QANTIS: Actualitzacions POMDP calibrades per maquinari a IBM Heron
Al centre dels sistemes autònoms moderns hi ha un problema silenciós: gairebé cap sensor lliura l'estat complet de l'entorn. Un robot, un vehicle o un sistema de recomanació treballa amb observacions parcials i ha de mantenir una creença —una distribució de probabilitat sobre els estats possibles— per decidir amb sentit. Els processos de decisió de Markov parcialment observables (POMDP) formalitzen aquesta dinàmica, però el seu cost computacional és elevat i, quan a més hi intervenen esdeveniments rars, l'estimació de l'evidència es converteix en un coll d'ampolla. Davant d'aquest panorama, el projecte QANTIS proposa una cosa diferent: no accelerar tota la planificació, sinó oferir un servei concret d'actualització de creences calibrat per maquinari quàntic real, concretament sobre el processador IBM Heron.
La idea és subtil i convé explicar-la sense exageracions. QANTIS no es presenta com un substitut del planificador clàssic ni com una promesa de superioritat en temps d'execució. El seu paper és més modest i, alhora, més útil: rep un prior, un model d'observació i una observació real; estima el terme d'evidència corresponent a un esdeveniment rar; i retorna un posterior que pot ser consumit per un planificador clàssic. És a dir, tracta el processador quàntic com una calculadora d'actualització bayesiana perfectament integrada en un bucle de control. La novetat no rau en la mecànica quàntica en abstracte, sinó en la calibració: un servei que s'ha de comportar de manera consistent al llarg d'un horitzó temporal, no només en un experiment aïllat.
El cas d'estudi que dona cos a QANTIS és el clàssic Tiger POMDP, un problema de referència en el qual un agent ha de decidir entre dues portes mentre escolta indicis incerts. Sobre aquesta mateixa trajectòria, l'equip responsable compara tres modes d'amplificació: sense amplificació, amplificació de Grover amb guardes i amplificació de punt fix en tots els passos. La conclusió principal és que l'amplificació de punt fix en tots els passos preserva el posterior del problema del tigre en les execucions principals de 8 i 12 passos, mentre que els controls de 20 i 32 passos es mantenen dins de la mateixa banda operativa. Aquest matís importa: no es tracta d'un únic tret afortunat, sinó d'una estabilitat temporal que resulta imprescindible perquè un planificador clàssic pugui confiar en el servei.
La mètrica que més ens interessa des d'una perspectiva d'enginyeria és la coherència de l'acció. En cada comprovació de decisió reportada, el posterior obtingut per maquinari i el posterior bayesià exacte seleccionen la mateixa acció immediata. Això és exactament el que exigeix la integració en un bucle de control: no necessitem valors irreprotxables en tots els decimals, sinó decisions invariants davant del soroll del maquinari. Si el posterior quàntic mou l'agulla en la direcció correcta, el sistema autònom es comporta com si hagués realitzat una inferència exacta. Aquesta propietat d'invariabilitat de decisió és la que separa una curiositat de laboratori d'un component reutilitzable.
Un altre dels aspectes destacats és l'estabilització de l'estimador d'amplitud mitjançant BIQAE, una variant conscient dels límits que evita els comportaments erràtics prop de zero i d'u. Això és rellevant perquè els esdeveniments rars, per definició, viuen a les cues de la distribució. La incertesa numèrica en aquesta regió sol ser enorme, i qualsevol sistema de decisió que en depengui necessita límits fiables. L'escombratge d'esdeveniments rars descrit en l'estudi mapa l'envolupant de complexitat mostral lògica per a evidències d'un entre un milió. És a dir: QANTIS no només compta una probabilitat, sinó que també diu quanta evidència caldria per inclinar la balança.
Convé insistir que aquest treball no és una reclamació d'avantatge quàntic independent. No estem davant d'un benchmark de velocitat ni d'una demostració d'autonomia integral. Estem davant d'una envolupant operativa per a un primitiu d'actualització de creences calibrat per maquinari. Aquesta distinció és essencial per a qualsevol empresa que vulgui explorar la computació quàntica sense caure en el soroll mediàtic: el valor real apareix quan un component es pot caracteritzar, repetir i acoblar amb sistemes clàssics. La robustesa es demostra amb experiments controlats, no amb eslògans.
Des d'una perspectiva empresarial, aquest enfocament encaixa amb la manera com abordem l'enginyeria de programari a Q2BSTUDIO. No partim de la tecnologia per la tecnologia, sinó de necessitats concretes: un sistema autònom, un procés de negoci o un producte digital necessita una decisió fiable en temps real. Per això construïm aplicacions a mida que integren lògica clàssica i, quan té sentit, components quàntics o inspirats en quàntica. L'actualització bayesiana de creences és només un exemple d'un patró més ampli: separar el còmput complex de la decisió final, calibrar el còmput i exposar-lo com un servei amb una interfície neta.
En aquest mateix sentit, la IA i els agents d'IA que desenvolupem no són caixes negres màgiques. Cada model, cada agent i cada automatització s'ha de sotmetre a una disciplina de validació constant: conèixer la seva envolupant de funcionament, mesurar els seus errors i garantir que les decisions crítiques siguin auditables. QANTIS ofereix una plantilla mental perfecta: un servei d'inferència que declara els seus límits, que es pot calibrar i que produeix resultats accionables. Aquesta mateixa mentalitat apliquem als desplegaments al núvol AWS/Azure, on l'escalabilitat no pot estar renyida amb la traçabilitat, i als quadres de comandament de BI/Power BI, on una mètrica mal calculada pot destruir més valor que qualsevol caiguda del sistema.
La ciberseguretat també té un punt de contacte natural amb aquest tipus de recerca. Si un sistema autònom actua sobre una creença, la manipulació d'aquesta creença —per exemple, mitjançant observacions adversàries— pot produir comportaments insegurs. La calibració del maquinari, en aquest sentit, no és només un problema de física: és una superfície d'atac potencial. Les organitzacions que vulguin adoptar aquests serveis necessiten aplicar principis de seguretat des del disseny, una cosa que a Q2BSTUDIO integrem en cada fase del desenvolupament. L'estudi amb IBM Heron no parla de robustesa adversarial, però la pregunta queda a l'aire: què passa si el prior o el model d'observació estan compromesos?
En definitiva, QANTIS demostra que la computació quàntica pot oferir valor abans d'assolir l'avantatge generalitzada. N'hi ha prou d'acotar el problema, definir un servei concret i caracteritzar el seu comportament en maquinari real. El Tiger POMDP sobre IBM Heron és una prova que el posterior quàntic pot ser estable i accionable en un horitzó seqüencial. Per a una empresa de desenvolupament de programari com Q2BSTUDIO, aquesta lliçó és or: la innovació no consisteix a substituir tot el sistema, sinó a identificar el punt exacte on un nou tipus de còmput aporta una millora mesurable i segura. I aquest punt, com mostra QANTIS, pot ser en una simple actualització de creences.
