Preparándonos para el futuro de la movilidad con la computación cuántica

Scarlett Gao, Timo Möller, Niko Mohr, Alexia Pastré y Felix Ziegler

La computación cuántica está avanzando y podría acelerar la revolución de la movilidad

El sector de la movilidad, siempre conocido por su innovación, está evolucionando ahora más rápidamente que nunca. Las ventas de vehículos eléctricos (EV) están aumentando y se espera que la demanda se multiplique por seis entre 2021 y 2030.1 Las nuevas soluciones, incluidas baterías de última generación y automóviles autónomos, están avanzando en su desarrollo y atrayendo el interés de los inversores, que han canalizado casi 280 mil millones de dólares hacia la industria automotriz. soluciones de hardware y software desde 2010.2 Mientras tanto, los consumidores que alguna vez se inclinaron por los automóviles privados están explorando cada vez más opciones más ecológicas, incluidos los patinetes eléctricos y los servicios de viajes compartidos.

Los cambios en la tecnología y las preferencias de los consumidores eventualmente darán como resultado un ecosistema de movilidad completamente conectado, inteligente y respetuoso con el medio ambiente. Los vehículos podrían tener software que les permita escanear sus alrededores para encontrar espacios de estacionamiento o identificar peligros, tal vez allanando el camino hacia la autonomía total. Los pasajeros podrían tener acceso a juegos en el automóvil y transmisión de video. Si una ruta está bloqueada, los vehículos podrían proponer alternativas. Para viajes más complicados, los consumidores pueden utilizar aplicaciones para realizar transbordos sin problemas entre el metro, vehículos compartidos y otras opciones de transporte.

Estos cambios, así como muchas otras funciones y aplicaciones de movilidad de los automóviles conectados, dependen del intercambio rápido y fluido de grandes cantidades de datos entre las computadoras del vehículo y las de otras ubicaciones. De manera similar, muchas aplicaciones de movilidad, como las de mapeo, dependen del intercambio de información entre las empresas de tecnología y los OEM. Muchas de estas empresas han comenzado a trabajar juntas recientemente y los socios todavía están experimentando con las mejores formas de compartir e intercambiar datos.

Principios de la computación cuántica

Las computadoras existentes, aunque son suficientes para muchas aplicaciones, no pueden soportar plenamente todos los cambios necesarios para crear un ecosistema de movilidad inteligente y conectado. La computación cuántica (QC) podría proporcionar soluciones mejores y más rápidas aprovechando los principios de la mecánica cuántica, las reglas que gobiernan cómo actúan e interactúan los átomos y las partículas subatómicas. (Consulte el recuadro "Principios de la computación cuántica" para obtener más información). A corto plazo, el control de calidad puede ser más aplicable para resolver problemas complejos que involucran pequeños conjuntos de datos; A medida que mejore su rendimiento, el control de calidad se aplicará a conjuntos de datos extremadamente grandes.

Aunque los investigadores han estimado que faltan entre cinco y diez años para la aplicación comercial generalizada del control de calidad, algunas empresas de movilidad ya están probando aplicaciones y desarrollando sus capacidades en esta área. Pronto podrían surgir oportunidades adicionales. Por ejemplo, los fabricantes de equipos originales podrían utilizar el control de calidad para simular cómo afectaría el rendimiento el cambio de la composición del material de un componente del vehículo. Los beneficios del control de calidad podrían ser particularmente útiles en países grandes con múltiples caminos y muchas rutas alternativas. Dentro de la conducción autónoma, el control de calidad puede mejorar el rendimiento de los sensores y sistemas del vehículo, permitiéndoles tomar decisiones instantáneas cuando se enfrentan a un obstáculo en la carretera, o ayudar a los fabricantes de equipos originales a desarrollar mejores algoritmos de cifrado para evitar que los piratas informáticos se apoderen de los vehículos.

Si los actores de la movilidad continúan ampliando sus iniciativas, el control de calidad podría crear un valor significativo en áreas que van desde el diseño de vehículos hasta la entrega de última milla y el envío de larga distancia. Nuestro análisis muestra que la industria automotriz, junto con la química, los servicios financieros y las ciencias biológicas, probablemente experimente el impacto económico más temprano del control de calidad. Sólo en la industria automotriz, por ejemplo, el valor económico del control de calidad podría oscilar entre 29 mil millones de dólares y 63 mil millones de dólares para 2035.3

Los beneficios de la computación cuántica

Los algoritmos utilizados en la computación clásica de alto rendimiento (HPC), el estándar actual, son suficientes para muchos cálculos, incluidos los utilizados para evaluar los resultados de ensayos clínicos, analizar tendencias financieras y predecir patrones climáticos. Sin embargo, el control de calidad podría manejar los mismos cálculos mucho más rápidamente y con menores requisitos de energía. El control de calidad también podría resolver algunos problemas complejos en industrias que ahora están fuera del alcance de la HPC.

Dentro del sector de la movilidad, algunas empresas han dudado en implementar aplicaciones de control de calidad porque la HPC cuesta menos y es igualmente probable que resuelva la mayoría de los problemas, aunque más lentamente. Pero esta mentalidad podría ser miope, ya que los algoritmos de control de calidad mejoran constantemente y los costos asociados pueden disminuir. En todas las industrias, es más probable que el control de calidad gane terreno para las tres actividades siguientes porque ofrece las mayores ventajas de tiempo y costos sobre el HPC, así como una mayor precisión en algunos casos (Anexo 1):

Mejoramiento. Los algoritmos de optimización consideran múltiples parámetros en varias combinaciones para determinar cómo afectan los resultados finales, como la probabilidad de que el uso de nuevos materiales durante la fabricación reduzca los residuos. En algunos casos, las empresas pueden utilizar algoritmos clásicos para dividir un problema grande en partes más manejables y luego aplicar control de calidad a esas secciones más pequeñas para acelerar los cálculos. A corto plazo, las aplicaciones de optimización del control de calidad tienen más probabilidades de generar beneficios. Por ejemplo, los coches autónomos pueden circular por carreteras con conductores humanos que no siempre toman decisiones racionales. El control de calidad podría ayudar a los vehículos autónomos a predecir correctamente cómo podrían reaccionar los conductores en determinadas circunstancias mediante el análisis de cantidades masivas de datos de conducción.4
Simulación. El control de calidad puede permitir simulaciones más rápidas y precisas, como aquellas que evalúan la estructura energética interna de diferentes moléculas y sus interacciones. En el ámbito de la movilidad, las simulaciones podrían ayudar a optimizar el desarrollo de baterías, facilitar la creación de materiales resistentes al calor y ayudar al desarrollo de combustibles aeroespaciales alternativos. Es probable que estos casos de uso ganen impulso en el mediano plazo.

Los algoritmos híbridos de aprendizaje automático (ML) e inteligencia artificial (AI).QC pueden reducir el tiempo de entrenamiento y los requisitos de energía para los modelos ML/AI, especialmente en las capas con mayor uso computacional, lo que ayudará a las empresas a tomar decisiones más rápidamente. Por ejemplo, podrían cambiar los horarios y rutas de vuelo más rápidamente basándose en datos de modelos atmosféricos. Otro beneficio es que el control de calidad podría reducir la cantidad de datos de entrenamiento necesarios. Es probable que el control de calidad tarde entre cinco y diez años en generar resultados sustanciales en la IA y el aprendizaje automático.

Figura 1

En el corto plazo, las empresas pueden generar el mayor impacto al confiar en un modelo operativo híbrido en el que aplican HPC a algunos problemas y reservan el control de calidad para casos seleccionados donde ofrece los mayores beneficios. Considere las interacciones químicas. Dado que la mecánica cuántica gobierna cómo interactúan los átomos y las partículas subatómicas, el control de calidad podría modelar este proceso intrínsecamente cuántico con mucha menos memoria y potencia de procesamiento que la requerida por la HPC.

Aplicaciones de movilidad de control de calidad actuales y futuras

El control de calidad puede promover mejoras a lo largo de toda la cadena de valor de la movilidad (Anexo 2). En el ámbito de la fabricación, por ejemplo, los OEM pueden utilizar el control de calidad para optimizar la creación de gemelos digitales, que son representaciones virtuales de fábricas que pueden ayudar a las empresas a optimizar las rutas de los robots dentro de los almacenes, programar trabajos, colocar equipos, mejorar el control de calidad o mejorar el uso de energía. Un proveedor automotriz líder a nivel mundial se ha asociado con una empresa de control de calidad para crear gemelos digitales que brindarán una mayor comprensión del rendimiento de los equipos y los procesos de producción y, al mismo tiempo, reducirán potencialmente los residuos y el uso de energía.

Figura 2

El control de calidad también podría transformar múltiples áreas del diseño de vehículos, aeronaves y satélites, permitiendo a los OEM optimizar el peso del producto, el posicionamiento de los sensores y la resistencia al estrés físico. También podría mejorar las pruebas de dinámica de fluidos computacional. Estos esfuerzos podrían generar ciclos de construcción, prueba y mejora potencialmente costosos para los procesos de conformado de metales porque el control de calidad puede proporcionar información más rápidamente que la HPC. Una vez más, varios fabricantes de equipos originales han comenzado temprano trabajando con empresas de control de calidad en cuestiones de diseño para aprovechar los procesadores cuánticos y los algoritmos de simulación personalizados para predecir cómo cualquier modificación del proceso podría alterar la composición de las piezas del vehículo y determinar si los cambios harían que los componentes no cumplan con las normas. regulaciones. Además de acelerar los ciclos de desarrollo y aumentar la seguridad, el modelado virtual podría ayudar a los fabricantes de equipos originales a producir vehículos más ligeros y con menor consumo de combustible.

Aplicaciones en el ecosistema de movilidad más amplio

El control de calidad podría beneficiar potencialmente a todos los actores del ecosistema de la movilidad, incluidos los proveedores de flotas y las empresas emergentes que intentan revolucionar el transporte.

Optimización de flotas. Los algoritmos de control de calidad pueden optimizar la gestión de flotas, lo que da como resultado operaciones más eficientes, costos reducidos y una mejor huella ambiental. Algunas flotas de camiones ahora utilizan el control de calidad para analizar el efecto de múltiples variables, incluida la construcción de carreteras, al planificar rutas y enviar conductores. En el ámbito marítimo, una empresa líder mundial en petróleo y gas está trabajando en una iniciativa de control de calidad que implica modelar las ventajas comparativas de diferentes rutas marítimas para aumentar la tasa de entrega de energía justo a tiempo. Un OEM global firmó un acuerdo para utilizar la computadora cuántica de la NASA en su investigación sobre automóviles autónomos y espera trazar las rutas más eficientes para flotas de camiones comerciales diésel dentro de regiones que contienen múltiples ciudades.

Simulación de flujo de tráfico. La congestión de las carreteras es un problema creciente en muchos países y Volkswagen, en combinación con D-Wave Systems, ha intentado desarrollar algoritmos de optimización del flujo de tráfico. En un proyecto, analizó datos de taxis públicos en Beijing para determinar las mejores rutas entre el centro de la ciudad y el aeropuerto. Luego, Volkswagen creó una aplicación móvil que puede proporcionar la mejor ruta a cualquier destino. En Lisboa, Volkswagen equipó los autobuses públicos con un sistema que utiliza control de calidad para calcular la ruta más rápida casi en tiempo real.

Carga de combustible y control de la carga. Muchas empresas de aviación se han fijado objetivos de sostenibilidad ambiciosos porque el tráfico aéreo es responsable de un alto porcentaje de las emisiones globales. También están tratando de reducir los cuellos de botella en la cadena de suministro, que se han vuelto más comunes desde la pandemia, simplificando los procesos y reduciendo el tiempo de tránsito. El control de calidad puede ayudar en ambas áreas. Por ejemplo, una empresa aeroespacial líder a nivel mundial está trabajando en algoritmos de control de calidad que aumentan la eficiencia de la carga y optimizan la distribución de la carga en los vuelos, mejoras que podrían reducir el tiempo y los costos. Estos algoritmos consideran múltiples variables que afectan la capacidad de carga útil, incluido el centro de gravedad de la aeronave y los límites de corte del fuselaje.

Gestión del tráfico aéreo. La movilidad aérea avanzada implica el vuelo de conceptos de próxima generación, incluidos drones de pasajeros. Una organización, el Proyecto de Transformación Cuántica, ya está intentando optimizar las rutas de vuelo y la programación de estos aviones mediante el uso de control de calidad para evaluar numerosos factores en combinación, incluidas las condiciones climáticas en constante cambio.

Mantenimiento de vehículos e infraestructuras. Al procesar grandes cantidades de datos de sensores y sistemas de monitoreo, los algoritmos cuánticos pueden detectar anomalías y predecir los requisitos de mantenimiento antes de que ocurran fallas críticas. Este enfoque proactivo puede mejorar la seguridad, reducir el tiempo de inactividad y mejorar la eficiencia operativa general.

El paso a la computación cuántica

En comparación con otras tecnologías innovadoras, la inversión en control de calidad sigue siendo relativamente baja. Sin embargo, ha crecido constantemente en los últimos años, principalmente porque varios gobiernos le han destinado grandes cantidades de financiación pública. La inversión de capital de control de calidad en 2022 fue de aproximadamente 2 mil millones de dólares, en comparación con 5 mil millones de dólares para la IA generativa y 16 mil millones de dólares para tecnologías de realidad inmersiva.5 Sin embargo, las empresas reconocen claramente el valor potencial del control de calidad y están considerando posibles aplicaciones de control de calidad. A medida que exploran las posibles ventajas de costo y velocidad, deben considerar los siguientes factores:

Complejidad del algoritmo. El control de calidad puede tener una ventaja de velocidad intrínseca porque sus capacidades de procesamiento paralelo reducen la cantidad de cálculos únicos necesarios.6 Por ejemplo, el control de calidad puede analizar información de bases de datos no estructuradas más rápidamente que el HPC.
Tiempo de ejecución. El tiempo total de ejecución depende en gran medida del hardware y las arquitecturas. Aunque los algoritmos de control de calidad pueden encontrar respuestas utilizando menos cálculos, es posible que su tiempo de ejecución no sea más rápido que el de HPC debido a diferencias en la velocidad de la puerta, el tiempo de lectura de entrada/salida y otros factores. Las empresas de hardware ahora están dando prioridad a las mejoras en la velocidad de ejecución del control de calidad, aunque estas serán menos relevantes en el largo plazo porque las mejoras en la capacidad de procesamiento paralelo del control de calidad finalmente le darán una ventaja.
Requisitos energéticos. La HPC puede consumir hasta 25 megavatios de energía, lo que puede aumentar los costos e interferir con los objetivos de sostenibilidad de una organización. El consumo de energía para el control de calidad puede ser insignificante en comparación con esto, ya que la mayor parte está relacionada con los sistemas de refrigeración.
Gastos de capital y operativos. El control de calidad puede resultar más caro que el HPC a corto plazo debido a la infraestructura y los materiales necesarios. Por ejemplo, muchos de los componentes esenciales del control de calidad aún no se producen a gran escala, lo que aumenta los costos. El control de calidad podría volverse más competitivo en términos de costos a medida que el sector madure y haya más proveedores disponibles.

Para aquellas empresas que quieran acelerar sus esfuerzos de control de calidad, tres actividades pueden resultar útiles.

En primer lugar, el seguimiento de la tecnología y el desarrollo de capacidades son esenciales. Las empresas podrían crear equipos dedicados para seguir los últimos desarrollos de control de calidad, incluidos aquellos relacionados con hardware, integración híbrida, plataformas de codificación y protocolos de criptografía poscuántica. Además de acelerar el progreso, la presencia de un grupo centrado en el control de calidad puede indicar la importancia de esta tecnología para toda la organización.
La siguiente actividad es práctica y básica: identificación de casos de uso. Durante los próximos tres a cinco años, las empresas pueden centrar su atención en proyectos que impliquen ruidos cuánticos de escala intermedia. Las computadoras involucradas tendrán entre 50 y unos pocos cientos de qubits, y su rendimiento puede superar a la HPC en muchos casos, pero el "ruido" en las puertas cuánticas limitará la cantidad de cálculos secuenciales que se pueden realizar antes de que surjan errores. A largo plazo, las empresas pueden beneficiarse del control de calidad tolerante a fallos, que podría surgir antes de finales de la década. Este tipo de computación minimiza los errores que pueden ocurrir cuando los qubits interactúan.
La última actividad clave es familiar para muchos OEM: colaborar a escala con empresas de control de calidad e instituciones académicas. La participación activa en dichas asociaciones puede ayudar a garantizar que algunas investigaciones de control de calidad se centren en áreas que son críticas para la movilidad, y puede ayudar a aumentar la reserva de talentos para aquellas empresas que quieran incorporar habilidades de control de calidad internamente.

A medida que el sector de la movilidad experimenta cambios que no se habían visto en décadas, el control de calidad podría ser esencial para lograr un ecosistema inteligente y conectado que dependa del rápido intercambio y procesamiento de cantidades masivas de datos. Si bien el camino para aprovechar todo el potencial del control de calidad puede parecer largo y dilatado, la tecnología podría reducir años los cronogramas de desarrollo de vehículos autónomos y otras innovaciones que de otro modo nunca se materializarían o tardarían décadas en lograrse.

SOBRE LOS AUTORES:

Scarlett Gao es asociada de la oficina de McKinsey en Londres; Timo Möller es socio de la oficina de Colonia; Niko Mohr es socio de la oficina de Düsseldorf; Alexia Pastré es alumna de la oficina de Nairobi; y Felix Ziegler es asociado en la oficina de Nueva York.

Este artículo fue editado por Eileen Hannigan, editora senior de la oficina de Waltham, Massachusetts.

Este artículo ha sido traducido por L. Domenech