El entrelazamiento cuántico podrá conectar drones de rescate sin necesidad de internet
Un nuevo avance en inteligencia artificial cuántica muestra cómo enjambres de drones podrían coordinarse en catástrofes naturales sin depender de redes de comunicación. El secreto no está en enviar más datos, sino en aprovechar una de las propiedades más extrañas —y prometedoras— de la física cuántica.
Por Enrique Coperías
Ilustración conceptual de un enjambre de drones de rescate coordinados mediante entrelazamiento cuántico en un entorno sin infraestructura de comunicaciones. Crédito: IA-DALL-E-©RexMolón Producciones
El entrelazamiento cuántico suele aparecer en los manuales de física como una rareza casi filosófica: dos partículas que, aunque estén separadas por grandes distancias, se comportan como si siguieran unidas por un hilo invisible.
Sin embargo, esa extrañeza empieza a adquirir un cariz mucho más práctico. Un nuevo trabajo científico propone aprovechar este fenómeno para coordinar sistemas distribuidos, como es el caso de enjambres de drones, sin necesidad de recurrir a las redes de comunicación convencionales, una idea que podría resultar clave en operaciones de rescate tras catástrofes naturales, cuando las infraestructuras de telecomunicaciones están dañadas o directamente no existen.
Recordemos que los sistemas distribuidos son conjuntos de computadores o dispositivos independientes que trabajan coordinados entre sí y que, para el usuario, funcionan como si fueran un solo sistema, aunque estén físicamente separados y se comuniquen a través de una red.
Fotones entrelazadas sin importar la distancia que los separe
El estudio, presentado en la conferencia internacional ICLR 2025, plantea un marco teórico llamado entangled Quantum Multi-Agent Reinforcement Learning (eQMARL). Traducido a un lenguaje menos técnico, se trata de un método de aprendizaje automático que permite que múltiples agentes —robots, drones o vehículos autónomos— aprendan a cooperar entre sí utilizando propiedades cuánticas en lugar de intercambiar grandes cantidades de datos clásicos. El ingrediente central es el entrelazamiento cuántico, que se usa como canal de coordinación implícita entre agentes.
Piensa en los fotones como pequeñas bolas giratorias. Para entrelazarlos, hay que disparar un fotón muy cerca de otro. Al hacerlo, se puede codificar información en el estado de ambos fotones modificando la forma en que gira la pequeña bola, esencialmente poniendo a los dos en sincronía. Una vez entrelazados, cualquier modificación en uno de los fotones también ocurrirá en el otro, sin importar la distancia que los separe, desde los extremos opuestos del mismo enjambre hasta los extremos opuestos de la galaxia. De hecho, esta posibilidad se probó a principios de este año en la Estación Espacial Internacional.
🗣️ «Cuando miras a escala subatómica, los átomos no existen de forma aislada: vibran. Esas vibraciones afectan a otros átomos cercanos. El entrelazamiento aprovecha, en la práctica, el tejido del espacio físico que nos rodea y la manera en que los átomos están intrínsecamente conectados entre sí», explica Alexander DeRieux, doctorando en la Universidad Politécnica de Virginia y primer autor del trabajo.
Cómo funciona eQMARL: aprender sin compartir datos
En muchos escenarios críticos, como un terremoto o una inundación, los equipos de rescate recurren cada vez más a drones para explorar zonas peligrosas, localizar víctimas o transportar suministros. El problema es que estos drones necesitan coordinarse. Hoy en día lo hacen intercambiando información a través de redes inalámbricas, servidores centrales o enlaces satelitales. Pero ¿qué ocurre si esas redes fallan, están saturadas o son demasiado lentas?
Aquí entra en juego la propuesta cuántica. El nuevo enfoque parte de un campo conocido como aprendizaje por refuerzo multiagente: un conjunto de agentes aprende a tomar decisiones mediante ensayo y error, recibiendo recompensas cuando actúan bien y castigos cuando se equivocan. Tradicionalmente, para que este aprendizaje sea cooperativo, los agentes comparten observaciones del entorno o dependen de un sistema central que recopila toda la información y la redistribuye. Eso tiene costes elevados en comunicación, computación y, en algunos casos, privacidad.
El marco eQMARL propone algo radicalmente distinto: que los agentes no compartan sus observaciones locales en absoluto. En lugar de intercambiar datos, comparten estados cuánticos entrelazados. Estos estados, preparados por una fuente central, se reparten entre los agentes antes de que empiece la toma de decisiones. Cada agente codifica su propia información local en su parte del sistema cuántico y, gracias al entrelazamiento, las decisiones finales reflejan una coordinación global sin que nadie haya contado explícitamente a los demás lo que ve.
🗣️ «Desarrollamos la tecnología y el marco teórico, y después pensamos en la aplicación en la que podía utilizarse —señala DeRieux en un comunicado del Virginia Tech. Y añade—: Lo que hemos creado es, en esencia, un esquema de aprendizaje que explota el hecho de que cuando haces algo a una mitad de un par de cúbits, algo ocurre también en la otra. No nos importa necesariamente qué ocurre exactamente, solo que ese cambio tenga lugar».
Por qué es vital para drones de rescate y catástrofes
La clave técnica del sistema está en lo que los autores llaman un crítico cuántico dividido. En el aprendizaje por refuerzo, el crítico es el componente que evalúa lo buena o mala que ha sido una acción. En los sistemas clásicos, ese crítico suele ser una red neuronal centralizada que recibe toda la información. En eQMARL, en cambio, el crítico se reparte entre los agentes y se conecta mediante qubits entrelazados.
Cada agente dispone de un pequeño circuito cuántico que codifica sus observaciones locales. Estos circuitos no están aislados: sus entradas están entrelazadas con las de los demás agentes. Al final del proceso, una medición conjunta del sistema cuántico permite estimar el valor global de las acciones tomadas. Es una forma de evaluación colectiva que no requiere que ningún agente conozca el estado completo del entorno.
Desde el punto de vista práctico, esto reduce drásticamente la cantidad de información clásica que hay que transmitir. Según los autores, su sistema necesita hasta veinticinco veces menos parámetros centralizados que los enfoques clásicos equivalentes, lo que significa menos carga computacional y menos dependencia de infraestructuras centrales. Un factor que no es poco de pavo en situaciones críticas de emergencia, como ocurre en grandes catástrofes y rescates complejos.
Resultados científicos y límites actuales
Para probar su propuesta, los investigadores utilizaron varios entornos de simulación muy conocidos en la comunidad científica, como juegos cooperativos y escenarios de navegación con información parcial. En estas pruebas, el enfoque cuántico entrelazado aprendió estrategias cooperativas más rápido que los métodos clásicos y que otras variantes cuánticas sin entrelazamiento. En algunos casos, la velocidad de convergencia —el tiempo necesario para aprender una buena estrategia— fue hasta un 17,8% mayor.
Estos resultados, que aparecen publicados en el repositorio digital de acceso abierto y un servicio de distribución gratuita de prepublicaciones arXiv, son especialmente relevantes en situaciones donde la información es incompleta, algo habitual en el mundo real. Un dron que vuela entre escombros no tiene una visión global del escenario; solo percibe su entorno inmediato. Que aun así pueda coordinarse eficazmente con otros drones sin intercambiar mapas, imágenes o sensores es una ventaja clara.
Sin embargo, el propio artículo subraya las limitaciones actuales. Todo el trabajo se ha realizado en simulaciones ejecutadas en ordenadores clásicos, porque la tecnología cuántica disponible todavía no permite desplegar sistemas de este tamaño de forma realista. Las simulaciones cuánticas son costosas: entrenar uno de estos modelos puede llevar horas frente a los minutos que necesitan los sistemas clásicos equivalentes. Es el precio de explorar un territorio todavía experimental.
Walid Saad (izquierda) y Alexander DeRieux presentan el marco eQMARL, un sistema de inteligencia artificial cuántica basado en entrelazamiento para coordinar drones de rescate sin necesidad de internet, durante la inauguración del Academic Building One en Alexandria. Cortesía: Luke Hayes / Virginia Tech
Qué cambia frente a la IA clásica
A pesar de estas limitaciones, la idea tiene implicaciones de largo alcance. En un futuro en el que existan redes cuánticas funcionales —un internet cuántico capaz de distribuir entrelazamiento a larga distancia—, sistemas como el propuesto podrían operar con una robustez inédita. En un escenario de desastre, una fuente central podría distribuir estados cuánticos entre drones antes de la misión o incluso durante ella. A partir de ahí, cada dron actuaría de forma autónoma, pero con una coordinación implícita garantizada por la física cuántica.
🗣️ «Esos algoritmos lo que hacen, en el fondo, es resolver un problema existente de forma más rápida. No están redefiniendo necesariamente la manera en que resolvemos ese problema —advierte DeRieux. Y precisa—: Nosotros queríamos investigar qué otros tipos de ventajas puede ofrecer la computación cuántica que sean genuinamente cuánticas, cosas que no se pueden conseguir con la tecnología que llevas en el bolsillo, en tu smartphone».
Además de la reducción de comunicaciones, hay un beneficio añadido: la privacidad. Como los agentes no comparten observaciones crudas, información sensible sobre el entorno —por ejemplo, la localización exacta de víctimas o infraestructuras críticas— no necesita circular por la red. Todo queda codificado en correlaciones cuánticas que solo tienen sentido en conjunto.
Aplicaciones futuras y retos tecnológicos
Más allá de las aplicaciones concretas, el trabajo abre una puerta conceptual interesante. Hasta ahora, la cooperación entre máquinas se había entendido casi siempre como un problema de comunicación: más ancho de banda, mejores protocolos, redes más rápidas. El enfoque cuántico sugiere otra posibilidad: cooperar sin comunicarse en el sentido clásico, utilizando correlaciones físicas profundas como sustituto del intercambio de mensajes.
🗣️ «Aunque el potencial de las tecnologías cuánticas es ampliamente reconocido, la forma en que pueden transformar de manera fundamental la inteligencia artificial y los sistemas de comunicación sigue siendo una cuestión abierta», señala Walid Saad, profesor de Ingeniería Eléctrica e Informática y director de la investigación.
«Nuestra investigación aborda este reto explotando propiedades cuánticas intrínsecas, como el entrelazamiento, para diseñar marcos de aprendizaje y comunicación que vayan más allá de los límites clásicos, al tiempo que establecen enfoques de codiseño bien fundamentados en los que las tecnologías cuánticas y clásicas operan juntas como un único sistema coherente», añade Saad.
Por supuesto, queda un largo camino por recorrer. La construcción de redes cuánticas estables, la distribución fiable de entrelazamiento y la integración de dispositivos cuánticos en robots o drones son retos tecnológicos enormes. Pero, como ocurre a menudo en ciencia, las ideas se adelantan a los dispositivos. Hoy, el entrelazamiento sigue pareciendo algo exótico; mañana podría ser una herramienta más en el arsenal de la ingeniería.
«Hemos escrito, básicamente, un libro de instrucciones que dice: “Sí, esto es algo que realmente se puede hacer con el entrelazamiento, y demuestra que se puede hacer algo que es exclusivamente cuántico y que no se puede lograr de manera clásica”», concluye DeRieux.▪️
Información facilitada por el Virginia Tech
Fuente: Alexander DeRieux, Walid Saad. eQMARL: Entangled Quantum Multi-Agent Reinforcement Learning for Distributed Cooperation over Quantum Channels. arXiv (2025). DOI: https://doi.org/10.48550/arXiv.2405.17486
