Aprendizaje automático cuántico: el software AutoQML facilita su uso en la industria

Reconocimiento de imágenes en el corte por láser como ejemplo concreto de aplicación de algoritmos de aprendizaje cuántico. © Grupo Trumpf

El equipo de autoQML en una reunión de proyecto 2023. © Fraunhofer IAO

En el proyecto conjunto AutoQML, los institutos Fraunhofer IAO y IPA, junto con siete socios industriales, desarrollaron un software de aplicación del mismo nombre. El software de código abierto AutoQML combina computación cuántica y aprendizaje automático. De esta manera, los algoritmos de aprendizaje cuántico pueden ser utilizados sin conocimientos especializados profundos.

¿Cómo logran las empresas aprovechar el potencial de la digitalización y mantenerse competitivas? La implementación de tecnologías como la inteligencia artificial puede ayudar a aprovechar al máximo la transformación digital. Especialmente, el aprendizaje automático (ML) ya juega un papel importante en la estrategia de digitalización de muchas empresas y permite, entre otras cosas, procesos más eficientes y nuevos modelos de negocio. Sin embargo, a menudo falta personal especializado. La implementación de soluciones de ML todavía suele estar relacionada con un alto esfuerzo de trabajo. Desde la adquisición de datos, la selección de los algoritmos adecuados hasta la optimización del entrenamiento, se requiere un conocimiento técnico detallado en ML.

El enfoque del aprendizaje automático automatizado (AutoML) contrarresta estos desafíos y facilita el uso de la inteligencia artificial. En particular, se automatiza la selección de los algoritmos específicos de ML. Los usuarios y usuarias necesitan menos conocimientos sobre ML y pueden concentrarse más en sus procesos principales.

En este contexto, la innovación de la computación cuántica promete establecer nuevos enfoques de solución que mejoren significativamente el método AutoML. Además, la computación cuántica ofrece la potencia de cálculo que a menudo es necesaria para AutoML.

Nueva estrategia: la computación cuántica lleva el aprendizaje automático a un nuevo nivel

El proyecto conjunto »AutoQML« partió de esta innovación y logró dos objetivos principales: por un lado, se desarrolló el nuevo enfoque AutoQML. Este amplía el principio de AutoML con algoritmos cuánticos de ML desarrollados recientemente. Por otro lado, la computación cuántica eleva el enfoque AutoML a un nuevo nivel, ya que ciertos problemas pueden resolverse de manera más eficiente y sostenible con la computación cuántica que con algoritmos convencionales.

Dirigido por el Instituto Fraunhofer para la Organización y la Economía del Trabajo IAO, el software de código abierto desarrollado AutoQML permite a desarrolladores y desarrolladoras acceder de manera simplificada a algoritmos de ML convencionales y cuánticos. Los componentes y métodos de ML cuántico desarrollados se han reunido en forma de una caja de herramientas y se han puesto a disposición de los equipos de desarrollo. Esto capacita a los usuarios y usuarias para emplear aprendizaje automático y aprendizaje automático cuántico, así como para desarrollar soluciones híbridas automatizadas integradas.

Además del Instituto Fraunhofer para la Producción Técnica y la Automatización IPA, participaron en el proyecto las empresas GFT Integrated Systems, USU GmbH, IAV GmbH Ingenieursgesellschaft Auto y Verkehr, KEB Automation KG, Trumpf y Zeppelin GmbH. Las soluciones desarrolladas se probaron en casos de uso concretos en los sectores automotriz y de producción.

Estudio de benchmarking muestra el potencial de AutoQML

En el estudio de benchmarking final, el consorcio del proyecto comparó su software de código abierto AutoQML con los mejores métodos clásicos y cuánticos conocidos. Un resultado clave del estudio: las soluciones automatizadas del software AutoQML obtienen resultados al menos tan buenos como los mejores métodos clásicos y cuánticos encontrados manualmente. Esto abre la posibilidad a los desarrolladores y desarrolladoras de experimentar con sus propios casos de uso.

Con el software de código abierto, se dio un paso importante hacia una aplicación más amplia del aprendizaje cuántico en la industria, lo que puede aumentar de manera sostenible la competitividad y la capacidad de innovación de las empresas.

La difusión en el mercado por parte de los socios del proyecto fomenta la transferencia de alta tecnología de investigación a un entorno industrial amplio y tiene como objetivo fortalecer significativamente la ubicación industrial de Alemania. Los conocimientos científicos del proyecto se han presentado en varias publicaciones. El proyecto fue financiado por el Ministerio Federal de Economía y Protección del Clima (BMWK) por un período de tres años.