Las bases de datos son la memoria operativa de la sociedad digital. Registran compras, historias clínicas, rutas logísticas, operaciones bancarias, publicaciones científicas o datos de sensores. Pero, a medida que la información crece y las consultas se hacen más complejas, el sistema debe decidir cuál es la mejor manera de buscar, combinar y procesar los datos. Ese proceso se llama optimización. Y representa muchas veces un auténtico cuello de botella.

El investigador Ibrahim Sabek, de la USC Viterbi School of Engineering, ha recibido una financiación de 627.250 dólares para desarrollar durante cinco años el proyecto Toward Quantum-Augmented Database Systems. Su objetivo es investigar si la computación cuántica puede acelerar algunas de las decisiones internas más difíciles de las bases de datos.

La idea de partida consiste en utilizar procesadores cuánticos como aceleradores especializados para resolver determinados problemas de combinatoria, aquellos en los que el número de alternativas posibles crece de forma explosiva.

A diferencia de un procesador convencional, que trabaja con bits cuyo valor es 0 o 1, un procesador cuántico utiliza cúbits: sistemas físicos (por ejemplo, circuitos superconductores, iones o fotones) capaces de mantenerse, durante el cálculo, en una combinación de ambos estados, denominada superposición. Mediante operaciones cuánticas, los cúbits pueden además entrelazarse, de tal modo que sus estados quedan correlacionados. Los algoritmos cuánticos aprovechan también la interferencia, un comportamiento de tipo ondulatorio, para reforzar las configuraciones asociadas a las soluciones más prometedoras y reducir otras; una capacidad que puede ofrecer ventajas notables frente a los métodos clásicos en problemas específicos.

El sentido de este planteamiento se desvela cuando, por ejemplo, pedimos a una base de datos una consulta compleja (como cruzar millones de registros de ventas, existencias, proveedores, rutas y previsiones de demanda), momento en el que el sistema debe decidir en qué orden ejecuta las operaciones.

Puede empezar por una tabla o por otra; puede aplicar antes un filtro o realizar primero una unión entre conjuntos de datos; puede elegir distintos índices y métodos de acceso. Cada decisión parece menor, pero el conjunto forma un espacio de posibilidades gigantesco.

Por eso, dos sistemas que reciben exactamente la misma pregunta pueden tardar tiempos radicalmente distintos en dar la respuesta, simplemente porque han elegido planes de ejecución diferentes. Encontrar el plan óptimo se parece menos a “buscar datos” que a resolver un rompecabezas con millones o miles de millones de configuraciones posibles.

En los grandes sistemas actuales, esta tarea afecta a funciones críticas como la planificación de consultas, la programación de transacciones y la selección de índices. Son procesos técnicos que normalmente quedan ocultos para el usuario, pero de ellos depende que una respuesta llegue casi de inmediato o se retrase durante horas.

Ibrahim Sabek. / USC Viterbi

La computación cuántica promete ventajas para algunos de estos problemas, especialmente los que exigen explorar muchas combinaciones. Sin embargo, los ordenadores cuánticos disponibles siguen siendo limitados y no están preparados para reemplazar la informática convencional en las tareas cotidianas.

Tal como recoge la propuesta de USC, el ordenador clásico seguiría controlando la base de datos, gestionando los datos y realizando la mayor parte del trabajo. El procesador cuántico recibiría sólo los subproblemas de optimización más difíciles, actuaría sobre ellos y devolvería una solución o una mejora al sistema convencional.

Según la información divulgada al respecto por USC, los primeros prototipos del grupo de investigación han logrado aceleraciones superiores a diez veces frente a un optimizador convencional de bases de datos en consultas de referencia. Es un resultado prometedor, pero no significa que todas las consultas empresariales o científicas vayan a resolverse diez veces más deprisa.

La cuestión central del proyecto será identificar qué problemas concretos pueden obtener una ventaja cuántica real: es decir, cuáles pueden resolverse más rápido que mediante los mejores métodos clásicos conocidos.

El equipo también quiere construir herramientas de alto nivel y flujos de trabajo reutilizables. La finalidad es que un desarrollador de bases de datos pueda emplear un solucionador cuántico como un acelerador incorporado, sin tener que ser especialista en física cuántica ni programar directamente el hardware.

Fuente: Levante - EMV