IonQ, ORNL, Nvidia y la Universidad de Tennessee desarrollan DQAOA-GPT para la optimización cuántica

Una colaboración innovadora entre IonQ, el Laboratorio Nacional Oak Ridge (ORNL), Nvidia y la Universidad de Tennessee ha dado como resultado el desarrollo de DQAOA-GPT, un marco híbrido diseñado para mejorar los procesos de optimización cuántica. Este sistema innovador combina la optimización cuántica aproximada con inteligencia artificial generativa para abordar problemas combinatorios complejos de manera más efectiva que los métodos tradicionales.

El avance clave de DQAOA-GPT radica en su capacidad para sintetizar circuitos cuánticos eficientes en un solo intento, eliminando la necesidad de extensos bucles iterativos que caracterizan típicamente la optimización cuántica. Este enfoque reduce significativamente los costos computacionales asociados con la evaluación de circuitos cuánticos, lo cual es particularmente crucial dada las limitaciones de los actuales dispositivos cuánticos intermedios ruidosos (NISQ).

En pruebas que involucraron instancias densas de Optimización Binaria No Constrainada de Orden Superior (HUBO), el marco DQAOA-GPT demostró ahorros de costos sustanciales en comparación con los enfoques variacionales convencionales, logrando soluciones de alta calidad con menos evaluaciones de circuitos y circuitos más superficiales.

La investigación fue reconocida en la IEEE Quantum Week (QCE 2026), donde el artículo que detalla DQAOA-GPT obtuvo el tercer lugar entre 857 presentaciones. El sólido desempeño de IonQ en la conferencia incluyó cuatro premios al Mejor Artículo, destacando su compromiso con el avance de arquitecturas híbridas cuántico-clásicas.

Cada colaborador aportó fortalezas únicas al proyecto: Nvidia proporcionó infraestructura de computación acelerada, IonQ ofreció su hardware cuántico de iones atrapados de alta fidelidad, y ORNL y la Universidad de Tennessee aportaron experiencia en computación de alto rendimiento y ciencia de la información cuántica.