Scientific applications of quantum computing: challenges and opportunities

Durante siglos, la historia del progreso humano ha sido escrita en los materiales que creamos. Desde los pigmentos que colorearon nuestro arte más temprano hasta los catalizadores que impulsan nuestras industrias modernas, nuestra capacidad para dar forma al mundo ha dependido de un ciclo de ensayo y error, seguido de teoría y, finalmente, predicción. Hoy en día, los científicos utilizan potentes computadoras para simular cómo se comportan los átomos, lo que les permite diseñar nuevos fármacos, metales más fuertes y baterías más eficientes antes de mezclar un solo producto químico en un laboratorio. Estas simulaciones funcionan resolviendo las ecuaciones que gobiernan cómo se mueven e interactúan los electrones. Sin embargo, existe un límite obstinado en qué tan bien pueden estas computadoras clásicas predecir el futuro. Cuando los átomos forman enlaces complejos o existen en estados excitados de alta energía, las matemáticas se vuelven tan enredadas que incluso las supercomputadoras más avanzadas deben recurrir a aproximaciones. Estos atajos funcionan bien para casos simples, pero a menudo fallan cuando la precisión es más necesaria, dejando a los científicos adivinando sobre la estabilidad de un nuevo material o la velocidad de una reacción química.

Un grupo de investigadores de universidades y laboratorios de todo el Reino Unido se ha reunido para plantear una pregunta crítica: ¿puede un nuevo tipo de computadora, una que utilice las extrañas leyes de la mecánica cuántica para resolver problemas, romper finalmente esta barrera? Su respuesta es una evaluación cuidadosa y fundamentada de dónde se encuentra esta tecnología hoy en día y hacia dónde podría dirigirse. Argumentan que, si bien la promesa de la computación cuántica es real, no reemplazará simplemente a las computadoras clásicas que usamos ahora. En cambio, el camino más valioso hacia adelante implica una asociación. En este nuevo flujo de trabajo, las computadoras cuánticas actuarían como herramientas altamente especializadas, interviniendo solo para resolver las partes más específicas y difíciles de un problema que las máquinas clásicas no pueden manejar, mientras que el resto del trabajo permanece con los métodos establecidos.

Los investigadores comienzan reconociendo el estado actual del campo. Aún no estamos en un punto en el que una computadora cuántica pueda resolver un problema químico completo por sí sola. Los dispositivos disponibles hoy en día siguen siendo "ruidosos", lo que significa que son propensos a errores y solo pueden contener una pequeña cantidad de información a la vez. Debido a esto, el equipo sugiere que el futuro inmediato reside en enfoques "híbridos". Imagine un sistema químico complejo, como una enzima dentro de una célula viva o un catalizador en una fábrica. La parte más difícil de simular este sistema es a menudo solo una región pequeña y activa donde los enlaces se rompen y se forman. Los autores proponen utilizar una computadora cuántica para calcular el comportamiento de esta zona pequeña y crítica con extrema precisión, mientras una computadora clásica maneja el resto del sistema masivo. Este método, conocido como incrustación (embedding), permite a los científicos obtener la alta precisión que necesitan sin requerir que una máquina cuántica sea lo suficientemente grande como para simñar el mundo entero a la vez.

El artículo distingue cuidadosamente entre diferentes tipos de problemas y los diferentes estadios de la tecnología cuántica necesarios para resolverlos. Para tareas como predecir la energía de una molécula o el color de un material, los métodos más precisos probablemente requerirán computadoras cuánticas "tolerantes a fallos". Estas son máquinas que pueden corregir sus propios errores, una tecnología que aún se encuentra en fases experimentales tempranas y no está ampliamente disponible. Sin embargo, los autores sugieren que no necesitamos esperar a estas máquinas perfectas para empezar a realizar un trabajo útil. Para ciertos tipos de desafíos, como buscar entre millones de posibles arreglos de átomos para encontrar la estructura más estable, los dispositivos actuales ya podrían ofrecer una ventaja. Estos problemas son como buscar una aguja específica en un enorme pajar; los algoritmos cuánticos pueden explorar muchas posibilidades simultáneamente, encontrando potencialmente la mejor solución más rápido de lo que una computadora clásica podría hacerlo.

Los investigadores se centran particularmente en las realidades prácticas de integrar estas máquinas en el trabajo científico real. Advierten contra el bombo publicitario (hype) que a menudo rodea a las nuevas tecnologías. Un cálculo cuántico solo es valioso si produce un resultado que sea más preciso o confiable de lo que una computadora clásica puede proporcionar, incluso después de contabilizar el tiempo y la energía requeridos para configurar el experimento, ejecutar el cálculo y procesar los datos. El equipo enfatiza que el objetivo no es demostrar que las computadoras cuánticas existen, sino demostrar que pueden reducir la incertidumbre en las predicciones científicas. Si un dispositivo cuántico puede decirle a un químico con mayor confianza que un nuevo material para baterías será estable, o que un fármaco se unirá a un virus, entonces ha cumplido su propósito.

En el ámbito de la ciencia de materiales, el artículo destaca la dificultad de descubrir nuevos compuestos. Históricamente, este ha sido un proceso de intuición y experimentación de alto rendimiento, donde los científicos prueban miles de candidatos para encontrar los pocos que funcionan. Si bien el aprendizaje automático ha ayudado a acelerar esto, todavía depende de datos generados por simulaciones clásicas que pueden tener inexactitudes inherentes. Los autores sugieren que la computación cuántica podría proporcionar los datos de alta calidad necesarios para entrenar estos modelos de aprendizaje automático o buscar directamente a través de espacios químicos complejos para encontrar estructuras que los métodos clásicos podrían pasar por alto. Esto es especialmente relevante para sistemas que son desordenados o que contienen muchos elementos diferentes, donde el número de posibles arreglos es demasiado vasto para que los métodos tradicionales los exploren a fondo.

Para la bioquímica, los desafíos son aún mayores porque los sistemas biológicos son grandes, desordenados y están en constante movimiento. Simular una sola proteína a menudo requiere rastrear cientos de miles de átomos, una tarea que lleva al límite incluso a las computadoras más rápidas. El artículo sostiene que una simulación cuántica completa de una célula viva no es un objetivo realista para el futuro cercano. En cambio, la aplicación más práctica será utilizar las computadoras cuánticas para estudiar las reacciones químicas específicas que ocurren dentro de las enzimas. Al tratar estos sitios reactivos pequeños con precisión cuántica y el entorno circundante con métodos clásicos, los científicos podrían obtener una comprensión más profunda de cómo funciona la vida a nivel molecular. Esto podría conducir a mejores diseños de fármacos y una imagen más clara de cómo se desarrollan las enfermedades.

Los autores también abordan el hardware en sí, señalando que existen varias tecnologías en competencia, desde circuitos superconductores hasta iones atrapados y átomos neutros. Cada una tiene sus propias fortalezas y debilidades, y es demasiado pronto para decir cuál dominará. Lo que importa más que el tipo específico de máquina es qué tan bien puede integrarse en el ecosistema existente de la computación científica. Los investigadores señalan que las velocidades de reloj de los procesadores cuánticos son actualmente mucho más lentas que las de las computadoras clásicas, y la forma en que los datos se almacenan y se mueven entre ellas es un obstáculo importante. Resolver estos problemas de ingeniería es tan importante como mejorar los propios algoritmos cuánticos.

En última instancia, el artículo sirve como una hoja de ruta para una transición realista. Sugiere que el campo debe alejarse de las demostraciones aisladas que muestran la capacidad de una computadora cuántica para resolver un problema trivial (toy problem) y avanzar hacia flujos de trabajo integrados que resuelvan preguntas científicas reales. El valor de la computación cuántica se medirá por su capacidad para reducir los márgenes de error en las predicciones científicas. Si puede decirnos con más certeza qué tan rápido ocurrirá una reacción, o qué tan estable será un nuevo material, entonces habrá ganado su lugar en el laboratorio. El viaje por delante es largo y la tecnología aún está madurando, pero el camino a seguir es claro: un futuro colaborativo donde las computadoras cuánticas y clásicas trabajen juntas para desentrañar los secretos del mundo material.