Microsoft quiere que los desarrolladores se inspiren en Quantum

Durante su conferencia anual de desarrolladores de software Build 2020, Microsoft dio a conocer cómo ve computación cuántica encajando en su nube pública de Azure. La compañía lanzó Azure Quantum, que según dijo proporcionaría a los primeros usuarios una ruta escalable a la computación cuántica.

La idea es que las organizaciones puedan comenzar a construir hoy los llamados algoritmos «inspirados en lo cuántico», que les permiten comenzar a obtener los beneficios de las computadoras cuánticas sin necesidad de usarlos directamente.

Un kit de desarrollador de Quantum (QDK) y un nuevo lenguaje Q # completan la cartera de computación cuántica de Microsoft y están disponibles en el repositorio de código abierto de GitHub.

Como informó Computer Weekly anteriormente, la computación cuántica es una técnica que promete resolver problemas que no pueden programarse utilizando un algoritmo tradicional ejecutado en un diseño clásico de computadora binaria.

Mientras que las arquitecturas informáticas tradicionales o clásicas son muy buenas para tratar decisiones binarias y resuelven problemas tomando decisiones discretas de «sí» y «no», la complejidad de algunos problemas aumenta exponencialmente. Esto efectivamente significa que el problema no puede resolverse de una manera tradicional.

Al actualizar la estrategia de la compañía, Ben Porter, director de desarrollo comercial de Microsoft, dijo: «Habiendo hablado con clientes de todas las industrias, es necesario estudiar algoritmos para resolver problemas complejos».

Pero desarrollar nuevos algoritmos cuánticos es solo la primera parte de la estrategia de Microsoft. La compañía apunta a construir un ecosistema abierto para resolver problemas que no pueden ejecutarse en computadoras clásicas. Su objetivo es proporcionar soluciones de problemas y algoritmos preconstruidos que puedan ejecutarse a escala industrial.

Sincronización de semáforos

Al describir un problema de optimización del tráfico que Jij desarrolló para Toyota Tsusho, Porter dijo: «Si puede optimizar el tiempo de los semáforos, no solo puede reducir el tiempo de inactividad de los vehículos, sino también mejorar la experiencia de conducción y reducir las emisiones».

Dijo que Jij asignó los tiempos de espera al costo de espera, permitiendo a sus programadores expresar el problema como un tipo de optimización llamada optimización binaria sin restricciones polinómica (Pubo).

«Este es un tipo de problema en el que cada variable puede tomar uno de dos valores», dijo Porter. «El objetivo del optimizador es encontrar alguna combinación de variables que minimice el costo». En la simulación de tráfico, cada variable puede interactuar con muchas otras variables, lo que aumenta la complejidad, agregó.

«Es la clase de problemas más difícil», dijo Porter. «Tenemos optimizadores inspirados en Azure Quantum que están especialmente diseñados para hacer frente a estos Pubos, que Jij ha utilizado con gran efecto».

Según Microsoft, esto permitió a Jij lograr una reducción del 20% en los tiempos de espera en comparación con las técnicas de optimización convencionales.

Mejores pantallas Oled

Otro ejemplo es OTI Lumionics, que ha desarrollado un enfoque rápido de diseño de materiales adaptado a la fabricación de Oled, basado en aprendizaje automático, simulaciones de química computacional, optimización, síntesis de circuito cerrado y retroalimentación rápida. En lugar de sintetizar y probar miles de materiales en el laboratorio, OTI Desarrolló herramientas de software para simular las propiedades de los materiales.

Según Porter, esto significa que los materiales están diseñados en lugar de ser desarrollados por casualidad. La parte más lenta y costosa del flujo de trabajo es la tubería computacional: el cuello de botella en el hardware disponible cuando se ejecutan simulaciones extremadamente grandes, que se escalan exponencialmente con el tamaño. Además, algunas simulaciones son tan intensivas en computación que son literalmente insolubles con las computadoras clásicas de hoy.

Por lo tanto, la compensación entre la precisión de la simulación y la intensidad de cómputo es un obstáculo importante en el uso de un enfoque computacional para problemas de tamaño comercial.

Para superar este cuello de botella, OTI Lumionics ha estado investigando la computación cuántica como un posible candidato para ayudar a acelerar las simulaciones de química computacional de nuevos materiales. Debido a que muchas relaciones estructura-propiedad de los materiales se rigen por la física cuántica, la computación cuántica, que utiliza efectos mecánicos cuánticos para realizar cálculos, es un candidato natural para simular estos sistemas con mayor precisión.

Sin embargo, para simular un modelo molecular se requiere 42 QuBits, algo que no se puede producir con el grado de precisión requerido para la simulación, según OTI.

Scott Genin, jefe de descubrimiento de materiales en OTI Lumionics, dijo: “La computación cuántica tiene el potencial de revolucionar el diseño de materiales al permitir simulaciones altamente precisas que de otro modo no podrían resolverse en hardware clásico. Desafortunadamente, la computación cuántica actual basada en puertas está lejos de ser lo suficientemente potente como para simular problemas de tamaño comercial.

“Hemos desarrollado nuevos métodos que permiten que los algoritmos de computación cuántica para simulaciones de química computacional se representen como problemas de optimización binaria. Al ejecutar nuestros métodos de computación cuántica con las soluciones de optimización de Azure Quantum, estamos obteniendo resultados que son más precisos que otros algoritmos «.

En cambio, la compañía ha podido usar algoritmos de inspiración cuántica que se ejecutan en hardware clásico de Azure.

Con sus algoritmos que ahora se ejecutan en Azure Quantum, OTI Lumionics dijo que ha podido demostrar resultados significativos en problemas de tamaño comercialmente relevantes.