede resolver un mismo problema con menos operaciones. "Ese es el principal problema de la computación de hoy, su consumo de energía, pero la cuántica es más eficiente a nivel energético". Cervera investiga si, en clasificación de datos, es posible sustituir algoritmos por unos pocos cúbits y, si es así, qué ventaja se obtiene.