F\u00edsicos australianos logran la simulaci\u00f3n de computaci\u00f3n cu\u00e1ntica m\u00e1s importante hasta el momento, en un avance espectacular en inform\u00e1tica.<\/p>\n
![\"IBM](\"https:\/\/ep01.epimg.net\/tecnologia\/imagenes\/2017\/03\/06\/actualidad\/1488762376_465834_1488769297_noticia_normal.jpg\")
Si un ordenador cu\u00e1ntico fuese un coche de carreras no ir\u00eda m\u00e1s r\u00e1pido que un F\u00f3rmula Uno, sino que simplemente coger\u00eda un atajo privado para aparecer en la l\u00ednea de meta justo despu\u00e9s del pistoletazo de salida. Y si te acercases para mirar debajo del cap\u00f3 para ver c\u00f3mo funciona, el motor se descompondr\u00eda r\u00e1pidamente hasta quedar en un solo elemento aleatorio, como una buj\u00eda.<\/p>\n
Esto es lo extra\u00f1o del mundo cu\u00e1ntico en el que las leyes normales de la f\u00edsica a nivel at\u00f3mico se vuelven, como dec\u00eda Einstein, \u201craras\u201d.<\/p>\n
Un ordenador cu\u00e1ntico aprovecha la f\u00edsica cu\u00e1ntica para encontrar r\u00e1pidamente la respuesta correcta a un problema analizando cuidadosamente las probabilidades y ajust\u00e1ndolas, mientras que un ordenador cl\u00e1sico consumir\u00e1 tiempo y memoria analizando cada posible respuesta de una en una.<\/p>\n
Pero unos f\u00edsicos de la Universidad de Melbourne han demostrado que los ordenadores cl\u00e1sicos todav\u00eda tienen mucha vida por delante. Los cient\u00edficos\u00a0han establecido un nuevo r\u00e9cord mundial en la simulaci\u00f3n de la potencia cu\u00e1ntica en un ordenador cl\u00e1sico<\/a>, demostrando que este tiene m\u00e1s capacidad para realizar el mon\u00f3tono trabajo de procesar datos cu\u00e1nticos que cualquiera de los prototipos actuales de ordenadores cu\u00e1nticos a peque\u00f1a escala.<\/p>\n La simulaci\u00f3n de lo cu\u00e1ntico para entenderlo<\/strong><\/p>\n Esto significa que los cient\u00edficos tienen una nueva y potente herramienta para captar y entender el estado cu\u00e1ntico y desarrollar\u00a0software<\/em>\u00a0cu\u00e1ntico. En \u00faltima instancia, nos ayudar\u00e1 a entender y a poner a prueba los tipos de problemas para los que se emplear\u00e1 un ordenador cu\u00e1ntico posiblemente m\u00e1s grande, a medida que el\u00a0hardware<\/em>\u00a0cu\u00e1ntico vaya desarroll\u00e1ndose a lo largo de la pr\u00f3xima d\u00e9cada m\u00e1s o menos.<\/p>\n \u201cLa capacidad para simular algoritmos cu\u00e1nticos a este nivel es importante para aprender c\u00f3mo funcionar\u00e1 f\u00edsicamente un ordenador cu\u00e1ntico, c\u00f3mo puede funcionar el\u00a0software<\/em>\u00a0y qu\u00e9 tipo de problemas puede resolver\u201d, explica el profesor Lloyd Hollenberg, titular de la c\u00e1tedra Thomas Baker de la Universidad de Melbourne, que dirige el equipo y es director adjunto del Centro de Computaci\u00f3n Cu\u00e1ntica y Tecnolog\u00eda de Comunicaciones.<\/p>\n Una cuesti\u00f3n de enfoque<\/strong><\/p>\n Los ordenadores cl\u00e1sicos funcionan con bits de programaci\u00f3n, la forma m\u00e1s b\u00e1sica de los datos. Los bits son binarios, es decir son 0 o 1, y se programan para codificar y procesar datos. Pero en un ordenador cu\u00e1ntico, los bits, o c\u00fabits, son objetos mec\u00e1nicos cu\u00e1nticos como los \u00e1tomos. Los estados cu\u00e1nticos tambi\u00e9n pueden ser binarios y se pueden poner en una de las dos posibilidades, o en ambas al mismo tiempo. La superposici\u00f3n cu\u00e1ntica significa que dos c\u00fabits pueden ser, en cierto sentido, las cuatro combinaciones de 0 y 1 al mismo tiempo.<\/p>\n Esa capacidad \u00fanica para procesar datos se ve aumentada todav\u00eda m\u00e1s por el entrelazamiento, en el que el estado de un c\u00fabit cuando se mide determina misteriosamente el estado de otro c\u00fabit.<\/p>\n Una representaci\u00f3n de la computaci\u00f3n cu\u00e1ntica en acci\u00f3n mostrando el \u201cbosque\u201d de diferentes probabilidades que la m\u00e1quina utiliza para guiarla de manera m\u00e1s eficaz hacia la respuesta a un problema. El ejemplo de arriba es una simulaci\u00f3n de un ordenador cu\u00e1ntico que encuentra los factores primos de un n\u00famero usando el Algoritmo de Shor. Foto: Matthew Davis, Gregory White y Aidan Dang<\/p>\n La simulaci\u00f3n de c\u00fabits y sus procesos cu\u00e1nticos, o \u201cprogramas\u201d, en un ordenador cl\u00e1sico son un paso fundamental para entender c\u00f3mo funcionar\u00e1 realmente al final un ordenador cu\u00e1ntico m\u00e1s grande y \u00fatil.<\/p>\n Para sortear este obst\u00e1culo, su equipo dio a la simulaci\u00f3n un problema matem\u00e1tico espec\u00edfico para que lo resolviese. Al ser espec\u00edfico, no necesitaban simular todo el estado cu\u00e1ntico para simular una computaci\u00f3n cu\u00e1ntica a mayor escala en acci\u00f3n.<\/p>\n Imag\u00ednense 1.000 millones de ordenadores port\u00e1tiles<\/strong><\/p>\n Para que se hagan una idea de la enorme capacidad de memoria de la computaci\u00f3n cu\u00e1ntica, uno de los prototipos m\u00e1s grandes,\u00a0la nueva m\u00e1quina de 50 c\u00fabits de IBM<\/a>, en principio podr\u00eda representar simult\u00e1neamente aproximadamente mil billones de combinaciones de n\u00fameros.<\/p>\n Para simular un estado cu\u00e1ntico aleatorio, la m\u00e1quina utilizar\u00eda unos 18 petabytes de memoria inform\u00e1tica cl\u00e1sica, o el equivalente a m\u00e1s de un mill\u00f3n de ordenadores port\u00e1tiles con una RAM de 16 gigabytes.\u00a0Los investigadores de IBM han sido capaces de simular de manera cl\u00e1sica hasta ahora 56 c\u00fabits en estados cuidadosamente elegidos.<\/a><\/p>\n Pero el equipo de Hollenberg ha ido mucho m\u00e1s all\u00e1 y ha simulado el rendimiento de una m\u00e1quina de 60 c\u00fabits, para la que se habr\u00edan necesitado unos 18.000 petabytes, o m\u00e1s de 1.000 millones de ordenadores port\u00e1tiles \u2013 mucho m\u00e1s que el superordenador m\u00e1s grande \u2013 para representar todo el espacio cu\u00e1ntico de n\u00fameros.<\/p>\n \u201cUn estado realmente aleatorio de unos 50 c\u00fabits es m\u00e1s o menos el l\u00edmite que se puede simular actualmente, pero si piensas en un ordenador cu\u00e1ntico haciendo algo \u00fatil como ejecutar un algoritmo, ya no est\u00e1 en un estado cu\u00e1ntico aleatorio, sino en uno espec\u00edfico cuya simulaci\u00f3n puede requerir mucha menos memoria\u201d, se\u00f1ala el profesor Hollenberg.<\/p>\n El superordenador\u00a0Magnus<\/em>\u00a0en el Pawsey Supercomputing Centre en Australia Occidental que los investigadores usan para realizar su simulaci\u00f3n de computaci\u00f3n cu\u00e1ntica. Foto: Pawsey Supercomputing Centre (utilizada con autorizaci\u00f3n)<\/p>\n Aidan Dang, un licenciado en Ciencias por la Universidad de Melbourne, ha realizado y desarrollado la simulaci\u00f3n que ha batido el r\u00e9cord pidi\u00e9ndole que encontrase los dos n\u00fameros primos que cuando se multiplican son iguales al n\u00famero semiprimo 961.307. Un ordenador cu\u00e1ntico har\u00eda el trabajo usando 60 c\u00fabits que utilizasen el Algoritmo de Factorizaci\u00f3n Cu\u00e1ntica formulado por el matem\u00e1tico Peter Shor. Este c\u00e1lculo de la factorizaci\u00f3n se puede hacer en un ordenador port\u00e1til, pero supera el l\u00edmite de lo que los prototipos de ordenadores cu\u00e1nticos actuales pueden resolver. Sin embargo, la simulaci\u00f3n del equipo de Melbourne pudo resolverlo como lo har\u00eda un ordenador cu\u00e1ntico con 60 c\u00fabits usando solo 13,8 terabytes de memoria en el\u00a0superordenador cl\u00e1sico del Pawsey en Australia Occidental<\/a>.<\/p>\n \u201cCasi agotamos todo el tiempo que nos concedieron para la simulaci\u00f3n en el Pawsey Supercomputing Centre, pero lo conseguimos\u201d, se\u00f1ala Dang. \u201cAhora podemos usar los resultados para obtener pistas sobre c\u00f3mo funcionar\u00e1n los primeros ordenadores cu\u00e1nticos a escala real\u201d.<\/p>\n Descifradores de superc\u00f3digos<\/strong><\/p>\n La dificultad de la factorizaci\u00f3n de n\u00fameros semiprimos es clave para la seguridad de Internet, porque cuando se utilizan n\u00fameros grandes con muchos d\u00edgitos es casi imposible que los ordenadores cl\u00e1sicos calculen los factores para descifrar la clave de seguridad.<\/p>\n Un superordenador cl\u00e1sico tardar\u00eda m\u00e1s de una vida entera del universo en descifrar algunos de los c\u00f3digos de seguridad que se usan ahora, pero un ordenador cu\u00e1ntico suficientemente grande ser\u00eda capaz en teor\u00eda de resolver estos problemas.<\/p>\n \u201cLos factores primos de 961.307 se pueden hallar f\u00e1cilmente utilizando un ordenador normal, pero a medida que aumente el tama\u00f1o de los n\u00fameros, se llegar\u00e1 a un punto en el que un ordenador cu\u00e1ntico suficientemente grande ser\u00e1 capaz de superar a cualquier superordenador\u201d, afirma Charles Hill, un f\u00edsico de la Universidad de Melbourne, que forma parte del equipo de desarrollo del simulador cu\u00e1ntico.<\/p>\n \u201cNuestra capacidad para simular grandes sistemas cu\u00e1nticos es una de nuestras principales aportaciones a la investigaci\u00f3n y a la ense\u00f1anza en este campo\u201d, dice Hollenberg. \u201cNos permitir\u00e1 trabajar en el desarrollo y en los est\u00e1ndares de comparaci\u00f3n del\u00a0software<\/em>\u00a0de computaci\u00f3n cu\u00e1ntica y ense\u00f1ar a la gente c\u00f3mo funcionan los ordenadores cu\u00e1nticos\u201d.<\/p>\n Hollenberg se\u00f1ala que los ordenadores cu\u00e1nticos fiables de entre 100 y 1.000 c\u00fabits podr\u00edan tener suficiente potencia para empezar a resolver problemas fuera del alcance de los ordenadores cl\u00e1sicos, y que quiz\u00e1s se construyan dentro de 5 o 10 a\u00f1os.<\/p>\n \u201cLa interconexi\u00f3n de los problemas con la l\u00f3gica de un ordenador cu\u00e1ntico exige una mentalidad y unas t\u00e9cnicas totalmente nuevas. En esta fase inicial, la programaci\u00f3n cu\u00e1ntica depende mucho de los problemas y requiere una formaci\u00f3n especializada”<\/p>\n<\/div>\n<\/div>\n<\/section>\n La simulaci\u00f3n de un proceso cu\u00e1ntico m\u00e1s grande en un ordenador cl\u00e1sico es un paso fundamental para entender c\u00f3mo se podr\u00eda ampliar con el tiempo. En la foto vemos un ejemplo del desarrollo de la computaci\u00f3n cu\u00e1ntica: una trampa i\u00f3nica sobre un chip en el que las part\u00edculas at\u00f3micas cargadas est\u00e1n suspendidas en campos magn\u00e9ticos y el\u00e9ctricos para que sus propiedades cu\u00e1nticas se puedan manipular con l\u00e1seres. Foto: Getty Images<\/p>\n En el futuro, un ordenador cu\u00e1ntico (con errores corregidos) universal a gran escala podr\u00e1 resolver problemas que van desde los modelos complicados para su utilizaci\u00f3n en el desarrollo de medicamentos y la previsi\u00f3n meteorol\u00f3gica, hasta la optimizaci\u00f3n de grandes redes como las redes de transporte, e incluso puede ampliar los l\u00edmites del aprendizaje autom\u00e1tico.<\/p>\n Pero Hollenberg puntualiza que el acceso a las simulaciones de ordenadores cu\u00e1nticos y a las m\u00e1quinas prototipos ser\u00e1 fundamental para prepararnos para el mundo de la inform\u00e1tica cu\u00e1ntica, y complementa el trabajo de Australia centrado en el desarrollo de los equipos.<\/p>\n \u201cLlevamos varios a\u00f1os desarrollando nuestra capacidad de simulaci\u00f3n de ordenadores cu\u00e1nticos, y este resultado se produce en un momento emocionante. Ahora que IBM ha alcanzado la cota de los 50 c\u00fabits bas\u00e1ndose en la tecnolog\u00eda de los superconductores, la capacidad para simular algoritmos cu\u00e1nticos a este nivel y m\u00e1s all\u00e1 de \u00e9l ser\u00e1 crucial para entender el rendimiento y el potencial de las m\u00e1quinas reales.<\/p>\n \u201cEso significa que podemos empezar a interactuar ahora con la industria para saber qu\u00e9 aplicaciones tendr\u00e1 la computaci\u00f3n cu\u00e1ntica y a formar a la primera generaci\u00f3n de programadores cu\u00e1nticos\u201d, a\u00f1ade Hollenberg.<\/p>\n \u201cLa carrera para construir un ordenador cu\u00e1ntico a gran escala con millones de c\u00fabits es una perspectiva a largo plazo, y Australia est\u00e1 bien situada porque se est\u00e1 centrando en desarrollar\u00a0hardware<\/em>\u00a0a base de silicio que podr\u00eda aumentarse hasta este nivel\u201d, explica.<\/p>\n \u201cNaturalmente, se est\u00e1 dando mucho bombo a la computaci\u00f3n cu\u00e1ntica y tenemos que empezar a ir al grano para ense\u00f1ar a la gente lo profundamente diferentes que son los ordenadores cu\u00e1nticos de los ordenadores convencionales, aprender a qu\u00e9 problemas se podr\u00e1n aplicar y el tiempo que podr\u00edamos ganar\u201d.<\/p>\n \u201cLa interconexi\u00f3n de los problemas con la l\u00f3gica de un ordenador cu\u00e1ntico exige una mentalidad y unas t\u00e9cnicas totalmente nuevas. En esta fase inicial, la programaci\u00f3n cu\u00e1ntica depende mucho de los problemas y requiere una formaci\u00f3n especializada. En la Universidad de Melbourne lo hemos tenido en cuenta y en 2018 impartiremos nuestra primera asignatura formal de computaci\u00f3n cu\u00e1ntica que abarcar\u00e1 todos estos aspectos. \u201cB\u00e1sicamente, tanto el mundo acad\u00e9mico como el Gobierno y la industria tienen que estar \u201cpreparados para lo cu\u00e1ntico, porque el desarrollo del\u00a0hardware<\/em>\u00a0a escala mundial se acelera\u201d.<\/p>\n![\"Nuevo](\"https:\/\/ep01.epimg.net\/tecnologia\/imagenes\/2018\/07\/11\/actualidad\/1531328014_940424_1531328569_sumario_normal.jpg\")
El problema es que el uso de t\u00e9cnicas convencionales para simular un proceso cu\u00e1ntico aleatorio que es significativamente m\u00e1s grande que cualquiera de los prototipos cu\u00e1nticos actuales, requerir\u00eda dentro de poco lo que el profesor Hollenberg describe como memoria de \u201cescala planetaria\u201d en un ordenador cl\u00e1sico.<\/p>\nPrepar\u00e1ndonos para un mundo cu\u00e1ntico<\/h3>\n
\n\n