-
El estudio reflejó “una mejora consistente” respecto de sistemas clásicos.
-
IBM ya había presentado un estudio similar junto con el banco HSBC.
El 29 de septiembre, IBM informó sobre un estudio realizado junto a la empresa gestora de activos financieros Vanguard en el que se probó computación cuántica para optimizar la construcción de carteras de inversión.
El experimento apuntó a uno de los problemas más exigentes del sector financiero: diseñar carteras que cumplan objetivos reales de rentabilidad y de riesgo siguiendo múltiples restricciones.
Para ello aplicaron una técnica denominada «algoritmo cuántico variacional basado en muestreo» (VQA), que combina recursos cuánticos y clásicos para encontrar soluciones aproximadas a problemas complejos, según el anuncio.
¿Cómo funcionan estos algoritmos cuánticos «VQA» y cómo fue aplicado en este experimento?
Las computadoras cuánticas todavía no son «perfectas» ni están libres de errores. Sin embargo, ya existen formas de aprovecharlas combinándolas con computadoras clásicas.
Una de esas formas son los algoritmos variacionales cuánticos (VQA), que funcionan como un «equipo mixto»: la parte cuántica explora un terreno muy grande de posibilidades y la parte clásica va afinando y corrigiendo los resultados.
Esos algoritmos se entrenan paso a paso, usando circuitos cuánticos sencillos y flexibles con técnicas que reducen los errores.
Por eso son adecuados para esta etapa inicial de la computación cuántica. Es como si un explorador novato usara un dron (la parte cuántica) para ver desde arriba todo el mapa y luego, con la ayuda de un guía (la parte clásica), eligiera la mejor ruta.
Esa idea, llevada al ámbito de aplicación del experimento de IBM y Vanguard se efectuó de la siguiente manera:
- En el estudio se utilizaron 109 de los 133 cúbits (las unidades básicas de cálculo cuántico, como los bits en una computadora tradicional) de un procesador IBM Quantum Heron r1.
- Además, se ejecutaron circuitos con hasta 4.200 “puertas lógicas” (las operaciones cuánticas básicas).
- Después de que la parte cuántica tomara muestras de las posibles soluciones, se aplicó un método clásico para pulir y mejorar esos resultados.
¿Cuál fue el resultado del experimento?
El método híbrido de computación cuántica-clásica se aplicó a la construcción de carteras de Fondos Cotizados en Bolsa (ETF) de bonos, utilizando como referencia el solucionador clásico llamado CPLEX, que resuelve óptimamente ese tipo de problemas a escala reducida.
Los resultados revelaron «métricas prometedoras» y que «el flujo de trabajo cuántico-clásico superó consistentemente a un enfoque de búsqueda local puramente clásico, especialmente cuando el tamaño del problema aumentaba».
Esta superioridad sugiere que la integración de recursos cuánticos y clásicos podría ofrecer ventajas significativas en tareas financieras complejas, abriendo camino a aplicaciones futuras en la gestión de activos, aunque los desafíos relacionados con el ruido y la escala aún requieren atención, según el comunicado de IBM.
Estas pruebas con cuántica y trading no fueron las primeras de su tipo. Como explicó CriptoNoticias el 25 de septiembre, IBM ya había trabajado con el banco HSBC en un ensayo de trading cuántico aplicado a bonos.
El banco reportó mejoras frente a métodos tradicionales, lo que muestra un creciente interés del sector financiero por estas tecnologías.
A medida que las computadoras cuánticas crezcan y estos algoritmos maduren, esta combinación híbrida podría superar a los métodos clásicos en problemas complejos y con muchas restricciones.
