Dentro del campo de la observación de la tierra se abarcan problemas de muy diversa índole, generalmente a través del análisis de imágenes tomadas en distintas bandas de radiación o emisión electromagnética. Sin embargo, previo a estos análisis, los propios operadores de satélites han de enfrentarse a un problema de optimización de recursos, el cual puede describirse de la siguiente forma:

Dado un conjunto de imágenes solicitadas para un paso de órbita de un satélite, el objetivo es el de determinar cuál es el subconjunto de imágenes que se debería tomar en dicho paso de órbita, tratando de optimizar ciertas medidas: beneficio, importancia, capacidad, etc.

En la práctica totalidad de los casos, tomar el conjunto completo de imágenes solicitadas no es factible, dado que la órbita del satélite es fija, y existen una serie de restricciones que limitan las combinaciones de imágenes posibles de adquirir. Por ejemplo, algunas imágenes no pueden ser tomadas con la misma cámara dado que existen restricciones de tiempo de maniobra, tiempo de captura, proximidad geográfica, etc.

Para resolver esta cuestión, Antón Makarov y Alexander Benítez de la División de Inteligencia Artificial y Big Data de GMV, han expuesto en el meetup de IBM cómo se puede formular este problema matemáticamente para poder resolverlo mediante computación cuántica. Esta intervención que han realizado va relacionada con el caso de uso que están trabajando dentro del proyecto CUCO, el primer gran proyecto de computación cuántica a nivel nacional y empresarial que persigue avanzar el estado del arte de algoritmos cuánticos y aplicar ese conocimiento a una serie de pruebas de concepto en distintos sectores estratégicos de la economía española como Energía, Financiero, Espacio, Defensa y Logística. Este proyecto ha sido subvencionado por el CDTI y apoyado por el Ministerio de Ciencia e Innovación bajo el Plan de Recuperación, Transformación y Resiliencia.

La selección de este problema no ha sido casual, después de una larga evaluación de más de 15 casos de uso distintos, se ha identificado que este es un problema presente en el día a día de la industria aeroespacial: la adquisición óptima de imágenes es un problema que debe resolver cualquier operador de satélites de manera periódica. Además, es frecuente que las peticiones de imágenes lleguen a lo largo del tiempo, siendo necesario en la práctica resolver para una única planificación, varios problemas, incluyendo las nuevas imágenes a medida que van llegando. Disminuir el tiempo de ejecución de estos algoritmos puede suponer una ventaja competitiva, además de allanar el camino para resolver en un futuro problemas con múltiples satélites, que requieren de tiempos de cómputo incluso mayores.