Projecte CUCO: Optimització d’adquisició d’imatges satel·litàries

CUCO és el primer gran projecte de computació quàntica en l’àmbit nacional i empresarial. Aquest projecte busca avançar l’estat de l’art d’algoritmes quàntics i aplicar aquest coneixement a una sèrie de proves de concepte en diferents sectors estratègics de l’economia espanyola, com ara Energia, Finances, Espai, Defensa i Logística. En aquest context, s’investigaran casos d’ús en observació de la Terra, la lluita contra el canvi climàtic i el medi ambient, la traçabilitat de la informació en tota la cadena de subministrament, l’optimització i simulació de càlculs financers complexos, i la intel·ligència de senyals, entre d’altres. El projecte ha estat subvencionat pel CDTI i avalat pel Ministeri de Ciència i Innovació sota el Pla de recuperació, transformació i resiliència.

Cas d’ús: Sector Espai

Dins del camp de l’observació de la terra s’inclouen problemes d’índole molt diversa, generalment a través de l’anàlisi d’imatges preses en diferents bandes de radiació o emissió electromagnètica. Tanmateix, abans d’aquestes anàlisis, els mateixos operadors de satèl·lits han d’enfrontar-se a un problema d’optimització de recursos, que es pot descriure de la manera següent:

Prenent un conjunt d’imatges sol·licitades per a un pas d’òrbita d’un satèl·lit, l’objectiu és determinar quin és el subconjunt d’imatges que hauria de prendre en l’esmentat pas d’òrbita, tractant d’optimitzar certa/es mesura/es (benefici, importància, capacitat, etcètera).

A la pràctica totalitat dels casos, prendre el conjunt complet d’imatges sol·licitades no és factible, ja que l’òrbita del satèl·lit és fixa, i hi ha una sèrie de restriccions que limiten les combinacions d’imatges possibles d’adquirir. Per exemple, algunes imatges no poden ser preses amb la mateixa càmera, ja que hi ha restriccions de temps de maniobra, temps de captura, proximitat geogràfica, etcètera.

Aquest problema pertany al camp de l’optimització combinatòria; en concret es pot veure com un problema d’optimització lineal binària amb restriccions, que sabem que pertany a la classe de complexitat NP. Podem fer-nos una idea d’aquesta complexitat amb un exemple molt senzill: suposem que hem de triar un subconjunt de 30 imatges sol·licitades. Això significa que podem agafar una única imatge, qualsevol combinació de dues imatges, qualsevol combinació de tres imatges, i així fins i tot arribar a agafar-les totes 30. Podem escriure això com:

D’aquestes més de mil milions de possibles solucions, hem de rebutjar les que no compleixin les restriccions del problema, cosa que, per descomptat, no és trivial. Finalment, hauríem d’avaluar cada una de les solucions restants per obtenir la que maximitza el valor.

Amb tan sols 30 imatges, el problema ja és bastant complex. A la pràctica, on els problemes que cal resoldre involucren milers d’imatges, podem imaginar-nos per què qualsevol algoritme clàssic és poc eficient, la qual cosa requereix descartar directament els mètodes exactes i força a recórrer a algoritmes (meta) heurístics, els temps d’execució i garanties dels quals podrien ser millorats per algoritmes quàntics.

Un dels paradigmes de computació quàntica més prometedors en l’actualitat és el de Quantum Annealing (QA), especialment propici per les seves característiques per a problemes d’optimització. A grans trets, el seu funcionament és l’anàleg quàntic al de tirar una pilota des de dalt d’un sistema muntanyós: la pilota buscarà de manera natural l’estat de mínima energia: una vall. La nostra tasca és, per tant, preparar aquesta pilota i sistema muntanyós matemàticament perquè representin el problema que volem resoldre i executar els algoritmes quàntics, aprofitant conceptes com ara la superposició, l’entrellaçament, la coherència o l’efecte túnel per poder resoldre el problema de manera més eficient que amb computació clàssica.

La selecció d’aquest problema no ha estat casual; després d’una llarga avaluació de més de 15 casos d’ús diferents, s’ha identificat que aquest és un problema present en el dia a dia de la indústria aeroespacial: l’adquisició òptima d’imatges és un problema que ha de resoldre qualsevol operador de satèl·lits de manera periòdica. A més, és freqüent que les peticions d’imatges arribin al llarg del temps, per la qual cosa cal, a la pràctica, resoldre diversos problemes per a una única planificació, incloent-hi les noves imatges a mesura que van arribant. Disminuir el temps d’execució d’aquests algoritmes pot suposar un avantatge competitiu, a més d’aplanar el camí per resoldre en un futur problemes amb múltiples satèl·lits, que requereixen temps de còmput fins i tot superiors.

El nostre repte comú

Estem assistint a la denominada segona revolució quàntica enfocada a explotar els enormes avenços que s’han aconseguit en els últims anys en la capacitat de manipular la matèria en l’àmbit quàntic. Aquests avenços estan impulsant desenvolupaments ràpids en el camp de la computació quàntica que tindran un enorme impacte per a la intel·ligència artificial —entenent sota aquest paraigua genèric les tecnologies de computació per resoldre problemes de tot tipus relacionats amb la percepció, interacció, comprensió, simulació, predicció, recomanació, optimització...— i la intel·ligència artificial és la tecnologia clau de la transformació digital. Les capacitats de la IA per modelar, inferir, decidir i actuar permetran orquestrar eficientment la mobilitat autònoma, ajustar exactament la producció d’energia al consum instantani, sincronitzar perfectament les cadenes logístiques a les necessitats de producció i subministrament, adequar la producció alimentària a la demanda i optimitzar moltíssims més processos amb impacte social, econòmic i mediambiental.

Per estar preparats quan es despleguin plenament totes aquestes tecnologies, cal crear les capacitats ara. Les organitzacions necessitaran desenvolupar una combinació de talent singular i complex per crear aplicacions amb impacte. La combinació de disciplines de coneixement i aplicació que es requereix en aquest nou camp és molt difícil de generar i copiar, i necessita un temps de consolidació sostingut.

Aquest projecte, dins del Programa Missions del CDTI, està contribuint a crear una plataforma col·laborativa de capacitats capdavanteres en computació quàntica que serveix per accelerar el desplegament d’aplicacions amb impacte sostenible en les indústries estratègiques a Espanya.

Per aconseguir aquest objectiu general, el projecte s’articula entorn de les quatre claus següents:

• Enfocament a la creació d’una cartera de casos de negoci complementaris i amb sentit. Les limitacions actuals de les plataformes de computació quàntica condicionen la generació de solucions pràctiques des del punt de vista comercial. Per això, s’han seleccionat casos de negoci complementaris i rellevants orientats a problemes de múltiples sectors que puguin escalar en complexitat. Així, a mesura que el maquinari evolucioni, les solucions algorítmiques natives en tecnologies quàntiques desenvolupades en el projecte podran escalar fàcilment i donar resposta a la complexitat completa dels problemes abordats.
• Desenvolupament de tecnologia nativa en computació quàntica per al tipus de problemes dels casos de negoci. S’aborda la generació de tecnologia pròpia en aproximacions de codificació de dades i algorítmiques per als problemes dels casos de negoci: optimització, aprenentatge automàtic i simulació, tant nadiua quàntica com d’híbrida i d’inspiració quàntica.
• Enfortiment d’una comunitat especialitzada i oberta en l’àmbit de la conceptualització, identificació i desenvolupament de solucions integrals. La densa interacció dels equips d’empreses i organismes públics d’investigació participants, o la col·laboració amb altres entitats en un esquema obert, és una manera d’accelerar l’aprenentatge i d’enfortir un ecosistema orientat a aplicacions de quàntica amb impacte en el teixit industrial.
• Contribució a tancar la bretxa de mercat. L’èxit al mercat de les aplicacions, productes i serveis derivats de les tecnologies de computació quàntica requereix la creació d’ecosistemes compactes que contribueixin a l’assemblatge de l’oferta i la demanda de solucions específiques en aquestes tecnologies. El projecte està orientat, precisament, a dominis on la demanda potencial d’aquest tipus de solucions té fortaleses: cadenes de valor més compactes, un nombre més elevat d’agents a la cadena de valor d’aplicació, millor posició competitiva, accés directe a agents tractors globals, capacitat d’influència en aspectes normatius i estandardització, polítiques associades, etcètera. S’espera, així, contribuir a reduir la bretxa de mercat des de les primeres etapes.

Estratègicament, al final del projecte s’hauran desenvolupat les primeres capacitats amb massa crítica per al desenvolupament de solucions de computació quàntica, la qual cosa contribuirà a la generació d’un ecosistema singular en la matèria a Espanya.

Aquest article forma part d’una sèrie de tres articles dedicats a explicar alguns dels casos d’ús que han estat seleccionats pels socis del projecte, i que s’investigaran al llarg dels propers tres anys.

Autors dels articles:

• Antón Makarov Samusev, Data Scientist a GMV.
• Rosalia Esquivel Méndez, cap de Projecte a GMV.
• Esther Villar Rodríguez, Team Leader: Quantum Technologies / DIGITAL a TECNALIA.
• Guillermo Gil Aguirrebeitia, Impact Development: Quantum Technologies / DIGITAL a TECNALIA.
• Jorge Luis Hita, investigador en Computació Quàntica a BBVA.
• Carlos García Meca, director de Recerca a DAS Photonics.