es.wedoany.com Noticia: IQM Quantum Computers (NASDAQ: IQMX), desarrollador de computadoras cuánticas superconductoras, junto con Deutsche Bahn, ha publicado una investigación que demuestra la ejecución de algoritmos híbridos cuántico-clásicos de optimización sobre datos operativos ferroviarios reales. El estudio se ejecutó de extremo a extremo en el procesador cuántico Emerald de IQM, resolviendo el problema de planificación de material rodante: asignar unidades de tren físicas a servicios programados, minimizando los costos operativos y cumpliendo estrictamente con las restricciones de mantenimiento.
Ambas partes evaluaron un conjunto de datos operativos reales proporcionado por DB Systel, la subsidiaria de TI de Deutsche Bahn, que contiene 190 servicios programados con una ventana de planificación de dos días, cubriendo cinco ciudades principales de Alemania: Colonia, Múnich, Berlín, Fráncfort y Hamburgo. Para adaptar el problema de programación a la ejecución cuántica, IQM mapeó las restricciones al problema del conjunto independiente de peso máximo (Maximum-Weight Independent Set, MWIS) en un grafo de conflictos: los nodos del grafo son ciclos cerrados factibles de trenes, cada ciclo debe cumplir con una parada de mantenimiento obligatoria de dos horas en Hamburgo y un límite máximo de distancia de 4000 km; las aristas conectan ciclos incompatibles que sirven al mismo servicio programado.
El grafo MWIS obtenido de la generación de ciclos a escala completa contiene aproximadamente 98,500 ciclos factibles, un espacio de búsqueda demasiado grande para los procesadores cuánticos actuales. Los investigadores diseñaron un marco cuántico de divide y vencerás: el bucle exterior clásico extrae iterativamente subgrafos manejables (por ejemplo, de 20 nodos), ordenados por densidad de viajes con pasajeros; el subprograma cuántico ejecuta el algoritmo de optimización aproximada cuántica (Quantum Approximate Optimization Algorithm, QAOA) con profundidad p=1 para seleccionar soluciones parciales; un procedimiento clásico de poda posterior resuelve las selecciones conflictivas, obteniendo un conjunto independiente válido antes de actualizar el grafo global. En cada iteración, los ciclos de tren seleccionados se eliminan y los servicios aún no cubiertos pasan a la siguiente ronda para su procesamiento.
Los experimentos confirmaron tres resultados clave. Primero, el marco híbrido puede ejecutarse de extremo a extremo en hardware cuántico actual, generando soluciones de programación factibles y de alta calidad para conjuntos de datos empresariales reales, sin necesidad de procesadores cuánticos tolerantes a fallos.
Segundo, el rendimiento muestra una tendencia de escalamiento predecible a medida que aumenta el tamaño del subgrafo. Utilizando un solucionador clásico exacto como referencia, ambos muestran una relación estadísticamente significativa (P=1.04×10⁻⁹): cuando el tamaño del subgrafo aumenta, los kilómetros vacíos reducidos directamente por el marco híbrido (distancia de producción sin pasajeros) también aumentan.
Tercero, las mejoras de hardware pueden aprovecharse automáticamente. Cuando el procesador cuántico se expande en número de qubits, conectividad y fidelidad de puertas, y puede manejar subgrafos más grandes, la arquitectura algorítmica subyacente produce mejores resultados de programación sin necesidad de un rediseño estructural.
Al momento de la publicación de esta investigación, IQM ya cotizaba en el Nasdaq Global Select Market y en Nasdaq Helsinki desde julio de 2026, con el código bursátil IQMX. Ambas instituciones indicaron que la investigación actual se centra en la planificación determinista fuera de línea, y que la arquitectura de divide y vencerás podría adaptarse en el futuro a la gestión de interrupciones en tiempo real, permitiendo a los operadores ferroviarios reasignar dinámicamente el material rodante durante retrasos inesperados del servicio.
El artículo preprint de la investigación relacionada se ha publicado en la plataforma arXiv, e IQM ha publicado simultáneamente un libro blanco técnico y un estudio de caso técnico completo.
