La división de computación cuántica de Google ha impulsado este campo con varios avances significativos en los últimos años. La mayoría de ellos han ayudado a responder si es posible construir este tipo de computadoras a gran escala. La última contribución del grupo, publicada en Nature el miércoles, aborda otra pregunta importante: ¿Cómo utilizaremos de forma realista las computadoras cuánticas una vez que existan?.

Investigadores han demostrado cómo se puede utilizar una computadora cuántica para realizar resonancia magnética nuclear, un método para estimar la estructura atómica de los compuestos. Si bien este proyecto, llamado Ecos Cuánticos, no es útil en la práctica hoy en día —en concreto, porque el trabajo aún es factible en computadoras convencionales—, podría suponer un gran impulso para la ciencia a medida que la tecnología mejora y la velocidad de los cálculos aumenta.

Hoy en día, los científicos están muy entusiasmados con la posibilidad de utilizar la IA para predecir la interacción de las moléculas, transformando áreas como el descubrimiento de fármacos y la ciencia de los materiales. Sin embargo, uno de los retos es que esos modelos de IA disponen de datos de alta calidad limitados para su entrenamiento.

En comparación, los modelos de lenguaje de gran tamaño son excelentes para predecir el habla humana debido a la gran cantidad de combinaciones de palabras, oraciones y párrafos que existen en internet. Imaginemos, sin embargo, que todos los libros asimilados por los conjuntos de formación LLM solo contuvieran la información de las sobrecubiertas. Esto es similar a la situación actual de la ciencia.

Aun así, Google ha logrado enormes avances en el descubrimiento científico impulsado por IA. Su proyecto de predicción de proteínas AlphaFold revolucionó el campo de la biotecnología. Google ha lanzado su propia empresa derivada de descubrimiento de fármacos, Isomorphic Labs, con la esperanza de aprovechar estos descubrimientos para su propio beneficio económico.

El artículo del miércoles probablemente no sea útil para Isomorphic hoy, pero pone de relieve cómo los esfuerzos tecnológicos de todo el imperio de Google podrían algún día unirse para obtener un gran beneficio, tanto científico como económico.