Computación cuántica para líderes empresariales

En 1994, el matemático Peter Shor presentó un algoritmo de computación cuántica que podría reducir el tiempo que se tarda en encontrar los factores primos de los números grandes, pasando de miles de millones de años con un ordenador convencional basado en transistores a unos pocos días con un ordenador cuántico. Ha supuesto un gran avance, porque la factorización principal es la base de gran parte de nuestra infraestructura actual de cifrado y seguridad de la información. Siete años después, los científicos de IBM demostraron con éxito el algoritmo en una máquina cuántica —aunque fuera muy pequeña— por primera vez, lo que demostró que se podían construir ordenadores cuánticos y que se podía implementar el algoritmo de Shor.

Los ordenadores cuánticos resuelven muchos problemas exponencialmente más rápido y con menos consumo de energía que los ordenadores clásicos o binarios. Para entender por qué, imagine un laberinto bidimensional. Un ordenador clásico necesita correr un camino tras otro hasta que encuentre la salida del laberinto. Si el laberinto incluye 256 caminos posibles, el ordenador clásico tiene que recorrerlo unas 128 veces consecutivas (de media, hay que intentar encontrar la mitad de los caminos de un laberinto para encontrar el correcto). Sin embargo, un ordenador cuántico es capaz de funcionar con las 256 rutas a la vez. Dicho de forma un poco diferente, un ordenador clásico de 8 bits solo puede representar un número del 0 al 255, pero un ordenador cuántico de 8 cúbits puede representar cada número del 0 al 255 simultáneamente. ¿Cómo es posible? La respuesta se basa en las leyes fundamentales de la mecánica cuántica: si bien una unidad binaria, o bit, de la computación clásica puede contener un valor de 0 o 1, un qubit (abreviatura de bit cuántico) puede representar 0 o 1 o puede contener ambos valores al mismo tiempo.

La computación cuántica permitirá a las empresas optimizar mejor las estrategias de inversión, mejorar el cifrado, descubrir productos y mucho más. Actualmente se dedican enormes niveles de inversión, competencia en el sector privado y talento matemático y científico a la investigación cuántica. La financiación de capital riesgo en el espacio creció un 500% entre 2015 y 2020, según CB Insights. PsiQuantum, una empresa emergente de computación cuántica fundada en 2016, ya ha recaudado más de 665 millones de dólares, incluidas las inversiones de BlackRock y Microsoft. Los pesos pesados de la investigación y el desarrollo Honeywell, IBM e Intel también compiten por ofrecer el próximo avance cuántico. Las firmas de consultoría están creando grandes reservas de talentos para apoyar a los clientes; Accenture cuenta con más de 15 equipos y 100 expertos centrados en la cuántica a nivel mundial. (Divulgación: Accenture presta apoyo financiero a la Iniciativa sobre la Economía Digital del MIT, en la que trabajan dos coautores de este artículo). En mayo de 2021, Google se comprometió a gastar varios miles de millones de dólares para construir un ordenador cuántico funcional de aquí a 2029, y su nuevo campus de IA cuántica en Santa Bárbara albergará a cientos de empleados dedicados a la cuántica, un centro de datos cuánticos, laboratorios de investigación e instalaciones de fabricación de chips con procesadores cuánticos.

Este es el tipo de entorno que tan a menudo en el pasado ha producido avances tecnológicos revolucionarios. Y no se equivoque: el gran avance de la computación cuántica será importante. Aportará dos cambios enormes, simultáneos y repentinos al mundo empresarial moderno: el primero es el fin de nuestra infraestructura actual para garantizar la privacidad y la seguridad digitales en las redes públicas, lo que dejará a las empresas que no hayan actualizado su infraestructura expuestas de par en par a ataques devastadores. El segundo cambio es mucho más positivo; se trata de una explosión de poder algorítmico que nos permitirá hacer cosas con los ordenadores que son imposibles hoy en día y que prometen remodelar nuestro mundo.

¿Cuándo estará disponible un ordenador cuántico relevante desde el punto de vista comercial? Han pasado casi 20 años desde la demostración del algoritmo de Shor como prueba de principios y los científicos siguen enfrentándose a innumerables desafíos en el desarrollo de ordenadores cuánticos a gran escala. Los escépticos sostienen que es demasiado pronto para entusiasmarse (o preocuparse, según el punto de vista) por las aplicaciones de la computación cuántica en el mundo real. Es instructivo recordar que el transistor se inventó en 1947, pero el primer procesador de 4 bits no se presentó hasta dentro de 25 años, y pasaron otros 25 años después antes de que Intel presentara el chip Pentium Pro con millones de transistores. La tecnología dura lleva tiempo y la cuántica no es la excepción.

El fotógrafo Spencer Lowell capturó estas imágenes del ordenador cuántico superconductor de Google en 2017. En ese momento, era una de las máquinas de computación cuántica de uso general más sofisticadas del mundo.

Pero la cuántica está llegando y no es demasiado pronto para que los directores de empresas piensen en cómo estimulará la inversión digital, remodelará los sectores e impulsará la innovación. No hará que su negocio triunfe ni fracase a corto plazo, pero un conocimiento sólido de las aplicaciones cuánticas hoy en día es crucial para que su empresa pueda cosechar los beneficios (y evitar posibles catástrofes) durante la próxima década.

¿Qué es un ordenador cuántico?

Los principios de la mecánica cuántica (la ciencia del comportamiento de la materia y la luz a nivel atómico y subatómico) están en el centro de innovaciones como las imágenes de resonancia magnética, los láseres, los relojes atómicos y los microscopios a nanoescala. Pero utilizar esos principios para construir ordenadores requiere que dominemos una habilidad completamente nueva: controlar con precisión el comportamiento de los sistemas cuánticos y, al mismo tiempo, preservar su «extraña» naturaleza mecánica cuántica. Es una tarea abrumadora porque los sistemas cuánticos, como los fotones y los electrones, son muy delicados e inestables, y su comportamiento desafía nuestra visión arraigada del funcionamiento del mundo físico. Pero cuando se aprovechan correctamente, sus fuerzas contraintuitivas son las características, no los errores, a la hora de desbloquear nuevas capacidades.

Uno de los obstáculos más formidables para construir ordenadores cuánticos funcionales es que los cúbits no se quedan mucho tiempo. La vibración, la temperatura y otros factores ambientales pueden provocar que pierdan sus propiedades de la mecánica cuántica y provocar errores. Hoy en día, el ritmo al que se producen los errores en los cúbits limita la duración de los algoritmos que se pueden ejecutar. Los científicos están trabajando para crear entornos en los que muchos qubits físicos actúen en conjunto para crear una protección contra errores cúbits lógicos, que puede sobrevivir durante períodos de tiempo mucho más largos, lo suficiente como para respaldar aplicaciones comercialmente viables. Lo más probable es que se necesiten unos 1000 cúbits físicos para crear un solo cúbit lógico; los ordenadores cuánticos más avanzados actuales solo tienen de 50 a 100 cúbits físicos.

En los últimos dos años, las empresas se han involucrado mucho más en la construcción de ordenadores cuánticos. Tanto IBM como Google, dos de las empresas de tecnología más optimistas del sector, creen que se mostrará un qubit lógico dentro de dos años. Al igual que con la computación basada en transistores, la viabilidad comercial no se producirá de una sola vez, sino que crecerá de manera constante a medida que aumente el número de cúbits lógicos y disminuyan las tasas de error.

Cómo las empresas pueden utilizar los ordenadores cuánticos

Pocas empresas construirán o serán propietarios de ordenadores cuánticos a corto plazo. En cambio, veremos un modelo similar al de la computación en la nube en el que las empresas alquilan el acceso a máquinas cuánticas alojadas por un número relativamente pequeño de proveedores especializados, de forma similar a como las empresas actuales compran informática en AWS, Google Cloud y Microsoft Azure. (Divulgación: la investigación del coautor William Oliver ha contado con el apoyo de estas y otras empresas mencionadas en este artículo). Los ordenadores cuánticos no se utilizarán de forma aislada, sino que formarán parte de una solución híbrida en la que las tareas se asignarán a la máquina más adecuada (cuántica o clásica). Una infraestructura en la nube de computación cuántica permitirá compartir los recursos y crear economías de escala que reducirán los costes y aumentarán el acceso, lo que a su vez impulsará la demanda y acelerará el progreso.

A medida que el hardware y el software cuánticos mejoren, los diseñadores de algoritmos podrán experimentar e iterar según sus ideas y presentimientos. Podrán refinar los algoritmos existentes y crear otros nuevos sin tener que esperar años entre el desarrollo y las pruebas en una máquina funcional.

Tal vez podamos combatir mejor el calentamiento global si las simulaciones cuánticas pueden abordar los problemas de la ciencia de los materiales, como encontrar compuestos para baterías más eficientes.

Los algoritmos cuánticos son muy diferentes de los algoritmos que utilizan los ordenadores clásicos. Las que tienen más probabilidades de aplicarse a los procesos empresariales se dividen en cinco familias; algunas de ellas nos permitirán realizar tareas estándar con mucha más rapidez, mientras que otras nos permitirán aprovechar oportunidades completamente nuevas.

1. Simulación.

Cuando los pioneros de la cuántica, como Richard Feynman y Paul Benioff, imaginaron por primera vez el ordenador cuántico, creyeron que descubriría los secretos del funcionamiento de la naturaleza. Empezamos a dar testimonio de su visión. Por ejemplo: el modelado de una reacción química con 100 electrones fuertemente correlacionados (la fijación del nitrógeno es una de esas reacciones) está fuera del alcance de los potentes ordenadores clásicos. Pero en 2017, un equipo dirigido por Markus Reiher, profesor de química teórica en la ETH de Zúrich, calculó la escala del sistema cuántico necesaria para la tarea e introdujo un enfoque viable. El equipo descubrió que el objetivo se puede lograr con un clúster de máquinas avanzadas de unos 100 qubits lógicos cada una. Abundan los ejemplos de los avances que podrían derivarse de la modelización de los procesos naturales. Estas son tres:

Química. A principios del siglo XX, Fritz Haber y Carl Bosch desarrollaron un proceso industrial de fijación del nitrógeno que sintetiza el amoníaco directamente a partir del nitrógeno y el oxígeno, un proceso que todavía se utiliza hoy en día para producir fertilizantes para los cultivos que alimentan a miles de millones de personas en todo el mundo. Por increíble que sea el descubrimiento hace más de un siglo, ha tenido un coste elevado: el proceso Haber-Bosch es responsable ahora del 1 al 2% del consumo mundial de energía y del 1,4% del CO2 emisiones. Podemos hacerlo mejor y la computación cuántica puede ayudar.

Por ejemplo, sabemos que una enzima natural puede lograr los mismos resultados que el proceso de Haber-Bosch y gastar solo una fracción de la energía. Lamentablemente, las limitaciones de los ordenadores clásicos nos impiden modelar las reacciones químicas exactas que utiliza la enzima. Un ordenador cuántico algún día podrá hacerlo, lo que creará nuevas oportunidades para que las empresas químicas produzcan fertilizantes y otros productos de forma más eficiente desde el punto de vista energético.

Energía. Un tipo de fusión nuclear conocida como fusión por confinamiento inercial utiliza láseres potentes para comprimir pequeñas bolitas de combustible y generar temperaturas extremadamente altas en las condiciones adecuadas. En teoría, la cantidad de energía liberada por este proceso podría ser mayor que la utilizada por los láseres, lo que lo convertiría en una fuente de energía viable. Sin embargo, lograrlo en la práctica depende de configurar la enorme cantidad de parámetros posibles del proceso con una precisión increíble, algo que los ordenadores clásicos solo hacían con un éxito limitado. El director de ingeniería de Google, Hartmut Neven, cree que la computación cuántica puede ayudar a diseñar mejores reactores, lo que abre la posibilidad de una forma abundante de energía limpia.

Ciencias de la vida. En 2018, tres químicos de Harvard publicaron un artículo en el que describían el potencial de la computación cuántica en el descubrimiento de fármacos. Detallaron cómo la tecnología podría generar avances sustanciales al permitir una caracterización más rápida y precisa de los sistemas moleculares. Ese mismo año, los investigadores cofundaron Zapata, una empresa emergente de computación cuántica que desde entonces ha recaudado más de 65 millones de dólares en capital riesgo.

No son solo las empresas emergentes las que buscan nuevas moléculas utilizando ordenadores en lugar de tubos de ensayo. QuPharm es un consorcio de 17 compañías farmacéuticas, incluidas AbbVie, Bayer, GSK, Takeda y Pfizer, que unen sus conocimientos para acelerar el progreso del hardware y el software cuánticos. En 2019, la empresa biotecnológica Biogen y el especialista canadiense en computación cuántica 1QBit colaboraron para desarrollar una herramienta de comparación molecular con tecnología cuántica, una parte importante de los experimentos de detección virtual que se realizaron durante las primeras etapas del descubrimiento de los fármacos.

Otros investigadores están estudiando cómo la cuántica podría proporcionar nuevos conocimientos sobre los mecanismos químicos, como la fotosíntesis. También podríamos combatir mejor el calentamiento global si las simulaciones cuánticas pueden abordar los problemas de la ciencia de los materiales, como encontrar compuestos para baterías más eficientes, mejores células solares y nuevos tipos de líneas eléctricas que transmitan la energía de manera más eficiente.

2. Sistemas lineales.

Las ecuaciones de los sistemas lineales son la base de muchas aplicaciones de la computación clásica en ingeniería, finanzas, química, economía e informática. La computación cuántica ofrece la posibilidad de una mejora exponencial en las soluciones de muestreo de este tipo de ecuaciones. (Ya conocemos uno de esos algoritmos, llamado HHL, desarrollado conjuntamente por algunos de nuestros colegas del MIT). Las aplicaciones de sistemas lineales más prometedoras pueden estar en el área del aprendizaje automático mejorado. Se ha producido una explosión en la adopción de redes neuronales (una forma de entrenar a un ordenador para que realice una tarea inspirada en la forma en que funciona el cerebro humano) para impulsar una amplia variedad de aplicaciones. Esto ha ido acompañado de una creciente necesidad de mejorar el entrenamiento de los modelos de ordenador.

Tomemos los sistemas de recomendaciones, por ejemplo. Netflix modela las preferencias de todas las películas de su archivo en una matriz grande entre todos sus suscriptores. Su objetivo es recomendar películas a los usuarios que no hayan visto antes. Un algoritmo cuántico puede hacer esas recomendaciones de forma más rápida y precisa que los ordenadores clásicos, especialmente cuando el número de dimensiones de la matriz es muy grande.

Otra aplicación de sistemas lineales podría ser mejorar la capacidad de la IA de obtener información útil a partir de fotos y vídeos. Investigadores de las principales firmas cuánticas, por ejemplo, publicaron recientemente un artículo en el que detallaban cómo los ordenadores cuánticos podrían funcionar con los ordenadores clásicos para crear imágenes y vídeos originales. En una demostración, el sistema produjo imágenes de alta resolución de números manuscritos mediante una técnica de aprendizaje automático llamada redes generativas de confrontación (GAN). Aunque el resultado suene rudimentario hoy en día, imagine una futura película de Pixar en la que los elementos de un mundo ficticio los creen y organicen no diseñadores gráficos sino ordenadores cuánticos. Las aplicaciones de los GAN cuánticos podrían incluir la generación de objetos 3D en la arquitectura y la creación de datos de ADN sintético en la investigación genómica para producir nuevas moléculas para los tratamientos del cáncer.

Spencer Lowell/Trunk Archiv

Uno de los desafíos a los que se enfrentan los algoritmos de sistemas lineales (y otros tipos, como veremos) es lo que se conoce como el problema de la carga de datos: cómo transferir grandes cantidades de datos clásicos a ordenadores cuánticos. Resolver ese problema marcará un hito importante en la viabilidad comercial.

3. Optimización.

Los algoritmos de optimización determinan qué decisión en un escenario determinado tiene más probabilidades de alcanzar un objetivo específico. Un gestor de inversiones, por ejemplo, trata de encontrar la estrategia de jubilación óptima para un cliente equilibrando la rentabilidad esperada con alguna medida de riesgo. Los algoritmos de optimización cuántica pueden mejorar la calidad de las soluciones y aumentar la velocidad computacional a la hora de encontrarlas.

En mayo de 2021, Zapata anunció los resultados de una investigación que llevó a cabo con el banco español BBVA para investigar la aplicación práctica de un sistema cuántico a la creación de ajustes de valoración crediticia (CVA), un requisito reglamentario establecido para minimizar el riesgo financiero sistémico. El proyecto se centró en una simulación de Montecarlo, la técnica estándar para el análisis de riesgos de la CVA. Los cálculos en los que se basan las simulaciones son complejos y llevan mucho tiempo para los ordenadores clásicos, ya que deben tener en cuenta una amplia gama de posibles escenarios de incumplimiento crediticio. La investigación de Zapata y BBVA identificó el potencial de aceleraciones en comparación con las máquinas clásicas a medida que mejoren las tasas de corrección de errores en las futuras generaciones de ordenadores cuánticos. Los grandes bancos ya están invirtiendo en este sector: Goldman Sachs y JPMorgan Chase, así como BBVA, cuentan con equipos enteros dedicados a investigar las posibilidades de la computación cuántica en la banca y las finanzas.

Los algoritmos de optimización benefician a las empresas de una amplia gama de otros sectores. Cualquier empresa que dependa de encontrar las mejores rutas de cadena de suministro o de aumentar la productividad de una planta de fabricación ya sabe la importancia de la optimización para mejorar el rendimiento. La mayoría de los problemas de optimización se pueden resolver adecuadamente con ordenadores y algoritmos clásicos. Imagine que quiere optimizar su viaje de 20 millas a casa desde el trabajo. Google Maps puede aproximarse a la mejor ruta sin probar exhaustivamente todas las alternativas. Que elija la mejor ruta absoluta o una dentro de un minuto no le importará mucho. Pero para los desafíos a gran escala y aquellos para los que las mejoras incrementales son inmensamente valiosas, los algoritmos de optimización de la computación cuántica pueden cambiar las reglas del juego.

4. Búsqueda desestructurada.

Cuando un ordenador clásico necesita encontrar un objetivo de información exacto en una base de datos no estructurada, debe buscar línea por línea hasta que encuentre una consulta que coincida. Pero cada resultado de búsqueda que genera el ordenador no proporciona información adicional; es decir, los resultados negativos no reducen las posibilidades de búsquedas posteriores. Este es uno de los problemas más básicos de la informática. Para encontrar la información más rápido, se pueden ejecutar varios ordenadores clásicos, cada uno de los cuales busca línea por línea. Con la computación cuántica, las búsquedas se pueden realizar más rápido y en franjas de datos más grandes. Las aplicaciones que se basan en el sondeo de bases de datos incluyen los motores de búsqueda de Internet, el procesamiento en tiempo real de las transacciones con tarjetas de crédito e incluso el escaneo de ondas de radio astronómicas en busca de señales de inteligencia extraterrestre.

El algoritmo de Grover es una poderosa teoría de búsqueda cuántica desarrollada en 1996 que podría mejorar drásticamente la forma en que los ordenadores encuentran la información en una base de datos grande y desestructurada, resolviendo lo que se conoce como el desafío de «una aguja en un pajar». Pensemos en las tecnologías genómicas, que han proporcionado una visión transformadora de la microbiología; por ejemplo, han identificado los trastornos cardíacos genéticos y ofrecen un gran potencial de detección y vigilancia de las epidemias en tiempo real. Estas tecnologías necesitan mucha potencia de ordenador. Cada vez que los investigadores mapean una secuencia de ADN con un genoma de referencia, deben realizar una búsqueda masiva en los ordenadores clásicos. El algoritmo de Grover podría acelerar considerablemente la velocidad de estas búsquedas, pero solo se pueden ejecutar en un ordenador cuántico funcional.

Además de estos desafíos, los algoritmos de datos no estructurados se enfrentan al problema de la carga de datos porque se basan en la entrada eficiente de grandes cantidades de datos clásicos en los ordenadores cuánticos.

5. Factorización y cifrado.

Como hemos dicho, la factorización principal sustenta gran parte de la infraestructura mundial actual de seguridad y privacidad de Internet. Los saldos bancarios, los bitcoins, las tarjetas de crédito, las contraseñas de las redes sociales y casi todo lo demás que interese a los ciberdelincuentes está protegido teniendo en cuenta problemas que los ordenadores clásicos no pueden resolver con la fuerza bruta.

La computación cuántica podría cambiar este paradigma y facilitar mucho el descifrado de los sistemas de cifrado en los que confiamos hoy en día. En abril de 2021, el Instituto Nacional de Estándares y Tecnología (NIST), el organismo gubernamental estadounidense encargado de desarrollar normas de ciberseguridad, advirtió que «no podemos predecir cuándo estará disponible para los adversarios un ordenador cuántico capaz de ejecutar el algoritmo de Shor, pero… cuando llegue ese día, todas las claves secretas y privadas que estén protegidas con los algoritmos de clave pública actuales y toda la información disponible protegida por esas claves estarán expuestas».

Puede que los actores nefastos no puedan descifrar el cifrado actual, pero pueden adquirir fácilmente datos en un formato cifrado (por ejemplo, hackeando un proveedor de servicios de Internet y copiando todo el tráfico que pasa por él). Imagínese si un hacker adquiriera y almacenara datos cifrados hasta que un ordenador cuántico lo suficientemente sofisticado pudiera descifrar el cifrado. En ese momento, todos los datos quedarían expuestos. Para evitar que se produzcan estos escenarios, la transición a la criptografía resistente a la cuántica debe producirse mucho antes de que los ordenadores cuánticos a gran escala estén operativos.

Actualmente se están desarrollando técnicas de ciberseguridad llamadas criptografía poscuántica que pueden utilizar los ordenadores clásicos. El NIST lanzó un concurso público en 2016 para encontrar algoritmos que pudieran resistir el ataque de un ordenador cuántico. Está previsto que anuncie los resultados en 2022, pero incluso cuando se identifiquen los algoritmos poscuánticos, el proceso de despliegue de los nuevos criptosistemas requerirá actualizaciones masivas del software, el hardware y la infraestructura de comunicaciones. Habrá que volver a cifrar todos los datos confidenciales existentes y crear una nueva infraestructura que admita los nuevos algoritmos criptográficos.

Estos esfuerzos de remediación tendrán un impacto económico significativo. Carl Dukatz, director cuántico de Accenture, cree que la disrupción provocada por la transición a la criptografía poscuántica eclipsará el trabajo realizado para mitigar el problema del año 2000, un proceso que costó a los Estados Unidos y sus empresas más de 100 000 millones de dólares. La transición para dejar atrás una infraestructura vulnerable a la cuántica tiene que empezar años antes de la llegada de los ordenadores cuánticos a gran escala. Es fácil imaginar que en poco tiempo las empresas tendrán que demostrar a los reguladores o auditores que van camino de cumplir con la «conformidad cuántica», del mismo modo que tuvieron que demostrar el cumplimiento del año 2000 a finales de la década de 1990.

Por suerte, la llegada de la computación cuántica no es solo riesgo, gasto y desventajas. Aportará avances que aún no podemos prever y ofrecerá oportunidades tan ricas que la transición a la seguridad y el cifrado que acompañará a los albores de la era cuántica será uno de sus capítulos menos importantes.

Qué deben hacer los directivos ahora

A pesar de que aún no hay un ordenador cuántico viable desde el punto de vista comercial, no es demasiado pronto para prepararse. Los directivos deben centrarse en dos actividades clave: la vigilancia y la visión.

La vigilancia significa vigilar la rapidez con la que se progresa hacia los hitos tecnológicos clave. Estas incluyen la demostración del primer cúbit lógico, la reducción de las tasas de error y una ventaja cuántica comprobada desde el punto de vista comercial, no solo técnico, sobre los ordenadores clásicos. Las empresas pueden hacer un seguimiento del progreso mediante fuentes como paneles de expertos y torneos de previsión. En los próximos meses y años, puede que descubramos que las previsiones han sido demasiado conservadoras y que la era cuántica llegará antes de lo que pensábamos. Pero si los hitos siguen siendo obstinadamente difíciles de alcanzar, el dominio clásico se mantendrá durante algún tiempo.

La visión, o la elaboración de planes y escenarios sobre cómo la computación cuántica afectará a su empresa, va de la mano de la vigilancia. A corto plazo, debería contar con un equipo de personas que entiendan las implicaciones de la computación cuántica y puedan identificar las necesidades, oportunidades y posibles vulnerabilidades futuras de la empresa.

A medida que los directivos comiencen a darse cuenta de la computación cuántica y de cómo afectará a sus organizaciones, deberían hacerse las siguientes preguntas: ¿Dónde estamos limitados actualmente por los límites de la capacidad de cálculo? ¿Son esas áreas susceptibles a alguna de las cinco familias de algoritmos cuánticos? ¿Cuáles son nuestros principales usos del aprendizaje automático y otros tipos de IA y en qué medida nos ayudará la computación cuántica en esas áreas? Por último, ¿qué procesos biológicos o químicos nos gustaría poder modelar a nivel fundamental?

. . .

Descubrir los secretos de la naturaleza fue el primer uso de la computación cuántica imaginado por los pioneros del campo, y sigue siendo el más emocionante. En algún momento de la primera mitad de este siglo, pondremos los cúbits a trabajar en ese desafío y en muchos, muchos otros.