La informática tal y como la conocemos puede estar a punto de cambiar para siempre. Afortunadamente no hablamos de la informática doméstica o de nuestros ordenadores, sino de aquellos centros que procesan cantidades ingentes de información. La carrera de los ordenadores cuánticos ha comenzado y estos tienen el potencial de revolucionar el modo en el que nos enfrentamos a los problemas actuales. Con los gigantes de la informática como IBM, Google y Microsoft apostando por una tecnología que parece sacada de la ciencia ficción, este futuro cuántico cada vez está más cerca.
Los ordenadores cuánticos están basados en los qubits y nos prometen que, aplicando los principios de la física cuántica, será posible resolver problemas muy complejos de forma más rápida. Ahora bien, un ordenador cuántico no funciona por sí solo, sino que necesita de algoritmos, una suerte de programas que le indiquen cómo enfrentarse a los desafíos que les van a proponer. Esta rama que aúna informática, física experimental y física teórica se denomina algoritmia cuántica, y es un campo relativamente nuevo y fascinante por sus posibilidades.
Gracias a la algoritmia cuántica, se podrá reducir el tiempo de computación de ciertas operaciones desde cientos o miles de años a unos pocos minutos, proporcionando así respuestas a problemas que actualmente son irresolubles por limitaciones de nuestra maquinaria. Pero esta capacidad también supone ciertos retos. Gran parte del sistema criptográfico actual, es decir, de la base que permite que nuestras contraseñas informáticas sean seguras, depende de estas limitaciones. Con esta enorme capacidad para la computación del futuro, la carrera por la algoritmia cuántica está servida.
POR DENTRO. El beneficio de la probabilidad para optimizar decisiones
La palabra algoritmo está cada vez más presente en nuestro día a día. Se habla de algoritmos que controlan lo que vemos y lo que oímos en las plataformas sociales, así como de algoritmos que aprenden con base en nuestras preferencias. El algoritmo se asemeja a aquellos oráculos de la antigüedad que ofrecían respuestas ante cualquier pregunta, pero a su vez infundían temor y un proceso nada claro. Por ello, entre todo este ruido algorítmico, en ocasiones conviene tratar de andar antes de correr y comenzar por plantearnos las preguntas más básicas. Por tanto, ¿qué es un algoritmo?
Un algoritmo no es más que un conjunto de instrucciones para llegar a un resultado[i]. En la vida real encontramos algoritmos en todo lo que hacemos. Por ejemplo, accionar el interruptor para encender una luz es un algoritmo, seguir una receta de cocina es un algoritmo, o apretar ciertos botones en el mando a distancia para ver la serie del momento también es otro algoritmo. Por tanto, los algoritmos son una parte intrínseca de nuestra vida, aquellos pasos que seguimos para llegar a un fin.
Cuando hablamos de algoritmos en computación[ii] la idea es la misma: seguir una serie de pasos para hallar el resultado de un problema. Aunque en estos casos, el algoritmo requiere de cientos o miles de operaciones matemáticas que el ordenador resuelve a una velocidad pasmosa. Estas operaciones ocurren mediante el denominado “código binario”, es decir, largas secuencias de dígitos que únicamente pueden presentarse como 0 o 1. Las largas secuencias de código binario resultante son traducidas posteriormente mediante los distintos lenguajes de programación a mensajes que los humanos podemos entender.
Así, algoritmos computacionales son los que, por ejemplo, permiten escribir este texto. De forma simplificada, cada vez que apretamos una tecla se genera una corriente eléctrica en un circuito. Dependiendo de la tecla que haya sido pulsada, un microcontrolador transformará esta información eléctrica en un número binario único, que enviará al ordenador. El ordenador interpretará la secuencia de 0 y 1 y, gracias a su sistema operativo y al programa de edición de texto, mostrará en la pantalla la letra indicada encendiendo o apagando ciertos píxeles. Con los ordenadores modernos, este proceso ocurre de forma prácticamente instantánea, ya que son capaces de operar a una velocidad colosal. Cuanta más potencia, pueden realizar operaciones más rápidamente, lo que se traduce en unas mayores capacidades de análisis de datos.
Con estos mismos principios, supercomputadores como el MareNostrum de Barcelona[iii] pueden manejar 314.000 millones de operaciones por segundo, una potencia equivalente a 380.000 ordenadores portátiles caseros. Así, los científicos analizan millones de operaciones con las que hacen descubrimientos en temas tan variados como el descubrimiento de exoplanetas o la lucha contra el cáncer.
Pero en la computación cuántica esta propiedad fundamental de la informática cambia. Los ordenadores cuánticos no funcionan con bits, sino mediante qubits. Estas piezas de información pueden actuar como bits normales y tener un valor de 0 o 1, pero gracias a la mecánica cuántica también pueden encontrarse en un estado de superposición. Es decir, pueden valer tanto 0 como 1 hasta que se mida su estado.
Esta idea parte de los años 80. Pioneros de la mecánica cuántica como el físico estadounidense Richard Feynman predijeron que los ordenadores basados en la física cuántica podrían ser clave para simular otros sistemas cuánticos, una tarea muy compleja para la computación clásica. Por ello, en 1985, David Deutsch formuló el concepto de máquina de Turing cuántica universal[iv], lo que supuso una nueva base de trabajo para los algoritmos cuánticos.
Para comprender esto, imaginemos una cinta que está dividida en celdas y cada una tiene un símbolo. Algo similar a las cintas de negativos de las antiguas cámaras fotográficas. En una máquina de Turing, en vez de fotografías, cada celda tiene un símbolo, como un 1 o un 0. Un cabezal lee esa cinta y, según lo que lee, se le da una instrucción u otra. Esta instrucción puede ser cambiar el 1 por un 0 o viceversa, no tocar nada, moverse a una sección, o pasar a una nueva instrucción. Con esta máquina hipotética, Turing demostró que se pueden realizar cálculos matemáticos mediante un conjunto simple de reglas. La máquina de Turing cuántica universal de Deutsch se rige por los mismos principios, pero las reglas básicas están sustituidas por ecuaciones de Schrödinger, los símbolos por una secuencia de estados cuánticos simples y el cabezal por una interacción cuántica capaz de leer o restablecer el valor del espín del estado cuántico.
El problema de este mecanismo es que no aprovecha todo el potencial de la mecánica cuántica ya que, al medir el valor del espín, el estado de superposición colapsa y queda fijado como 0 o como 1. Como estos conceptos son extremadamente complejos y poco intuitivos, pensemos que lo importante de la teoría de Deutsch es que, al igual que la máquina de Turing permitía sentar las bases de la algoritmia (y por tanto la computación) clásica, la máquina de Turing cuántica allanaba el camino a la hora de formular algoritmos cuánticos. Gracias a este avance, en los años 90 comenzaron a aparecer los primeros algoritmos cuánticos. En ellos, se demostraba que un ordenador cuántico podría ser más eficiente que los clásicos en resolver ciertos problemas. Pero ¿ por qué?
Como los algoritmos cuánticos parten de una base fundamentalmente diferente, tienen otras formas de llegar a una solución de un problema. Como veíamos con la máquina de Turing, un algoritmo clásico es una secuencia que seguirá una serie de pautas y siempre que el estado inicial y las órdenes sean las mismas, producirá el mismo resultado. Es decir, en un ordenador normal, siempre que hagamos una operación matemática nos dará el resultado de forma consistente. En cambio, en un algoritmo cuántico, el estado de los qubits interfiere en el resultado y, por tanto, suele ser probabilístico. Por ello, hay que ejecutar el algoritmo varias veces para que la confianza del resultado sea mayor.
Con esto en mente, el matemático Peter Shor desarrolló el Algoritmo de Shor en 1994. Este algoritmo es capaz de resolver la factorización de números enteros, es decir, de encontrar si se puede descomponer en números más pequeños o si se trata de un número primo. En caso de números pequeños, como puede ser el 10 (2×5) esta tarea es sencilla, pero en números primos con millones de dígitos los cálculos se complican y en un ordenador clásico se eternizan. Debido al sistema criptográfico RSA, de esta dificultad de cálculo depende la seguridad de las contraseñas que utilizamos en nuestros ordenadores.
Cuando enviamos un mensaje cifrado, como sucede con las apps de mensajería instantánea, tenemos dos claves: una pública y una privada. Cuando enviamos un mensaje a una persona, el emisor busca la clave del receptor, que suele ser un número primo grande, y cifra el mensaje empleando esa clave. Una vez el mensaje llega a la persona de interés, esta puede descifrar el mensaje empleando su clave privada, otro número primo grande. En el caso de que el mensaje llegase a otra persona, al no disponer de la clave privada únicamente podría leer un galimatías sin sentido. Para desencriptar el sistema, el hacker en cuestión tendría que saber qué dos números primos se han utilizado para encriptar el mensaje y para ello, necesitaría realizar operaciones que podrían durar miles de años. Pero con el Algoritmo de Shor, el tiempo se reduce de forma sustancial. Por tanto, de aplicarse en un ordenador cuántico implicaría que este sistema criptográfico se volvería inseguro.
Sin embargo, los ordenadores cuánticos todavía no se encuentran suficientemente avanzados como para resolver este tipo de ecuaciones de forma que vuelvan el sistema RSA obsoleto. Ahora bien, es un riesgo que vale la pena tener en cuenta para un futuro, porque la computación cuántica está avanzando rápidamente durante esta última década.
Más adelante, en 1996, Lov Grover desarrolló un algoritmo[v] que era capaz de buscar en una base de datos de forma cuadráticamente más rápida que los algoritmos tradicionales. De aplicar su método, las inteligencias artificiales basadas en machine learning podrían volverse más eficientes. Por poner un ejemplo, empleando este algoritmo cuántico se podría avanzar enormemente en el área de la Inteligencia artificial para la salud. Gracias a este algoritmo, los sistemas automáticos de reconocimiento de patologías en escáneres o rayos X podrían mejorar sustancialmente.
Más adelante se han desarrollado otros algoritmos tanto puramente cuánticos, como híbridos, que permiten llevar a cabo ciertas tareas importantes para la ciencia, como el cálculo de la energía mínima de moléculas, o problemas combinatorios para hallar la ruta más rápida entre dos puntos. Sin embargo, todo esto se realizaba de forma teórica, sin llegar a materializarlo en un ordenador cuántico real.
No fue hasta 2019 cuando Google anunció la supremacía cuántica. Es decir, logró utilizar un algoritmo cuántico en un ordenador cuántico de 53 qubits para resolver un problema. Se estima que un superordenador promedio habría tardado miles de años en llevar a cabo el cálculo, pero a este pequeño ordenador le costó únicamente 200 segundos. Desde entonces, otras compañías han desarrollado o simulado ordenadores cuánticos para resolver problemas.
En la actualidad, varias compañías están invirtiendo importantes sumas de dinero y recursos en la creación de ordenadores cuánticos con un mayor número de qubits. Los gigantes de la tecnología, como IBM, Microsoft y Google se encuentran en una auténtica carrera para lograr el ordenador[U1] cuántico más potente hasta la fecha, y están explorando los límites físicos para lograrlo.
Los mayores problemas que están encontrando surgen a la hora de asegurar que los resultados que se extraen al aplicar los algoritmos son correctos, ya que la fundamentación probabilística de la computación cuántica tiene ese problema intrínseco. Por ello, gran parte de los qubits físicos que tiene un ordenador cuántico han de ser utilizados para proteger de errores y ofrecer estabilidad y consistencia a aquellos que están haciendo el cálculo. Según uno de los últimos métodos de corrección de errores, llamado código Gröss, para cada qubit lógico estable se necesitan decenas de qubits físicos. Concretamente, para proteger 12 qubits lógicos durante 1 millón de operaciones se necesitan 288 qubits físicos[vi].
Esto puede suponer un gran problema en el escalado de los ordenadores cuánticos, pero se espera que, con el desarrollo de nuevos algoritmos, se vayan encontrando soluciones más prácticas.
La algoritmia cuántica es un área de investigación que puede revolucionar la capacidad de computación actual y sus posibilidades. Con una creciente necesidad de análisis masivo de datos, la algoritmia cuántica es un salvoconducto para lograr obtener resultados de forma prácticamente instantánea. De este modo, se espera que la algoritmia cuántica revolucione sectores como la salud, la ciencia climática, la física, y las ciencias informáticas. Aunque tiene ciertas limitaciones, puesto que se ha demostrado que, por mucho que se consiga avanzar, no podrá resolver problemas irresolubles, su estudio es muy interesante para lograr analizar datos de forma más eficiente.
En la actualidad, el desarrollo de esta tecnología sólo está al alcance de las mayores empresas tecnológicas, puesto que requieren de enormes recursos para su puesta a punto. Pero el talento capaz de comprender cómo materializar el mundo cuántico y emplear sus capacidades en el mundo real se encuentra repartido por todo el globo.
EN ACCIÓN. La cuántica llega primero en forma de algoritmos
Si bien el hardware cuántico es el que suele acaparar más titulares en los medios de comunicación, es el software cuántico el que ha avanzado notablemente en tan solo unos años. El volumen de información susceptible de ser procesada aumenta a ritmo exponencial y la presión para que la forma de operar en todos los ámbitos, públicos y privados, sea sostenible desde todos los puntos de vista, incluidos el medioambiental y el social[vii], es cada vez mayor.
El reciente Pacto Climático de Glasgow podría considerarse una fuente de infinidad de problemas de optimización para la informática, por ejemplo. Impulsa la expansión continua de parques de generación eléctrica fotovoltaica y eólica y eso incrementa el número de variables en la red energética. Conforme aumenta el nivel de complejidad del suministro energético, en plena confluencia de distintas revoluciones tecnológicas, crece el desafío para los ordenadores actuales en materia de sostenibilidad. La sociedad les pide soluciones a corto plazo, pero los recursos energéticos son limitados y en algún momento pueden no escalar. Las tecnologías de la segunda revolución cuántica están apareciendo como una tercera vía para resolver este aparente conflicto entre desarrollo tecnológico, respeto al medio ambiente y lucha contra el cambio climático.
En el ámbito del hardware, la era actual de la computación cuántica se conoce por las siglas NISQ (computación cuántica de escala intermedia ruidosa) y se caracteriza por dispositivos con un número todavía limitado de qubits y sujetos a altos niveles de ruido y de errores. Los sistemas cuánticos no pueden manejar conjuntos de datos muy grandes y de alta dimensión, y tienen que superar desafíos técnicos y científicos enormemente complicados aún. No hay que olvidar que el campo de la computación cuántica propiamente dicha es todavía emergente, su literatura es escasa y aún no está clasificada sistemáticamente.
Eso se traduce en unas posibilidades limitadas del software cuántico existente. Los casos de uso más valiosos requerirían entre 10.000 y 20.000 operaciones de qubits y una fidelidad cercana al 100%. Sin embargo, los circuitos de más de 30 qubits sólo habían alcanzado, como máximo, una tasa de fidelidad del 99,5% hasta que la colaboración de Microsoft y Quantinuum logró superarla parcialmente en abril de 2024, cuando en sus sistemas H1 alcanzaron una tasa de «tres nueves» para puertas de dos qubits. Ese sigue siendo, no obstante, un registro poco competitivo. Los algoritmos más útiles necesitan millones de operaciones de puerta, incluso miles de millones en el caso del algoritmo de Shor, por lo que las máquinas cuánticas aún necesitan mejorar en muchos órdenes de magnitud.
Estos factores han impedido que la computación cuántica alcance una ventaja definitiva sobre los sistemas clásicos, al menos mediante el enfoque basado en puertas digitales, y está impulsando nuevas vías para la aplicación de algoritmos cuánticos o inspirados en ellos. Las perspectivas, en ese sentido, resultan mucho más alentadoras. Se estima que la computación híbrida mejorada cuánticamente podría convertirse en el estándar en 2030[viii], especialmente en ámbitos que van desde la salud y las finanzas hasta los sistemas autónomos[ix].
Incluso antes de que se fabricara el primer ordenador cuántico, los investigadores ya habían comenzado a desarrollar algoritmos clásicos inspirados en la teoría de la computación cuántica. Estos algoritmos aprovechan ciertas de sus propiedades para lograr un mayor rendimiento y capacidad en la resolución de problemas. Es cierto que el desarrollo de nuevos algoritmos se ha retrasado. De hecho, la mayoría de los avances significativos se formalizaron entre las décadas de 1980 y 2010, y en los últimos diez años se ha avanzado poco. Pero hoy cada vez son más las empresas que invierten en aplicaciones comerciales basadas en software de inspiración cuántica.
Empresas como D-Wave, Pasqal, Kipu Quantum y la española Qilimanjaro han optado por la computación cuántica analógica e híbrida (analógica combinada con pocas puertas). Servicios de nube cuántica como IBM Quantum y AWS Braket ayudan a integrar algoritmos cuánticos en los flujos de trabajo empresariales, al tiempo que surgen marcos de código abierto como Qiskit de IBM, Cirq de Google, TKET de Quantinuum y PennyLane de Xanadu que reducen las barreras de entrada, y permiten a los desarrolladores escribir programas cuánticos en abstracciones de alto nivel que se asemejan a los paradigmas de programación clásicos. Multiverse Computing, que llegó a liderar en nuestro país el listado de empresas por solicitudes de patente europea en 2022, es una de las más avanzadas del mundo en algoritmos de inspiración cuántica.
Esta estrategia híbrida podría ofrecer beneficios prácticos a corto plazo para casos de uso específicos en simulación molecular, criptografía y optimización a pequeña escala. En general, para las industrias que dependen de la optimización y las simulaciones complejas: se prevé una adopción temprana de los algoritmos cuánticos y de inspiración cuántica en el sector financiero y farmacéutico durante los tres a cinco años próximos, orientados a la optimización de carteras, el modelado de riesgos y el descubrimiento de fármacos. Seguirán la industria aeroespacial, de defensa y de energía (5-10 años), que se beneficiará de las simulaciones cuánticas para la ciencia de los materiales, la eficiencia del combustible y la fusión nuclear. Por su parte, la robótica y la inteligencia artificial (IA) podrían requerir más de 10 años antes de experimentar de forma generalizada el impacto de la nueva tecnología, ya que el procesamiento cuántico en tiempo real y los avances en IA aún se encuentran en etapas iniciales de investigación.
Los algoritmos cuánticos forman parte de una industria de computación cuántica que creció en 2024 a una tasa anual del 5,24% y cuenta con más de 360 startups entre las más de 13.000 empresas que contribuyen a su expansión global. El sector emplea a más de un millón de personas en todo el mundo y sumó más de 59.000 nuevos empleados en 2024, un año en el que más de 65.000 solicitantes superaron las 296.000 patentes[x]. El valor de inversión combinado de los principales inversores, como Google, Quantum Capital Group, National Growth y otros, estuvo por encima de los 6.000 millones de dólares.
De los 26 tipos diferentes de algoritmos de inspiración cuántica identificados a finales de 2024, seis de ellos están recibiendo una atención especial por parte de los investigadores. ElalgoritmoQuantum Particle Swarm Optimization (QPSO) aparece en alrededor del 43% de publicaciones y es dominante en el ámbito de suministro de electricidad, gas, vapor y aire acondicionado. Le sigue elQuadratic Unconstrained Binary Optimization (QUBO), al que se dedican casi el 17% de los estudios y lidera en el ámbito de transporte y almacenamiento, aunque su ritmo de crecimiento le podría poner en cabeza en poco tiempo. Otros algoritmos prometedores son elQuantum Genetic Algorithm (QGA), cuya forma de actuación se ha podido ver en el Gráfico 1, elQuantum-Inspired Evolutionary Algorithm (QIEA) y elQuantum Bat Algorithm (QBA).
Entre los sectores en los que el volumen de investigación sobre algoritmos de inspiración cuántica resulta elevado destacan administración pública y defensa; seguridad social; arquitectura e ingeniería; consultoría de gestión; captación, tratamiento y suministro de agua; servicios de información; y reparación e instalación de maquinaria y equipo.
La Unión Europea está centrada en la carrera de las tecnologías cuánticas sin que las actuaciones dirigidas a promover la industria del software cuenten con un espacio específico. Dos años después del Manifiesto Cuántico[xi] de 2016, lanzó la Quantum Technologies Flagship[xii] cuyo objetivo debía ser apoyar el trabajo de cientos de investigadores durante 10 años. En la fase de puesta en marcha del Flagship (2018-2022), destinó 152 millones de euros y se beneficiaron 24 proyectos, con más de 1.600 investigadores involucrados. La siguiente fase, que forma parte ya del programa Horizonte Europa, dispone inicialmente de 400 millones y quiere impulsar también más de veinte nuevos proyectos. Los objetivos de investigación del Flagship se basan en la Agenda Estratégica de Investigación sobre Tecnologías Cuánticas, a cuya redacción contribuyeron más de 2.000 expertos europeos. Su visión a largo plazo es desarrollar en Europa el denominado internet cuántico, que conectará ordenadores, simuladores y sensores cuánticos mediante redes de comunicación cuántica.
La Empresa Común Europea de Computación de Alto Rendimiento (EuroHPC JU) trabaja precisamente en ello. En octubre de 2022, anunció la selección de seis emplazamientos en la UE para albergar los primeros ordenadores cuánticos europeos, que se integrarán en los superordenadores EuroHPC de Chequia, Alemania, España, Francia, Italia y Polonia. Aquella decisión supuso el inicio del despliegue de una infraestructura de computación cuántica, accesible para usuarios europeos de los sectores científico e industrial a través de la nube, y sin fines comerciales[xiii]. Esta infraestructura está pensada para abordar problemas complejos de simulación y optimización, especialmente en el desarrollo de materiales, el descubrimiento de fármacos, la predicción meteorológica y el transporte, entre otros.
Finalmente, en diciembre de 2023, la “Declaración Europea sobre Tecnologías Cuánticas” afirmó que constituyen una alta prioridad para la soberanía de la UE[xiv], y citó la Estrategia Europea de Seguridad Económica, así como en la Recomendación de la Comisión, de 3 de octubre de 2023, que las incluye entre las áreas tecnológicas críticas para la seguridad económica. En ella se puede leer que, desde 2018, la UE y los Estados miembros han comprometido más de 8.000 millones de euros en tecnologías cuánticas.
La realidad es que pocas instituciones europeas se sitúan entre los principales centros de investigación cuántica del mundo. En el caso de las universidades, destacan los centros de Copenhague, París, Múnich y Delft, pero siguen lejos de instituciones estadounidenses como Caltech, MIT y Harvard, y de universidades de países no pertenecientes a la UE, como el Reino Unido y Suiza. También la financiación pública y privada en la UE está por detrás de la de Estados Unidos y China. Este último país se ha comprometido a invertir alrededor de 15.000 millones de dólares, mientras que EEUU ha anunciado 5.000 millones de dólares en la próxima década, aunque se beneficia de un sólido capital de riesgo e inversión[xv] que superará ampliamente las aportaciones del sector público.
El Informe Draghi instó, con razón, a impulsar la inversión en tecnología cuántica y facilitar el acceso al capital privado europeo para startups y empresas en expansión. Los expertos creen que la UE carece de una comprensión integral de las cadenas de suministro críticas de la tecnología cuántica, de sus posibles cuellos de botella y de sus propias fortalezas y debilidades. Pese a que la Ley Europea de Chips incluye medidas para fomentar la fabricación a bajo coste y en grandes volúmenes de chips cuánticos en la UE, el sector se compone principalmente de ecosistemas relativamente pequeños repartidos por los Estados miembros[U2] que han formulado estrategias nacionales integrales de tecnología cuántica: Dinamarca, Francia, Alemania, Irlanda y Países Bajos, a los que acaba de sumarse España.
La fragmentación se reproduce en el sector privado: en lugar de grandes corporaciones, la UE cuenta fundamentalmente con empresas emergentes y algunas compañías en expansión. El software basado en algoritmos de inspiración cuántica reclama más atención en todo este despliegue de esfuerzos nacionales y europeos. El reto es encontrar aplicaciones concretas en sectores productivos que puedan mejorar la eficiencia de las empresas y abrir la puerta a nuevos modelos de negocio, como se puede observar en el Gráfico 3. Un prometedor campo denominado aprendizaje automático inspirado en lo cuántico (QiML) permite, por ejemplo, simular los sistemas cuánticos digitalmente, sin necesidad de recurrir a ordenadores cuánticos. La clave para marcar la diferencia, en este caso, consistirá en identificar qué efectos pueden simularse eficientemente para lograr una ventaja computacional[xvi].
Los ejemplos actuales de dinamismo en el caso de la algoritmia de inspiración cuántica confirman su potencial de crecimiento y su capacidad para transformar sectores enteros. El caso de la industria financiera y el trading es de los más evidentes. Aparecen ya sistemas de recomendación de cartera de inspiración cuántica, basados en la tasa de tendencia y optimización, diseñados específicamente para mercados globales de valores cruzados. En algún caso[xvii], el modelo identifica ya tendencias alcistas sólidas y estables, evalúa las relaciones complejas del mercado y analiza las conexiones bursátiles entre países. Y lo hace priorizando la explicabilidad y la transparencia, para que los inversores comprendan los resultados generados por la IA, una capacidad cada vez más importante para usuarios empresariales y organismos reguladores.
ICOSA y NEC han desarrollado Vector Annealing (VA), un método informático de inspiración cuántica, que acelera significativamente la búsqueda de soluciones en la optimización de carteras financieras. Y la tecnología de inspiración cuántica SQBM+ de Toshiba ayuda a encontrar en tiempo real oportunidades de arbitraje rentables y de corta duración en el mercado de divisas gracias a una solución de transacciones de alta frecuencia (HFT). El sistema puede capturar oportunidades de corta duración en menos de un milisegundo sin errores, aumenta la tasa de éxito al 98% y, y en última instancia, soluciona un cuello de botella de la industria financiera.
Casi el 80% de los 50 bancos más grandes del mundo están participando activamente en la tecnología cuántica[xviii]. JPMorgan Chase concentra dos tercios de todas las ofertas de trabajo y publica más de la mitad de todos los artículos de investigación en este ámbito, y ya ha implementado algoritmos de inspiración cuántica para mejorar la optimización de la cartera y la ciberseguridad. La italiana Intesa Sanpaolo está explorando aplicaciones cuánticas en la calificación crediticia, la detección de fraudes y la fijación de precios de derivados. Desde mediados de 2024, el número de profesionales cuánticos en la banca ha aumentado un 10%, y las investigaciones de expertos cuánticos afiliados a la banca han sido citadas más de 3.000 veces. McKinsey[xix] estima que, en 2035, los casos de uso de computación cuántica en finanzas podrían generar hasta 622.000 millones de dólares en valor.
Una de las líneas de investigación para modelar la distribución de rentabilidades financieras[xx] y seguir la dinámica de los precios de los activos es la de las denominadas caminatas cuánticas, aunque deben manejarse con precaución, porque pueden introducir pequeños sesgos, por ejemplo, reflejar optimismo por parte del comprador. La teoría de juegos, un concepto fundamental en economía, también se podría abordar desde esa perspectiva, ya que el modelo podría reflejar factores subjetivos, frente a los modelos clásicos que representan al vendedor.
Un número cada vez mayor de administradores de activos financieros y fondos de cobertura están explorando también las posibilidades de las redes tensoriales, los algoritmos de inspiración cuántica y el hardware especializado. En el Gráfico 4 se recopilan las categorías de soluciones inspiradas en lo cuántico. Se trata de encontrar aceleraciones para los algoritmos clásicos más conocidos, en lugar de sustituirlos por nuevos, para evitar así el uso de los algoritmos cuánticos que aún no poseen la escala para casos comerciales del mundo real[xxi]. El software de inspiración cuántica se puede utilizar, por ejemplo, en la fijación de precios de opciones, ya que los modelos anteriores, dan por supuesta una volatilidad constante y eso acaba convirtiéndose en una limitación. Google ha desarrollado[xxii] una biblioteca de código abierto llamada TensorNetwork para implementar algoritmos de redes tensoriales.
Las posibilidades de convergencia tecnológica con el nuevo ciclo de la inteligencia artificial (IA) son amplísimas. Investigadores de la española Multiverse Computing y CounterCraft han desarrollado un nuevo modelo de IA cuántica, entrenado con conjuntos de datos de tráfico de red real y registros del sistema, que identifica el 100% de los ciberataques. Para ello, emplea inteligencia de amenazas generada por el adversario en lugar de los sistemas tradicionales[xxiii]. Investigadores de la Universidad Tecnológica del Sur de China y Huawei Technologies, por su parte, han desarrollado un método de aprendizaje automático de inspiración cuántica para el acoplamiento molecular, una herramienta clave en el diseño de fármacos[xxiv]. Su método supera a los algoritmos de acoplamiento tradicionales y a los algoritmos basados en aprendizaje profundo en más de un 10%. Los algoritmos de aprendizaje automático (un tipo de IA) de inspiración cuántica, incorporados en dispositivos periféricos, pueden optimizar la toma de decisiones en tiempo real en aplicaciones relacionadas con vehículos autónomos o sistemas de internet de las cosas (IoT).
En el ámbito de la medicina personalizada, el aprendizaje automático basado en la computación cuántica supone una auténtica revolución para la toma de decisiones sofisticada en tiempo real. Toray[xxv] colaboró con Fujitsu para utilizar un annealer digital y predecir las conformaciones óptimas de las cadenas laterales de las proteínas. Moderna está explorando la computación cuántica y la GenAI para avanzar y agilizar su investigación sobre el ARN mensajero (ARNm) y así desarrollar vacunas con mayor rapidez. Los científicos pueden crear datos genéticos sintéticos muy similares a los del mundo real que podrían alimentar algoritmos cuánticos para desarrollar modelos moleculares más precisos, acelerando así todo el proceso de descubrimiento de fármacos.
Las ciudades sostenibles también tienen mucho que ganar con la combinación de la computación cuántica y la IA[xxvi]. Los urbanistas podrían crear datos sintéticos de tráfico que simulen los patrones de tráfico del mundo real para entrenar algoritmos cuánticos que mejoren la gestión de la congestión y optimicen rutas, lo que conduciría a ciudades más sostenibles con sistemas de transporte eficientes, tiempos de viaje reducidos y una mejor calidad del aire.
Actualmente, la IA generativa (GenAI) tiene dificultades en algunas tareas matemáticas complejas, en particular al convertir algoritmos clásicos en cuánticos. Sin embargo, a medida que la IA continúe desarrollando y mejorando su comprensión de las bibliotecas y los solucionadores matemáticos, su potencial para superar esta brecha[xxvii] no dejará de crecer. Los líderes empresariales deberán considerar el valor estratégico de los grandes modelos cuantitativos (LQM), que se ejecutan en ordenadores clásicos, no en cuánticos, pero pueden simular comportamientos de la mecánica cuántica y otros factores cuantitativos que los métodos tradicionales tienen dificultades para abordar. Son algoritmos capaces de abordar problemas multivariables, lo que permitirá introducir modelos y estrategias eficientes y más precisos, que podrían potencialmente liberar hasta 700.000 millones de dólares en valor, según McKinsey, y reducir los costes de atención médica.
El rendimiento de diferentes materiales funcionales (como materiales de aleación, materiales ópticos, etc.) depende de muchos factores de diseño, como las características geométricas, la composición, las condiciones de procesamiento y los factores ambientales. Los métodos tradicionales, incluidos los experimentos y las simulaciones, suelen consumir demasiado tiempo y ser demasiado costosos en espacios de trabajo que, en ocasiones, resultan extremadamente grandes. Un algoritmo QGA combina las ventajas de la computación cuántica y los algoritmos genéticos[xxviii] para superar esos obstáculos.
El Jet Propulsion Laboratory de la NASA se asoció con Azure Quantum para desarrollar una solución de optimización que ayudó a reducir los tiempos de programación de horas a solo minutos. Ford también colaboró con Microsoft para utilizar tecnología de inspiración cuántica en una simulación de rutas de tráfico de 5.000 vehículos, que demostró reducir el tráfico en Seattle en un 73% y acortar los tiempos de viaje en un 8%. En la industria manufacturera, los algoritmos de inspiración cuántica ayudan a optimizar los cronogramas de producción. Esto minimiza el tiempo de inactividad y maximiza la producción y puede reducir un 30% los costes operativos de las empresas.
El 55% de las empresas que adoptaron algoritmos de inspiración cuántica han experimentado una mejora en su posicionamiento en el mercado, según Deloitte. A diferencia de la computación cuántica experimental, los algoritmos de inspiración cuántica aprovechan los principios de superposición y recocido (annealing) cuántico para diseñar soluciones clásicas de optimización de rutas, previsión de la demanda y gestión de inventarios. En el sector del transporte, IBM colaboró con un fabricante de vehículos comerciales para optimizar las entregas en 1.200 ubicaciones de la ciudad de Nueva York. Los métodos tradicionales presentaban dificultades debido a la interacción de variables dinámicas, como plazos de entrega de 30 minutos y el tráfico en tiempo real. Al integrar algoritmos de inspiración cuántica en un marco híbrido, el equipo procesó simultáneamente millones de rutas potenciales, y logró reducir drásticamente los costes operativos.
La cadena de restaurantes japonesa Toridoll Holdings se asoció con Fujitsu para predecir el tráfico de clientes mediante análisis de datos de ventas, patrones meteorológicos y promociones basados en IA. Este enfoque y solución de inspiración cuántica optimizó los niveles de inventario y las operaciones de la cocina, redujo el consumo energético y el desperdicio de alimentos. Japan Post implementó el solucionador de Optimización Binaria Cuadrática Sin Restricciones (QUBO) de Fujitsu para reimaginar la logística de última milla de Tokio. El sistema evaluó millones de secuencias de entrega, redujo los tiempos de operación en aproximadamente un 30% y la flota de reparto de 52 a 48 camiones.
A pesar del impacto potencial de la computación cuántica y de inspiración cuántica, el 65% de los encuestados por Market Connections admite que sus organizaciones tardan en adoptar esta tecnología y, de hecho, el 58% la consideraba una prioridad media o baja para los próximos 12 a 24 meses. Pero el ámbito de aplicación de los algoritmos de inspiración cuántica va, no obstante, más allá de la búsqueda de eficiencia puramente económica. En el ámbito de las redes sociales de internet y la gestión de grandes volúmenes de población, se utiliza el concepto de “maximización de la influencia” que ayuda a seleccionar los nodos óptimos para conseguir un objetivo. Las aplicaciones prácticas de las técnicas de maximización de la influencia abarcan desde la epidemiología hasta el marketing, lo que la convierte en un tema de investigación popular debido a sus diversos usos en el mundo real.
Volviendo a la complejidad de los problemas asociados al cambio climático, incluso con la tecnología informática moderna, la simulación directa y precisa de todos los flujos turbulentos de fluidos, salvo los más simples, sigue siendo imposible, y de forma particular en el caso de la atmósfera. Esto se debe a que la turbulencia se caracteriza por incluir remolinos y torbellinos de diversas formas y tamaños que interactúan de forma caótica e impredecible.
En lugar de simular directamente las fluctuaciones problemáticas, un grupo de investigadores decidió modelarlas como variables aleatorias distribuidas, según una función de distribución de probabilidad. De ese modo, pudieron extraer todas las magnitudes significativas del flujo, como la sustentación y la resistencia, sin tener que preocuparse por el caos de las fluctuaciones turbulentas, algo inviable con métodos clásicos. Para solucionar esto, el equipo aplicó una tecnología de computación de inspiración cuántica[xxix] desarrollada en la Universidad de Oxford que se ejecuta en un solo núcleo de CPU (unidad central de procesamiento). En solo unas pocas horas pudo calcular lo que un algoritmo clásico equivalente necesitaría resolver en varios días utilizando un superordenador.
Para desplegar todo su potencial en el sector privado, como en otros ámbitos, habrá que resolver el problema de la disponibilidad de talento. El 60% de los líderes tecnológicos consultados por IBM citó la falta de profesionales cualificados como el principal obstáculo. La mayoría (77%) de ellos cree que contar con el talento adecuado e identificar las carencias de habilidades son obstáculos importantes para que su organización pueda adoptar la computación cuántica. La brecha de talento y habilidades podría poner en peligro la creación de valor potencial, que McKinsey estima en hasta 1,3 billones de dólares.
Un estudio de McKinsey ha descubierto que solo hay un candidato cualificado en el campo de la computación cuántica por cada tres vacantes. Se preveía que menos del 50% de los empleos en el campo de la computación cuántica iban a ser cubiertos en 2025 a menos que se produjeran cambios significativos en la bolsa de talento disponible o en la tasa prevista de creación de empleos en el campo de la computación cuántica. Curiosamente, las pequeñas startup que trabajan en el sector cuántico suelen surgir de laboratorios de investigación universitarios y suelen tener acceso directo a candidatos cualificados. Las empresas más grandes podrían tener menos conexión con estas reservas de talento[xxx].
ESPAÑA. Una estrategia por contratar y startups que cambian el mundo
La estrategia Quantum Spain, integrada en la Estrategia Nacional de Inteligencia Artificial (ENIA) y en la Estrategia de Tecnologías Cuánticas 2025-2030[xxxi], ha visto la luz con el objetivo de promover un ecosistema que busque sinergias y unifique los objetivos de la actividad empresarial y la investigadora. Está coordinada por el BSC-CNS, con una inversión de 22 millones de euros que van destinados a adquirir capacidades de computación cuántica sobre la base de superconductores para apoyar la investigación y la innovación. En el consorcio Quantum Spain participan 27 instituciones de investigación de 14 comunidades autónomas y 15 universidades públicas. El proyecto ha logrado poner en marcha el primer ordenador cuántico construido con tecnología 100% europea y tres emuladores cuánticos.
Al abordar las posibilidades de los algoritmos cuánticos, Quantum Spain destaca que varios grupos de institutos del Consejo Superior de Investigaciones Científicas (CSIC) participan activamente en su desarrollo dentro de su Plataforma Temática Interdisciplinar sobre Tecnologías Cuánticas[xxxii]. Uno de ellos, el grupo QUINFOG, del Instituto de Física Fundamental, desarrolla algoritmos de optimización cuántica y aprendizaje automático cuántico. Junto a él, en el CSIC se investigan nuevos métodos de simulación numérica basados en redes tensoriales y un grupo del Instituto de Física Teórica, explora los algoritmos cuánticos aplicados a procesos de física de la materia condensada y física de altas energías. El grupo del Centro de Investigación en Nanomateriales y Nanotecnología, experimenta con el uso de átomos fríos para simular procesos cuánticos, y promueve la construcción de un simulador y un ordenador basado en átomos de Rydberg en Asturias. Por su parte, el Instituto de Física Interdisciplinar y Sistemas Complejos se ha centrado en nuevos modelos de computación cuántica e inteligencia artificial para su aplicación a sistemas complejos.
La red de colaboración integra también a universidades, organismos públicos de investigación y empresas. Por ejemplo, se ha creado un laboratorio de computación cuántica en Oviedo (CINN), un laboratorio de comunicación cuántica en Madrid (ITEFI-CSIC) y se ha lanzado un máster interuniversitario en tecnologías cuánticas de España a través de la Universidad Internacional Menéndez Pelayo (UIMP), en colaboración con otras nueve universidades. El Instituto de Ciencias Fotónicas (ICFO), el Instituto Nacional de Técnica Aeroespacial (INTA) y el Instituto de Astrofísica de Canarias (IAC), que investiga sobre la compensación de los efectos adversos de la turbulencia atmosférica, son también referentes a nivel internacional en cuántica. El interés por las tecnologías cuánticas está presente en la Estrategia de Tecnología e Innovación para la Defensa del Gobierno español, con un enfoque en su potencial para la ciberseguridad, el procesamiento avanzado de datos y las comunicaciones seguras. El proyecto Quantum Spain.
Resulta interesante seguir el proceso de amerizaje de este nuevo campo tecnológico, en buena medida todavía pendiente del desarrollo de los principios fundamentales sobre los que se va a expandir, en la economía real en nuestro país. La multinacional energética Iberdrola, por ejemplo, ha impulsado un proyecto junto a Multiverse Computing, Premio Future Unicorn de Digital Europe en 2024, por su tecnología para la compresión de los modelos de lenguaje extenso (LLM), sobre los que se construye la inteligencia artificial generativa, mediante algoritmos cuánticos[xxxiii]. La colaboración entre ambas compañías se ha desarrollado en el norte de España con el objetivo de optimizar la instalación de baterías a escala de red, que serán cada vez más importantes a medida que avance la transición energética. La solución de Multiverse utiliza algoritmos cuánticos y de inspiración cuántica para seleccionar el número, el tipo y la ubicación óptimos de las baterías. Contribuye así a reducir los costes derivados de añadir baterías a la red y aumenta su rendimiento. Cada vez es mayor la inversión de capital riesgo español que se dirige al software de inspiración cuántica. Bullnet Capital ha liderado una ronda de inversión en Inspiration-Q[xxxiv], spin-off del CSIC fundada en 2021 que trabaja en el desarrollo de este tipo de algoritmos de forma que sean capaces de funcionar en computadoras convencionales. El objetivo es también que puedan implementarse de manera rápida y segura en ordenadores cuánticos comerciales a medida que estos estén disponibles en el mercado. El software de Inspiration-Q se centra en problemas de optimización difíciles de resolver fundamentalmente para el sector financiero.
[i] Algorithm (Sin fecha) NNLM. Disponible en: https://www.nnlm.gov/guides/data-glossary/algorithm (Consultado el: 11/07/2025).
[ii] Understanding algorithms in Computer Science (Sin fecha) Algorithm & computer science: definition and understanding. Disponible en: https://www.iig.ch/en-en/blog/computer-science/algorithm-computer-science-definition-and-understanding (Consultado el: 11/07/2025).
[iii] Mateu, P. (2024) De Marenostrum 4 a Marenostrum 5, La Evolución del Supercomputador Más Grande de España, National Geographic España. Disponible en: https://www.nationalgeographic.com.es/ciencia/marenostrum4-5-evolucion-supercomputador-mas-grande-espana_21183 (Consultado el: 11/07/2025).
[iv] Deutsch, D. (1985) ‘Quantum theory, the church–turing principle and the Universal Quantum Computer’, Proceedings of the Royal Society of London. A. Mathematical and Physical Sciences, 400(1818), pp. 97–117. doi:10.1098/rspa.1985.0070.
[v] Grover, L (1996) A fast quantum mechanical algorithm for database search. doi: 10.48550/arXiv.quant-ph/9605043
[vi] Bravyi, S., Cross, A.W., Gambetta, J.M. et al. High-threshold and low-overhead fault-tolerant quantum memory. Nature 627, 778–782 (2024). doi: 10.1038/s41586-024-07107-7
[vii] Cláudio Gomes et al. A Systematic Mapping Study on Quantum and Quantum-inspired Algorithms in Operations Research, ACM Computing Surveys, 11 de noviembre de 2024, doi.org/10.1145/3700874
[viii] George Lawton, “The future of quantum computing: Near- and long-term outlook”, TechTarget, 27 de marzo de 2025, consultado el 18/06/2025
[ix] Krishna Kanagarla, Venkata Nagendra kundavaram, Quantum Computing-Inspired Machine Learning for Real Time Decision Making, IJMECE, 8 de mayo de 2025, doi.org/10.5281/zenodo.15236671
[x] Adarsh R., “Quantum Computing Outlook 2025: Key Innovation and Insights”, StarUs, 28 de febrero de 2025, consultado el 19/06/2025
[xi] https://ec.europa.eu/futurium/en/content/quantum-manifesto-quantum-technologies
[xii] https://digital-strategy.ec.europa.eu/en/policies/quantum-technologies-flagship
[xiii] https://www.european-quantum-act.com/
[xiv] “Declaración Europea sobre Tecnologías Cuánticas”, Comisión Europea
[xv] Jennifer Baker, “Quantum needs more investment, better innovation recipe for growth”, Euractiv, 24 de septiembre de 2024, consultado el 18/06/2025
[xvi] Jean Michel Sellier, “Why you should be interested in quantum-inspired technologies?”, Ericsson, 5 de abril de 2024, consultado el 18/06/2025
[xvii] Yao-Hsin Chou et al. An Investigation on Quantum-Inspired Algorithms for Portfolio Optimization Across Global Markets, IEEE, agosto de 2024, DOI: 10.1109/MNANO.2024.3402755
[xviii] Ann-Marie Corvin, “JPMorgan and HSBC lead global banks in quantum technology race”, Tech Informed, 21 de marzo de 2025
[xix] Martina Gschwendtner, Nicole Morgan, Henning Soller, “Quantum technology use cases as fuel for value in finance”, McKinsey, 23 de octubre de 2023
[xx] Stijn De Backer et al. On the potential of quantum walks for modeling financial return distributions, Physica A, 29 de noviembre de 2024, doi.org/10.1016/j.physa.2024.130215
[xxi] Alexander Del Toro Barba, “How Quantum Computing could accelerate Finance and Economics”, Medium, 16 de julio de 2024, consultado el 18/06/2025
[xxii] Chase Roberts et al. TensorNetwork: A Library for Physics and Machine Learning, physics.comp-ph, 3 de mayo de 2019, doi.org/10.48550/arXiv.1905.01330
[xxiii] Borja Aizpurua, Samuel Palmer, Román Orús, Tensor Networks for Explainable Machine Learning in Cybersecurity, Neurocomputing, 28 de julio de 2025, doi.org/10.48550/arXiv.2401.00867
[xxiv] Runqiu Shu et al. Quantum-Inspired Machine Learning for Molecular Docking, physics.chem-ph, revisado 22 de febrero de 2024, doi.org/10.48550/arXiv.2401.12999
[xxv] https://www.fujitsu.com/global/about/resources/case-studies/vision/toray/
[xxvi] “Quantum for Society: Meeting the Ambition of the SDGs”, World Economic Forum, septiembre de 2024
[xxvii] “Embracing the Quantum Economy”, World Economic Forum / Accenture, enero de 2025
[xxviii] Zhihao Xu et al. Quantum-inspired genetic algorithm for designing planar multilayer photonic structure, npj Comput Mater, 13 de noviembre de 2024
[xxix] N Gourianov et al, Tensor networks enable the calculation of turbulence probability distributions, Science Advances, 29 de enero de 2025, DOI: 10.1126/sciadv.ads5990
[xxx] Miklós Gábor Dietz et al., “What is quantum computing?”, McKinsey, 31 de marzo de 2025
[xxxi] “Estrategia de tecnologías cuánticas de España”, Gobierno de España, abril de 2025
[xxxii] quantumspain-project.es/en/quantum-and-quantum-inspired-algorithms-for-complex-mathematical-problems/
[xxxiii] “Iberdrola y Multiverse Computing anuncian el éxito de un proyecto piloto para optimizar la instalación de baterías en la red eléctrica”, Iberdrola, nota de prensa, 12 de julio de 2024
[xxxiv] quantumcomputingreport.com/bullnet-capital-leads-investment-round-in-quantum-inspired-software-startup-inspiration-q/
[U1]Creo que en España resulta más habitual decir ordenador que computador o computadora.
[U2]Es lo que recomienda la RAE: https://www.rae.es/dpd/miembro#:~:text=Cuando%20miembro%20se%20usa%20en,%2C%20los%20Estados%20miembros%2C%20etc.