La IA cuántica mejora los pronósticos del clima, el transporte y la medicina
INTELIGENCIA ARTIFICIAL / INFORMÁTICA CUÁNTICA.
Un modelo híbrido combina aprendizaje automático e información cuántica para anticipar mejor sistemas caóticos como la turbulencia y abrir nuevas aplicaciones en energía, salud y meteorología.
Un sistema híbrido de IA cuántica abre nuevas vías para pronósticos en ciencia y tecnología. / Crédito: IQM.
Un enfoque de IA basado en cálculos de un ordenador cuántico puede predecir mejor el comportamiento de un sistema físico complejo a largo plazo que los mejores modelos actuales que utilizan solo ordenadores convencionales. Los hallazgos podrían mejorar los modelos de predicción que se emplean en áreas que van desde la ciencia del clima hasta el transporte, la medicina y la generación de energía.
Un equipo del University College London (UCL), en Reino Unido, ha desarrollado un sistema híbrido que une Inteligencia Artificial (IA) y computación cuántica para mejorar la predicción de fenómenos complejos, según un estudio publicado en la revista Science Advances. El avance reduce el consumo de memoria y podría acelerar pronósticos más precisos en clima, transporte, medicina y energía.
Mayor dominio de sistemas caóticos y complejos.
Según los autores, el sistema optimiza la predicción de sistemas complejos y caóticos, como la turbulencia de fluidos. El trabajo apunta a aplicaciones que van mucho más allá de la física básica, a partir de una idea concreta: antes de entrenar a la IA, el sistema cuántico aprende las propiedades estadísticas que permanecen estables en el tiempo.
Esos patrones se incorporan luego a un modelo clásico, que corre sobre superordenadores. Según una nota de prensa, esa arquitectura permitió una mejora de alrededor de una quinta parte frente a modelos comparables sin información cuántica, al tiempo que requiere cientos de veces menos memoria.
La clave está en que muchos fenómenos del mundo real, desde la circulación de masas de aire hasta el flujo de sangre en el cuerpo humano, tienen una dinámica no lineal donde pequeños cambios iniciales pueden amplificarse con rapidez.
En ese terreno, las simulaciones completas pueden tardar semanas y llegar demasiado tarde para ser útiles, mientras que la IA pura suele perder precisión a medida que se extiende el horizonte temporal. El nuevo método híbrido busca cerrar esa brecha: conserva velocidad, pero añade una memoria física más robusta sobre la estructura del sistema estudiado.
Aplicaciones en campos de vital importancia.
Las aplicaciones son amplias: en clima, una mejor comprensión de la turbulencia y de otros procesos de dinámica de fluidos podría afinar modelos de predicción meteorológica y climática. En transporte, la misma lógica serviría para representar corrientes de aire y de líquidos con mayor fidelidad, algo relevante para el diseño aeronáutico, la navegación o la planificación de infraestructuras.
En medicina, en tanto, el equipo destacó que el enfoque podría ayudar a modelar el flujo sanguíneo y la interacción de moléculas, dos campos donde la precisión temporal es crucial. Por último, en energía la técnica podría contribuir a optimizar el diseño de parques eólicos para que produzcan más electricidad, entre otras alternativas.
En el estudio se utilizó un ordenador cuántico de 20 cúbits de IQM, conectado a recursos de supercomputación en el Leibniz Supercomputing Centre, en Alemania. Los investigadores reconocen que el método todavía debe escalarse con bases de datos mayores y probarse en escenarios reales más complejos.
En consecuencia, aún no se trata de una solución lista para reemplazar a los modelos actuales, sino de una señal de que la combinación entre IA e informática cuántica podría abrir una nueva generación de herramientas predictivas, para problemas donde el caos sigue siendo el principal obstáculo.
Por: Redacción T21.
Sitio Fuente: Levante / Tendencias21