La computació quàntica avança a passes de gegant, però la seva aplicació pràctica en dispositius NISQ (Noisy Intermediate-Scale Quantum) encara afronta barreres significatives. Un dels algoritmes més prometedors per a l'estimació d'energia de l'estat fonamental molecular és l'Estimació de Fase Quàntica (QPE), la profunditat de circuit del qual la fa inviable en maquinari sorollós actual. En aquest context, sorgeix el concepte de surrogat variacional analític, una arquitectura que permet reproduir la distribució de mesures de QPE utilitzant circuits variacionals poc profunds, sense necessitat de simular el circuit quàntic complet. Aquest enfocament, desenvolupat en investigacions recents, calcula l'objectiu d'entrenament de forma purament clàssica mitjançant el nucli de Dirichlet, avaluat a partir de l'energia de l'estat fonamental d'interacció de configuracions completa (FCI), el nombre de qubits ancilla i el paràmetre d'evolució temporal. Això elimina el coll d'ampolla de simulació d'escala exponencial que limitava els mètodes anteriors.
A la pràctica, el surrogat variacional analític entrena un Circuit Quàntic Variacional (VQC) superficial —per exemple, amb l'ansatz RY-RZ-CZ i topologia d'entrelligament lineal— per imitar fidelment la sortida de QPE. Experiments en el maquinari IBM Quantum amb la molècula d'hidrogen (H2) i un Hamiltonià simètricament afinat van demostrar que, amb només una capa del circuit variacional, és possible recuperar l'energia de l'estat fonamental dins del llindar de precisió química (1 kcal/mol). A més, la incorporació de tècniques de desacoblament dinàmic (DD) com XpXm millora la robustesa davant el soroll, sempre que la profunditat del circuit no sigui excessiva.
Des d'una perspectiva empresarial, aquesta metodologia representa un salt qualitatiu cap a la utilitat pràctica de la computació quàntica en sectors com la farmacèutica, la ciència de materials i la química computacional. La capacitat d'executar simulacions moleculars precises en maquinari NISQ amb circuits superficials accelera el descobriment de nous fàrmacs i catalitzadors, reduint costos i temps d'I+D. No obstant això, implementar aquests algoritmes avançats no és trivial: requereix una infraestructura de programari robusta, plataformes cloud escalables i mesures de ciberseguretat per protegir dades sensibles.
Aquí és on Q2BSTUDIO es posiciona com a soci tecnològic clau. Com a empresa especialitzada en desenvolupament de programari i tecnologia, oferim aplicacions a mida que integren algoritmes quàntics amb fluxos de treball clàssics. Els nostres serveis inclouen la creació de mòduls d'IA per optimitzar els paràmetres del VQC, així com agents d'IA autònoms que ajusten dinàmicament la topologia del circuit en funció del soroll del maquinari. A més, despleguem aquestes solucions en entorns cloud AWS o Azure, garantint escalabilitat i alta disponibilitat. La ciberseguretat és un altre pilar fonamental: protegim les comunicacions entre l'orquestrador clàssic i el processador quàntic, així com les dades d'entrada i sortida, mitjançant xifratge de punta a punta i pràctiques de pentesting.
La monitorització de resultats també es beneficia de les nostres capacitats en Business Intelligence. Mitjançant panells interactius basats en serveis cloud AWS/Azure i Power BI, visualitzem en temps real les distribucions de probabilitat, la fidelitat del surrogat i la convergència energètica. Això permet als equips d'investigació prendre decisions informades sense necessitat de ser experts en computació quàntica.
El surrogat variacional analític per a QPE exemplifica com la sinergia entre la teoria quàntica i l'enginyeria de programari pot superar les limitacions dels dispositius NISQ. A Q2BSTUDIO estem compromesos a democratitzar aquesta tecnologia, oferint solucions personalitzades que abasten des de la implementació de l'algoritme fins a la seva posada en producció. Si la seva organització vol explorar el potencial de la computació quàntica per a l'estimació de fase o qualsevol altra aplicació, el nostre equip multidisciplinari l'acompanyarà en cada pas del camí.
