Algoritmos mixtos: el enfoque híbrido que acerca la computación cuántica al sector financiero

Los algoritmos son los encargados de indicar a los ordenadores cómo resolver un problema. Igual que ocurre en la computación clásica, en la computación cuántica también existen algoritmos específicos y, además, la posibilidad de combinar procesadores clásicos y cuánticos en un mismo proceso para aprovechar las ventajas de ambos.

Este enfoque híbrido resulta especialmente interesante para el sector financiero, por el potencial que ofrece para abordar problemas como la optimización de carteras, la estimación de riesgos o la detección de oportunidades de arbitraje implican analizar un gran número de variables en el menor tiempo posible.

Tipos de algoritmos

Algoritmos clásicos

Son aquellos que se ejecutan en computadores convencionales y utilizan bits para representar la información, donde cada bit solo puede tomar el valor 0 o 1 en cada instante. Constituyen la base de toda la computación actual: desde una hoja de Excel hasta el entrenamiento de un modelo de inteligencia artificial. Su principal limitación aparece cuando deben resolver problemas con un número enorme de combinaciones posibles. En esos casos, y aunque se pueda repartir el trabajo entre varios procesadores, se necesitan explorar las distintas alternativas de forma sucesiva, por lo que el tiempo y los recursos necesarios crecen rápidamente hasta hacer algunos problemas prácticamente intratables.

Algoritmos cuánticos

Se ejecutan en ordenadores cuánticos y operan sobre cúbits, que pueden estar simultáneamente en una combinación de los estados 0 y 1 gracias a la superposición y, además, entrelazarse para que sus estados queden correlacionados. Estas propiedades permiten diseñar algoritmos capaces de resolver ciertos problemas mucho más rápido que los algoritmos clásicos, especialmente en ámbitos como la optimización, la simulación de sistemas físicos o algunos cálculos matemáticos. Para ejecutarlos es imprescindible disponer de un ordenador cuántico capaz de mantener estos estados cuánticos, por lo que no pueden reproducirse en un computador clásico.

Algoritmos mixtos o híbridos

Combinan procesadores clásicos y cuánticos para aprovechar las fortalezas de ambos. El ordenador cuántico realiza las operaciones que pueden beneficiarse de las propiedades de los cúbits, mientras que el ordenador clásico coordina el proceso, ajusta los parámetros a partir de los resultados obtenidos y vuelve a ejecutar el cálculo hasta encontrar una solución cada vez mejor. En la práctica, este es el enfoque predominante en la computación cuántica actual.

¿Por qué predominan los algoritmos híbridos?

Los ordenadores cuánticos actuales todavía son muy sensibles a cualquier perturbación de su entorno. Esa fragilidad introduce errores en los cálculos, un fenómeno conocido como ruido, que limita el tiempo durante el que pueden ejecutar operaciones de forma fiable. Por ello, la computación clásica se convierte en un complemento imprescindible: se encarga de coordinar el proceso, ajustar los parámetros del algoritmo y procesar los resultados, mientras el procesador cuántico realiza las operaciones donde puede aportar una ventaja.

Este escenario se conoce como la era NISQ (Noisy Intermediate-Scale Quantum o Computación Cuántica de Escala Intermedia Ruidosa), caracterizada por ordenadores cuánticos con un número todavía limitado de cúbits y sensibles al ruido. En este contexto, los algoritmos híbridos son la alternativa más práctica para aprovechar las capacidades de la computación cuántica con la tecnología disponible.

La familia de algoritmos híbridos más utilizada en la actualidad es la de los Algoritmos Cuánticos Variacionales (Variational Quantum Algorithms, VQA). Estos algoritmos distribuyen el trabajo entre el procesador cuántico y el clásico: el ordenador clásico utiliza los resultados obtenidos por el procesador cuántico para ajustar los parámetros del cálculo y lanzar una nueva ejecución, repitiendo este proceso hasta encontrar una solución cada vez mejor. Entre los ejemplos más conocidos se encuentran VQE (Variational Quantum Eigensolver) y QAOA (Quantum Approximate Optimization Algorithm).

Algoritmos mixtos para el sector financiero

En 2014, Alberto Peruzzo y su equipo propusieron VQE. Este algoritmo se utiliza principalmente en química cuántica para estimar la energía de moléculas y materiales, aunque también puede aplicarse a problemas de optimización del sector financiero. En determinados problemas de investigación, puede reducir de forma significativa los recursos computacionales necesarios frente a los métodos clásicos.

En el ámbito financiero, VQE se está investigando para resolver problemas de optimización en mercados donde hay múltiples mínimos locales. Un ejemplo académico de 2023 aplicó VQE para el arbitraje de criptomonedas, una estrategia en la que un inversor obtiene un beneficio por la diferencia de precio de un mismo activo entre distintos mercados. A medida que aumenta el número de mercados y activos, el número de combinaciones posibles crece rápidamente, haciendo que los métodos clásicos resulten cada vez más costosos. En este trabajo, el algoritmo cuántico consiguió resolver el problema de optimización de forma eficiente. Este tipo de investigaciones apunta al potencial que podrían tener estos algoritmos en futuros problemas de optimización y análisis financiero, aunque su aplicación práctica sigue dependiendo de la evolución del hardware cuántico.

También en 2014, Farhi, Goldstone y Gutmann presentaron el algoritmo QAOA ('Quantum Approximate Optimization Algorithm', es decir, Algoritmo de Optimización Cuántica Aproximada). Es un algoritmo que utiliza la superposición y el entrelazamiento para explorar combinaciones mientras los parámetros los ajusta un procesador clásico. El uso del adjetivo 'aproximada' es intencionado, ya que el algoritmo no garantiza encontrar siempre la solución óptima sino una solución de alta calidad en un tiempo razonable.

Este algoritmo se ha mostrado especialmente útil para la optimización de carteras gracias a su capacidad de optimización combinatoria. Además, distintos algoritmos cuánticos pueden combinarse dentro de un mismo flujo de trabajo para abordar diferentes fases de un problema financiero. Por ejemplo, una posible aplicación futura consistiría en utilizar un algoritmo QAE ('Quantum Amplitude Estimation' o Estimación de Amplitud Cuántica) para acelerar los métodos de simulación tipo Monte Carlo para estimar parámetros de riesgo de activos y, después, utilizar un QAOA para optimizar la cartera con esos parámetros.

Aunque todavía queda mucho camino por recorrer para disponer de ordenadores cuánticos capaces de abordar problemas reales a gran escala, los algoritmos mixtos permiten explorar cómo la computación cuántica podrá complementar a la clásica en el futuro. Hoy representan, sobre todo, un banco de pruebas para desarrollar los métodos que podrán aprovechar el hardware cuántico cuando este alcance la madurez necesaria.