Microsoft presenta Majorana 2
La compañía ha desarrollado un chip cuántico 1.000 veces más fiable con la ayuda de la IA basada en agentes de Microsoft Discovery
Principales novedades:
- Microsoft presenta Majorana 2, su chip cuántico topológico de nueva generación, desarrollado con ayuda de la IA basada en agentes de Microsoft Discovery.
- Entre sus avances destaca una nueva arquitectura de materiales que permite multiplicar por 1.000 la fiabilidad respecto a la generación anterior de qubits, con una vida media de 20 segundos y picos que alcanzan hasta un minuto.
- Microsoft sitúa ahora en 2029 su objetivo de lograr un ordenador cuántico escalable, recortando a la mitad el calendario inicial.
- Microsoft Discovery ya está disponible con carácter general. Esta plataforma para los departamentos de I+D Frontier, o pioneros, permite a los clientes desplegar equipos de agentes de IA, guiados por expertos humanos, para acelerar el descubrimiento científico.
- La nueva aplicación Microsoft Discovery ofrece una versión local de las capacidades principales de la plataforma, que los usuarios pueden descargar gratuitamente y utilizar con una cuenta de GitHub Copilot.
Por Catherine Bolgar
Microsoft ha presentado hoy Majorana 2, su nuevo chip cuántico topológico, que incorpora una arquitectura de materiales de última generación y qubits hasta 1.000 veces más fiables que los de generaciones anteriores. Gracias a este avance, el equipo prevé alcanzar un ordenador cuántico escalable en 2029, reduciendo a la mitad el calendario inicialmente previsto.
Al aplicar los últimos avances en IA basada en agentes —diseñada específicamente para acelerar los procesos científicos y fomentar la colaboración—, el equipo de computación cuántica de Microsoft está superando barreras clave en términos de fiabilidad, velocidad y escala, que hasta ahora habían limitado la aplicación de la computación cuántica a escenarios reales.
Por ejemplo, los qubits del nuevo chip son capaces de mantener su estado cuántico 1.000 veces más tiempo que los de la primera generación, lo que da lugar a una computación mucho más fiable. Mientras que otros enfoques habituales miden la “vida útil” de un qubit en microsegundos, Majorana 2 alcanza una vida media de 20 segundos, con algunos casos que llegan hasta un minuto. Esta mejora podría compararse, aproximadamente, con pasar de una batería de móvil que dura un día a otra capaz de mantener la carga durante casi tres años.
Este nivel de fiabilidad, junto con su elevada velocidad (operaciones en un microsegundo) y el reducido tamaño de los qubits (1/100 de milímetro), sitúa al equipo de Microsoft en la trayectoria para lograr un ordenador cuántico escalable y comercialmente viable en 2029. Según la compañía, una máquina de estas características podría resolver problemas hasta ahora inabordables en ámbitos como la salud, el suministro alimentario, la sostenibilidad o la producción energética en todo el mundo, entre otros.
“Necesitamos seguir avanzando cada año con mejoras que nos acerquen a desarrollar un ordenador con un enorme valor comercial y social”, afirma Chetan Nayak, responsable técnico de Microsoft. “Tenemos que mantener el rumbo marcado por nuestra hoja de ruta. Y si nos comparamos con hace un año, la realidad es que hoy somos 1.000 veces mejores”.
A partir de ahora, otros equipos que busquen avances en ámbitos científicos o de ingeniería pueden apoyarse en la misma experiencia de IA basada en agentes que el equipo cuántico de Microsoft está utilizando en su programa Majorana.
La compañía también ha anunciado hoy la disponibilidad general de Microsoft Discovery, su plataforma integral para que las organizaciones impulsen una estrategia de I+D pionera (Frontier). Esta solución combina agentes de IA especializados en investigación y desarrollo científico, un entorno —Discovery Engine— que organiza los flujos de trabajo de investigación y razonamiento, así como capacidades de seguridad, gobernanza y transparencia a nivel empresarial.
Microsoft también ha presentado, en fase inicial de preview, una app de Microsoft Discovery que incorpora las capacidades principales de la plataforma y que los usuarios pueden descargar de forma gratuita y ejecutar localmente en sus equipos con una cuenta de GitHub Copilot, mejorando el acceso a la investigación avanzada impulsada por IA.
Microsoft Discovery permite a los investigadores desplegar equipos autónomos de agentes, guiados por criterio humano, capaces de trabajar sobre grandes volúmenes de conocimiento, generar hipótesis, optimizar experimentos, validar teorías y aprender de forma continua. Los controles integrados ayudan a garantizar que la investigación se mantenga alineada con las prioridades, así como con los requisitos de seguridad, cumplimiento normativo y protección.
“En el último año, desde su lanzamiento, hemos visto cómo nuestros clientes han activado numerosos casos de uso en sectores clave como ciencias de la vida, química y materiales, energía, fabricación y bienes de consumo”, señala Aseem Datar, vicepresidente corporativo de Innovación de Producto en Microsoft Discovery. “Con empresas como Syensqo desarrollando fluidos de nueva generación para la fabricación de semiconductores, las oportunidades de impacto son enormes”.
Los propios científicos e ingenieros del equipo de computación cuántica están utilizando las capacidades de IA basada en agentes de Microsoft Discovery para gestionar flujos de trabajo, automatizar mediciones, optimizar procesos de fabricación, identificar fallos que antes pasaban desapercibidos y proponer nuevas soluciones.
“La IA basada en agentes se ha integrado prácticamente en todo lo que hacemos; se ha convertido en una parte muy natural de nuestra forma de trabajar”, afirma Nayak.
“Los agentes pueden acelerar los procesos tanto como se quiera. Pueden limitarse a recopilar información y resumirla, o ir más allá y sintetizarla en profundidad o incluso generar hipótesis interesantes. Y eso, ahora mismo, tiene un enorme potencial”.
La IA basada en agentes puede ayudar a descubrir nuevos materiales
Majorana 1, presentado el año pasado, supuso un avance revolucionario al emplear un superconductor topológico, una categoría especial de material capaz de generar un nuevo estado de la materia que permite una computación cuántica más estable. Con el objetivo de mejorar ese primer concepto, el equipo revisó en profundidad la arquitectura de materiales.
El superconductor del Majorana inicial utilizaba aluminio, mientras que Majorana 2 incorpora plomo, un material ampliamente utilizado en entornos hospitalarios e industriales para proteger a personas y equipos frente a la radiación. En el contexto de la computación cuántica, un superconductor basado en plomo ayuda a proteger los frágiles qubits frente a interferencias del entorno —como las de origen cósmico— que pueden afectar a su estabilidad. No obstante, alcanzar este avance ha requerido años de trabajo para resolver otros compromisos técnicos asociados.
“Fue un cambio bastante significativo, y dio lugar a mejoras muy importantes en la calidad del dispositivo”, explica Nayak.
Aunque esta línea de investigación en materiales se inició mucho antes de la llegada de la IA basada en agentes, el equipo la ha utilizado para ayudar a gestionar la fabricación del nuevo dispositivo, y Microsoft Discovery se está empleando de forma cada vez más intensiva en el desarrollo futuro de materiales para Majorana.
Partes críticas de los dispositivos cuánticos Majorana se diseñan átomo a átomo. Para mantener cada átomo en su posición exacta, puede añadirse otro material —una impureza— a la estructura cristalina. Sin embargo, introducir demasiada cantidad o hacerlo de forma incorrecta altera dicha estructura, por lo que se trata de un equilibrio delicado, señala Zulfi Alam, vicepresidente corporativo de Computación Cuántica en Microsoft.
“Dar con la fórmula exacta, con la cantidad adecuada para lograr la estructura energética deseada, requería en el modelo tradicional una gran cantidad de experimentación. En el nuevo escenario, gracias a las simulaciones, es posible identificar dónde se encuentra el resultado más probable. Y, con ese conocimiento, en el mejor de los casos basta con experimentar una sola vez”, explica.
La IA basada en agentes permite analizar información a gran escala
El proyecto de computación cuántica integra múltiples elementos —software, arquitectura, diseño, la arquitectura de materiales, procesos de fabricación y mediciones, etcétera—. Cualquier cambio en uno de ellos puede tener implicaciones en otros, que requieren ajustes adicionales. Según Nayak, los agentes de IA ayudan al equipo a gestionar estas complejas interdependencias y a mantener una visión global del conjunto.
El proyecto cuántico también maneja enormes volúmenes de datos, acumulados durante casi dos décadas y en formatos muy diversos. Antes de la IA, gran parte de esta información estaba aislada en silos. “Al aplicar agentes de IA sobre estos datos, son capaces de reestructurarlos y establecer correlaciones que los humanos no podemos detectar, porque ninguna persona tiene la capacidad de abarcar tal cantidad de información”, explica Alam.
Además, el equipo cuántico está distribuido en varios países y reúne especialidades muy diferentes, como la física, la ingeniería mecánica o la de procesos. Es imposible que una sola persona sea experta en todos estos ámbitos. Se trata de un reto habitual en la investigación científica interdisciplinar, y por eso el equipo cuántico de Microsoft ha desarrollado un agente de IA para organizar y analizar la información y facilitar su acceso a otros investigadores.
“La IA es capaz de sintetizar el conocimiento procedente de todas estas disciplinas”, explica Alam, lo que evita la necesidad de consultar a especialistas o profundizar desde cero en áreas ajenas. Además, la inteligencia artificial basada en agentes puede “procesar en paralelo grandes volúmenes de información en muy poco tiempo para ofrecer recomendaciones”, añade. En cualquier caso, la IA actúa como apoyo: no toma decisiones. “Siempre es el científico quien está en el centro del proceso”.
La IA basada en agentes acelera los experimentos
La creación de un estado topológico requiere ajustar cientos de parámetros. A partir de ahí comienza la fase de medición, clave para llevar a cabo los cálculos cuánticos. Cuando estos procesos los realiza una persona, cada uno puede llevar semanas. De hecho, la medición es tan compleja y exige tanto tiempo que el equipo ya había intentado automatizarla hace años mediante técnicas anteriores de machine learning, pero no fue posible, explica Alam.
Gracias a las capacidades basadas en agentes disponibles en Microsoft Discovery, el equipo ha podido desarrollar un agente de IA específicamente orientado a esta tarea, reduciendo los tiempos de ciclo en varios órdenes de magnitud, añade.
Las capacidades de reconocimiento de patrones de la IA han resultado especialmente útiles para una tarea tan compleja como determinar en qué estado se encuentra el qubit y detectar si hay un número par o impar de miles de millones de electrones en un hilo semiconductor. Los agentes de IA ejecutan este proceso de forma automática y continua, construyendo un mapa tridimensional de las condiciones, algo que un solo científico no podría realizar de la misma manera, señala Alam.
“El uso de la IA basada en agentes para automatizar las mediciones ha supuesto un punto de inflexión”, afirma. “Aplica modelos matemáticos y empieza a identificar el punto en el que todo funciona de forma óptima. Además, puede ajustar voltajes en paralelo, algo que una persona no puede hacer. Nuestra forma de pensar es más lineal”.
La IA basada en agentes permite reducir el ruido
Los datos por sí solos no son información: necesitan filtrarse, analizarse y contextualizarse para adquirir sentido. Por ejemplo, el equipo desarrolló un agente de IA capaz de combinar conocimientos de física, del propio dispositivo y del entorno organizativo para depurar datos brutos procedentes del proceso de fabricación, detectando incluso lecturas erróneas de un sensor de temperatura sin calibrar que estaban alterando los resultados.
Alam compara este proceso con los resúmenes automáticos de una reunión en Teams, que omiten las conversaciones informales y recogen los tres o cuatro puntos clave. “Eso es exactamente lo que está haciendo la IA, pero a una escala mucho mayor cuando se trata de investigación científica”, explica.
Microsoft Discovery se ha concebido como una plataforma que combina la inteligencia artificial con el método científico, y muchas de las herramientas de IA basada en agentes que utiliza el equipo cuántico son transferibles y aplicables a la investigación en otros ámbitos.
Este nuevo enfoque pionero de I+D permite que el científico “actúe como punto de referencia y pueda observar múltiples disciplinas al mismo tiempo, con un alto nivel de precisión, para identificar relaciones entre ellas”, señala Alam. “Es, en esencia, lo que buscan todos los equipos de alto rendimiento que trabajan en la frontera de la innovación”.
Enlaces relacionados:
- Majorana 2 – Microsoft’s scalable quantum processor with reliable, long-lasting qubits
- 20 Second Parity Lifetime in an InAs-Pb Device
- Announcing Microsoft Discovery general availability for R&D and Microsoft Discovery app preview
- Microsoft Discovery y la descarga de la Microsoft Discovery app
- Microsoft abre un nuevo camino para la computación cuántica con el chip Majorana 1
Foto principal: Majorana 2, un chip cuántico de nueva generación desarrollado con la ayuda de la IA agéntica de Microsoft Discovery. Foto de John Brecher para Microsoft.
Catherine Bolgar escribe sobre IA e innovación en Microsoft, desde avances en computación cuántica hasta cómo la IA está ayudando a las personas en su día a día. Anteriormente, Catherine escribió sobre tecnología y negocios para diversas publicaciones y fue editora en The Wall Street Journal en Nueva York y Bruselas. Enseñó matemáticas en secundaria en Kenia, donde aprendió suajili. Actualmente vive en Francia.