Tiene que serlo. Sus fábricas producen gran parte de la infraestructura aeroespacial crítica del mundo: satélites, sistemas de defensa, naves espaciales y aviones comerciales. Muchos de sus proyectos de ingeniería más complejos se basan en materiales compuestos en capas. Se trata de estructuras en capas, resistentes y parecidas a plumas que Boeing ensambla en alas, fuselajes u otros componentes aeroespaciales según sea necesario.
Diseñar compuestos en capas resulta ser un problema complejo en sí mismo, que excede las capacidades de resolución de las supercomputadoras clásicas. Hoy en día, los ingenieros de Boeing resuelven este problema dividiéndolo en partes más pequeñas.
La asociación de Boeing con IBM Quantum reveló un nuevo enfoque cuántico que esperan pueda sortear esa complejidad. Si bien las computadoras cuánticas de hoy todavía no son lo suficientemente grandes como para ayudar a diseñar la próxima ala de avión, las dos empresas han dado un paso importante hacia ese futuro.
"Nos muestra que no se trata de si el uso de las computadoras cuánticas será pertinente para resolver nuestros problemas comerciales, sino cuándo", indicó Jay Lowell, científico jefe del equipo de computación disruptiva y redes de Boeing.
Los problemas de diseño de materiales en capas de Boeing pueden implicar hasta 100 000 variables, mucho más de lo que pueden manejar las supercomputadoras tradicionales.
Boeing e IBM Quantum tomaron un problema modelo de 40 variables y lo ejecutaron en una computadora cuántica; en ese momento era la ejecución más grande de su tipo hasta la fecha.
Los materiales compuestos en capas son complejos debido a cómo se ensamblan.
Cada compuesto está formado por miles de capas individuales, que son hebras largas de materiales súmamente resistentes. Las máquinas de precisión superponer las fibras una encima de la otra en capas, como grandes telares que tejen cohetes espaciales y aviones en lugar de telas. Las máquinas extruden cada capa en un ángulo diferente determinado durante el proceso de ingeniería.
Esos ángulos variados son importantes porque cada capa solo es resistente en la dirección en la que se coloca.
"Tenemos que crear una pila de materiales que se superpongan en múltiples direcciones para obtener resistencia en todas las direcciones posibles en que la necesitemos", explicó Lowell.
Además de la complejidad de la tarea, el diseño aeroespacial establece límites estrictos en cuanto al grosor y el peso de los compuestos. Los problemas de diseño de materiales compuestos en capas de Boeing involucran habitualmente entre 10 000 y 100 000 variables, lo cual es otra forma de decir que son complejos desde el punto de vista computacional.
"Eso supera ampliamente la capacidad de las computadoras tradicionales que existen actualmente y esperamos que eso siga ocurriendo durante algunos años", dijo Lowell.
Hoy en día, Boeing divide sus problemas de diseño de materiales compuestos en capas en partes más pequeñas que las computadoras tradicionales pueden manejar. A continuación, reúnen todos esos resultados (cumpliendo con estrictas normas de diseño) para obtener soluciones para la totalidad del problema.
Este enfoque es eficaz. Se obtienen compuestos seguros y resistentes que Boeing puede utilizar en sus aviones. Pero tiene sus costos.
"Si se desea obtener una línea larga y recta de material compuesto", dijo Joel Thompson, técnico asociado de Boeing, "conviene colocar capas largas y rectas, en lugar de colocar un poco de material, cortarlo, colocar la parte siguiente y cortarla, etc.".
Es una consecuencia del planteamiento según el cual los componentes se diseñan en trozos pequeños. Hace que el proceso requiera más tiempo, esfuerzo y dinero.
"Nos interesa buscar otros enfoques para resolver este tipo de problema", dijo Marna Kagele, técnico de Boeing.
Boeing espera que con el tiempo las computadoras cuánticas ayuden a simplificar la resolución de este tipo de problemas complejos. Algún día, una computadora cuántica podrá resolver problemas con miles de variables a la vez, sin dividirlos en partes más pequeñas.
Como primer paso, los investigadores de IBM Quantum y Boeing crearon una versión modelo del problema del compuesto en capas para probar la idea. Redujeron el problema a su esencia: encontrar la manera óptima de apilar las capas de material una encima de la otra. Lo denominaron el problema de reducción del compuesto en capas.
Con las computadoras cuánticas aún en desarrollo, resolver este problema de reducción empleando hardware cuántico real fue un desafío. Los métodos de optimización cuántica existentes no empleaban los recursos cuánticos con la eficiencia necesaria.
Cuando Boeing e IBM Quantum comenzaron a trabajar juntos, su conjunto de herramientas de algoritmos estándar de optimización cuántica podía codificar solo una variable binaria (que representa un 1 o un 0) para cada cúbit.
(Los cúbits son las unidades fundamentales de computación cuántica, que equivalen aproximadamente a los bits binarios que forman los 1 y 0 en una computadora tradicional).
Para diseñar un ala de avión completa, es necesario tener en cuenta miles de variables, que representan capas de material, así como las rigurosas reglas de ingeniería que respeta Boeing para construir estructuras de avión resistentes. El problema de reducción del compuesto en capas involucra 40 variables.
Los cúbits son recursos valiosos en las computadoras cuánticas actuales, que aún no son lo suficientemente grandes como para hacer coincidir un cúbit con cada una de esas 40 variables. Esa limitación forzó la innovación, dijo Kagele.
IBM Quantum aportó a Boeing parte de su propio trabajo interno sobre algoritmos cuánticos, que los equipos emplearon juntos para desarrollar un nuevo enfoque para la optimización cuántica. En lugar de codificar una variable para cada qubit, el equipo demostró que era posible codificar tres variables binarias para cada cúbit. Por lo tanto, un solo cúbit podría manejar tres veces la carga de información de un bit tradicional y representar tres veces más variables.
Eso fue un aumento radical en la eficiencia incluso en relación con los algoritmos de optimización cuántica anteriores. Conllevó a una ejecución exitosa del problema de reducción del compuesto en capas en una computadora cuántica real de IBM. Con 40 variables binarias, el equipo ejecutó lo que entonces era el mayor problema de optimización binaria jamás manejado por una computadora cuántica, casi duplicando el récord anterior.
"Analizamos un problema de optimización muy grande que es fundamental para el diseño de nuestros productos y se demostró que las computadoras cuánticas pueden abordar una fracción de ese problema de optimización, pero lo hacen bien," señaló Lowell.
Y añadió que aún quedan varios años de trabajo antes de que Boeing emplee computadoras cuánticas en su proceso de diseño.
"Necesitamos que las computadoras cuánticas sean más grandes y manejen problemas de optimización más grandes de lo que pueden manejar hoy", dijo, "pero estos nuevos métodos nos permitieron llegar mucho más lejos de lo esperado cuando comenzamos este proyecto. La solución parece más cercana de lo que esperábamos hace incluso un par de años".
Más allá de las participaciones específicas para la optimización cuántica o el problema de los compuestos en capas, Kagele afirmó que el proceso de colaboración con IBM Quantum consiguió que Boeing esté preparada para afrontar los retos cuánticos sin rodeos.
"Nuestras asociaciones con clientes como Boeing nos están ayudando a ampliar la frontera de la investigación cuántica", dijo Jennifer Glick, líder técnica de prototipos cuánticos en IBM Quantum, quien trabajó en esta investigación con el equipo de Boeing. "A través de este trabajo, estamos empezando a ver cómo es un futuro en el que las computadoras cuánticas resuelven problemas reales y prácticos".
La relación entre los dos equipos comenzó con IBM Quantum asesorando a los investigadores de Boeing. Pero ese apoyo permitió que Boeing mejorara sus habilidades internas de forma rápida.
"Es fácil imaginar lo rápido que se puede progresar en el aprendizaje cuando cada vez que aparece un obstáculo, o algo de lo que no se está seguro en el camino del aprendizaje, hay alguien con más experiencia para preguntarle", comentó Kagele.
Ese asesoramiento maduró hasta convertirse en una colaboración, lo que derivó en su trabajo innovador.
"Nuestro principal objetivo al poner en marcha este proyecto es ayudar a nuestra empresa a comprender cómo hacer la transición de hacer las cosas de forma tradicional a hacerlas de forma híbrida con métodos cuánticos", dijo Lowell. "Creamos un equipo que tiene la capacidad de hacerlo y desarrollamos herramientas internas que facilitarán el trabajo en el siguiente problema".
Con ese equipo establecido, IBM Quantum y Boeing ya están explorando nuevas formas en las que Boeing puede obtener valor de la computación cuántica. Un área de interés: el desarrollo de productos químicos avanzados resistentes a la corrosión para recubrir aviones. A medida que Boeing desarrolla su fuerza laboral cuántica y las computadoras cuánticas mejoran y escalan, se espera que la empresa aplique la resolución de problemas con tecnología cuántica a más desafíos aeroespaciales.
Como empresa aeroespacial líder a nivel mundial, Boeing desarrolla, fabrica y suministra aviones comerciales, productos de defensa y sistemas espaciales a clientes en más de 150 países. Como uno de los principales exportadores de EE. UU., la empresa aprovecha los talentos de una base de proveedores global para promover las oportunidades económicas, la sustentabilidad y el impacto comunitario. El equipo diverso de Boeing asumió el compromiso de innovar para el futuro, liderar con sustentabilidad y promover una cultura basada en los valores fundamentales de seguridad, calidad e integridad de la empresa.
Términos legales
© Copyright IBM Corporation 2023. IBM Corporation, 1101 Kitchawan Rd, Yorktown Heights, NY 10598.
Producido en los Estados Unidos de América, enero de 2023.
IBM, el logotipo de IBM e ibm.com son marcas comerciales de International Business Machines Corp., registradas en muchas jurisdicciones de todo el mundo. Otros nombres de productos y servicios pueden ser marcas registradas de IBM u otras empresas. Puede consultar una lista actual de marcas comerciales de IBM en la sección “Información sobre derechos de autor y marca registrada”, en https://www.ibm.com/mx-es/legal/copytrade.
Este documento está vigente a partir de la fecha inicial de publicación, pero IBM puede modificarlo en cualquier momento. No todas las ofertas están disponibles en todos los países en los que opera IBM.
Los datos de rendimiento y los ejemplos de clientes citados se presentan solo con fines ilustrativos. Los resultados de rendimiento reales pueden variar según las configuraciones específicas y las condiciones de funcionamiento. LA INFORMACIÓN CONTENIDA EN ESTE DOCUMENTO SE PROPORCIONA "TAL CUAL"; SIN NINGUNA GARANTÍA, EXPRESA O IMPLÍCITA, INCLUIDAS SIN GARANTÍAS DE COMERCIABILIDAD, APTITUD PARA UN PROPÓSITO PARTICULAR Y CUALQUIER GARANTÍA O CONDICIÓN DE NO INFRACCIÓN. Los productos de IBM están garantizados de conformidad con los términos y condiciones de los acuerdos bajo los cuales se proveen. Las declaraciones sobre la dirección e intención futuras de IBM están sujetas a cambios o retiros sin previo aviso, y representan solo metas y objetivos.