Vivimos en una época de vértigo en cuanto a la innovación tecnológica, especialmente en el sector financiero, que está inmerso en un proceso de transformación de sus procesos mediante la incorporación de tecnologías como big data, inteligencia artificial (incluyendo machine learning), blockchain, banca móvil y open banking, entre muchas otras. Todas estas tecnologías se han desarrollado gracias a la mejora exponencial de la capacidad computacional, acompañada de la reducción del tamaño físico de los procesadores. Esta evolución puede estar llegando a su límite físico y es precisamente aquí cuando la computación cuántica entra en juego, aportando unas capacidades de procesamiento sin precedentes. Debemos estar preparados para aprovechar las oportunidades que este cambio de paradigma trae consigo y la disrupción que, con toda seguridad, creará.
Si bien la computación actual usa como unidad básica el bit, cuyo valor es binario (0 o 1), la computación cuántica usa como unidad el cúbit o bit cuántico (del inglés, quantum bit o qubit), cuyo valor se basa en la mecánica de partículas subatómicas y, en concreto, en la capacidad de algunas partículas de tener dos estados a la vez (superposición), lo cual implica que un cúbit puede tener tres estados: 0, 1 o ambos al mismo tiempo. La superposición y otras características cuánticas, como el entrelazado, conllevan que el número de procesos en paralelo que un ordenador cuántico puede ejecutar sea de 2^n, donde ‘n’ es el número de cúbits. Un ordenador cuántico ideal con 50 cúbits podría realizar 250 procesos simultáneamente, siendo equivalente a un procesador clásico de 250 cores. Actualmente, el supercomputador más potente cuenta con 106 procesadores; es decir, su potencial es un millón de veces inferior que el del ordenador cuántico.
Todo el procesamiento paralelo que aporta la computación cuántica abre la posibilidad de resolver problemas hasta ahora imposibles de abordar, especialmente aquellos con complejidad exponencial como el descubrimiento de nuevas proteínas o fármacos, la exploración espacial o la optimización de funciones n dimensionales: por ejemplo, los modelos ocultos de Markov para predicción en operaciones financieras, métodos de Monte Carlo para riesgos, la optimización de grafos o bien la factorización de enteros como producto de dos números primos. Este último caso puede suponer un riesgo para la criptografía actual, en la que se basa la seguridad de las comunicaciones y parte de la criptografía de blockchain.
Se prevé que, a medio plazo, los clústeres de ordenadores complementados con GPU para el análisis de pricing de Wall Street podrán ser reemplazados por un ordenador cuántico. Sin embargo, la posibilidad de contar con un ordenador cuántico de sobremesa o de bolsillo no parece inmediata. Existen algunos retos a resolver antes de ver la implementación masiva de la computación cuántica, tales como la mejora de la estabilidad de los resultados que generan los algoritmos y la simplificación de la implementación de dichos algoritmos.
Comentarios