
Foto: Isaac BUJ
Roberta Zambrini se graduó en la Università degli Studi de Milán, Italia, y obtuvo su doctorado en Física en la Universidad de las Islas Baleares (UIB) en 2003. Realizó un postdoctorado en el grupo de Óptica Cuántica de la Universidad de Strathclyde, en Glasgow, Reino Unido, y luego continuó su labor investigadora en el IMEDEA (CSIC-UIB, Palma) con un contrato Ramón y Cajal.
En 2008 obtuvo una plaza de Científica Titular del Consejo Superior de Investigaciones Científicas (CSIC) en el Instituto de Física Interdisciplinar y Sistemas Complejos (IFISC) en España y desde 2023 es Investigadora Científica.
Sus áreas de investigación abarcan Sistemas Cuánticos Complejos, Óptica Cuántica y Aprendizaje Automático Cuántico. Actualmente supervisa un grupo de más de diez estudiantes y postdocs, es Gestora del área de Física Cuántica y de la Materia de la AEI, y lidera diferentes proyectos, incluyendo la línea de investigación “Quantum Reservoir Computing” para aprendizaje automático en Quantum Spain.
¿Cuándo y cómo nació tu interés por la computación cuántica?
Mi interés por la computación cuántica surgió fuera del ámbito convencional, por la curiosidad de explorar el potencial que ofrecen los sistemas analógicos frente a los enfoques basados en circuitos con puertas lógicas. Mi interés es entender cómo los sistemas cuánticos de muchos cuerpos pueden ser utilizados para abordar problemas en el ámbito de los sistemas dinámicos y la teoría de sistemas complejos. En particular, este enfoque resulta muy prometedor en el ámbito del aprendizaje automático cuántico, lo que dio inicio a mi línea de investigación de aprendizaje automático cuántico y neuromórfico como el “Quantum Reservoir Computing”.
¿Qué es lo que más te apasiona de la investigación en computación cuántica? ¿Qué aspectos de este campo consideras más desafiantes y emocionantes?
Aspectos desafiantes hay muchos tanto en hardware como en algoritmos. Un ámbito muy activo es el del aprendizaje automático, siendo muy populares los métodos variacionales. Personalmente, lo que me crea mayor curiosidad en este contexto es identificar nuevos enfoques cuánticos y neuromórficos, que pueden ir más allá de los clásicos y son inspirados en lo que nos puede enseñar la computación de nuestro cerebro, potente y eficiente. En estos sistemas, las interacciones entre componentes pueden generar fenómenos emergentes y no clásicos, que abren nuevas fronteras en el aprendizaje automático.
Dentro de Quantum Spain lideras la línea de Investigación “Quantum reservoir computing” para aprendizaje automático. ¿Podrías explicar en qué consiste específicamente esta área de investigación y cuáles son los principales retos?
Es un método basado en redes neuromórficas y que se ha demostrado en diferentes sistemas, incluso empleando un cubo de agua para calcular. El concepto de reservoir computing (clásico) se ha desarrollado en los últimos 20 años y se basa en una red dinámica recurrente clásica, un «reservorio» complejo, para procesar los datos de entrada y resolver tareas específicas. El método es supervisado y la optimización solo ocurre en la capa de salida, siendo muy eficiente. Este método de aprendizaje automático integra las funciones de memoria y de computación, y permite realizar tareas complejas como la predicción de series temporales o el análisis de datos recibidos en secuencia usando la memoria interna del sistema.
En el caso de la variante cuántica, se exploran reservorios complejos cuánticos capaces de procesar información (clásica y cuántica), abriendo la posibilidad superar las limitaciones de las redes tradicionales en ciertas aplicaciones. Los principales retos que enfrenta nuestro equipo en este ámbito incluyen cuestiones prácticas como las estrategias de medición cuántica que permiten el procesado secuencial de datos, así como la identificación de plataformas (también ópticas), o cuestiones fundamentales sobre escalabilidad y ventaja cuántica.
En tu opinión, ¿cuál es el mayor desafío al que se enfrenta la comunidad científica en el desarrollo de la computación cuántica?
Hay desafíos tecnológicos, como la coherencia y la escalabilidad, que representan un obstáculo mayor para la implementación y operación estable de la computación cuántica. Más allá de los desafíos tecnológicos, un desafío mayor es establecer el alcance de esta tecnología, alternativa a la presente, basada en semiconductores y transistores, que es muy avanzada. Para que la computación cuántica encuentre su nicho hay que identificar problemas de interés amplio que puedan resolverse de manera eficiente con computación cuántica, aplicaciones concretas que justifiquen su complejidad y costo.
¿Cómo evaluarías la situación actual de la computación cuántica en España?
La situación actual de la computación cuántica en España muestra un panorama prometedor pero también desafiante. El contexto global impone retos importantes para competir con países y empresas que destinan mayores recursos económicos y humanos a la investigación y desarrollo en computación cuántica.
Hitos importantes a nivel nacional han sido la creación de redes y plataformas temáticas, así como programas de masters en tecnologías cuánticas, que han fomentado la creación de un contexto de comunicación y colaboración necesario. Más recientemente Quantum Spain ha sido un catalizador clave, logrando generar un impulso significativo y fomentando cohesión en el ecosistema cuántico. Este esfuerzo ha sido crucial para financiar investigación y para la puesta en marcha de un ordenador cuántico que va a servir como banco de prueba, democratizando el acceso a esta tecnología. Además contribuye a crear sinergias entre universidades, centros de investigación y empresas tecnológicas, además de aumentar la visibilidad sobre el potencial de las tecnologías cuánticas, como con el programa de TalentQ.
¿Qué consejo le darías a alguien que quiera iniciarse en el campo de la computación cuántica?
Lo que siempre aconsejo es dedicarse(nos!) a lo que nos genera curiosidad y entusiasmo. Si es el caso en el ámbito de la computación cuántica, también añadiría de mantener una mirada amplia y multidisciplinar, aprender los fundamentos y construir una base sólida, explorar diferentes técnicas y herramientas identificando si se prefieren aspectos fundamentales-teóricos o experimentar con cálculos, lenguajes y herramientas o en laboratorio con hardware.
Y viajar y colaborar y aprender, enriqueciéndose de diferentes maneras de dedicarse a la investigación. Hoy en día hay caminos diferentes, mucho material y charlas disponibles online para explorar, programas de máster también virtuales, posibilidad de realizar tesis en academia, empresa o entre ambas, en cotutela entre instrucciones de diferentes países. Las opciones son muchas, en academia y en empresas, solo hay que dedicarse a lo que nos apasione.