Una computadora cuántica captó la Tierra como no pudieron los algoritmos convencionales

IonQ probó un modelo cuántico con imágenes satelitales reales y en una de las pruebas más difíciles obtuvo un resultado mejor que dos algoritmos convencionales. El sistema buscaba cambios en la superficie terrestre a partir de imágenes radar de alta resolución, y parte de los cálculos los realizaron los investigadores en un procesador cuántico real, no solo en un simulador.

Para experimento se usaron imágenes obtenidas con un radar de apertura sintética. El satélite emite una señal de radio hacia la superficie y registra el eco, por lo que las nubes y la oscuridad apenas interfieren en la adquisición. Si se comparan imágenes de la misma zona tomadas en momentos distintos, se pueden observar consecuencias de desastres naturales, construcciones, desplazamientos de tierra y otros cambios.

Pero cuanto mayor es la resolución de esas imágenes, más difícil resulta compararlas automáticamente. La señal radar genera numerosos saltos de brillo que por sí solos no indican que haya ocurrido algo en el terreno. Al algoritmo le toca separar los cambios reales de las variaciones habituales de la señal, y en ocasiones hay muy pocos datos para tomar una decisión con confianza.

Normalmente las imágenes se suavizan previamente para eliminar parte del ruido y facilitar el análisis. Junto con el ruido, este procesamiento puede borrar detalles pequeños. Los investigadores decidieron probar otro enfoque y encargaron al modelo cuántico que estudiara cómo se distribuyen los valores de los píxeles en dos imágenes y luego generara datos adicionales con propiedades similares.

El método se basa en la máquina de Born cuántica, un modelo generativo que aprende a reproducir la distribución de los datos originales. Las muestras artificiales obtenidas ayudan al algoritmo a distinguir qué diferencias entre las imágenes corresponden a las fluctuaciones habituales de la señal y cuáles se parecen más a cambios reales en la superficie.

La diferencia más notable apareció en imágenes de la zona de San Diego con resolución de 1,2 m. En las imágenes sin procesar, el modelo cuántico en el simulador obtuvo una puntuación F1 de 0,30. Dos métodos clásicos mostraron 0,14 y 0,20. Tras suavizar las imágenes, los resultados subieron a 0,41, 0,16 y 0,24, respectivamente.

Los investigadores también trasladaron los cálculos a un procesador cuántico real de IonQ basado en iones atrapados. El mejor resultado fue 0,32 frente a 0,16 y 0,24 de los dos métodos clásicos. La máquina real quedó por debajo del simulador ideal, pero aun así conservó ventaja en esta prueba.

No obstante, todavía es pronto para afirmar la superioridad de los ordenadores cuánticos en el análisis de imágenes satelitales. Cuando los investigadores transformaron los datos de antemano para que los algoritmos estadísticos convencionales trabajaran más fácilmente con ellos, la diferencia casi desapareció. En una de las pruebas, los métodos obtuvieron una puntuación F1 de 0,56, 0,55 y 0,56.

Un panorama similar se observó en imágenes de la erupción del volcán Pitón de la Fournaise en la isla de Reunión. El valor máximo de los métodos cuántico y clásicos fue aproximadamente el mismo y alcanzó 0,66. La variante cuántica se distinguió por mantener una calidad cercana con una gama más amplia de configuraciones del algoritmo.

Los autores vinculan el resultado más interesante a datos complejos que resisten a los modelos estadísticos convencionales. El modelo generativo cuántico puede resultar útil precisamente en casos con pocas observaciones, distribuciones de valores desiguales y donde el suavizado previo puede destruir detalles necesarios.

El estudio está publicado por ahora como preprint, y los experimentos cubren solo dos tipos de datos satelitales. Además, el modelo cuántico se comparó con dos métodos clásicos concretos, no con todos los algoritmos modernos de aprendizaje automático. Por tanto, el trabajo muestra un escenario prometedor de aplicación de un procesador cuántico, pero no demuestra su ventaja general frente a los ordenadores convencionales.