Proyecto CUCO: Optimización de adquisición de imágenes satelitales

Proyecto CUCO: Optimización de Adquisición de imágenes satelitales

CUCO es el primer gran proyecto de computación cuántica a nivel nacional y empresarial. Este proyecto persigue avanzar el estado del arte de algoritmos cuánticos y aplicar ese conocimiento a una serie de pruebas de concepto en distintos sectores estratégicos de la economía española como Energía, Financiero, Espacio, Defensa y Logística. En este contexto, se investigarán casos de uso en observación de la Tierra, la lucha contra el cambio climático y el medioambiente, la trazabilidad de la información en toda la cadena de suministro, la optimización y simulación de cálculos financieros complejos, la inteligencia de señales, entre otros. El proyecto ha sido subvencionado por el CDTI y apoyado por el Ministerio de Ciencia e Innovación bajo el Plan de Recuperación, Transformación y Resiliencia.

Caso de uso: Sector Espacio

Dentro del campo de la observación de la tierra se abarcan problemas de muy diversa índole, generalmente a través del análisis de imágenes tomadas en distintas bandas de radiación o emisión electromagnética. Sin embargo, previo a estos análisis, los propios operadores de satélites han de enfrentarse a un problema de optimización de recursos, el cual puede describirse de la siguiente forma:

Dado un conjunto de imágenes solicitadas para un paso de órbita de un satélite, el objetivo es el de determinar cuál es el subconjunto de imágenes que se debería tomar en dicho paso de órbita, tratando de optimizar cierta(s) medida(s) (beneficio, importancia, capacidad, etc.).

En la práctica totalidad de los casos, tomar el conjunto completo de imágenes solicitadas no es factible, dado que la órbita del satélite es fija, y existen una serie de restricciones que limitan las combinaciones de imágenes posibles de adquirir. Por ejemplo, algunas imágenes no pueden ser tomadas con la misma cámara dado que existen restricciones de tiempo de maniobra, tiempo de captura, proximidad geográfica, etc.

Este problema pertenece al campo de la optimización combinatoria, en concreto se puede ver como un problema de optimización lineal binaria con restricciones, que sabemos que pertenece a la clase de complejidad NP. Podemos hacernos una idea de esta complejidad con un ejemplo muy sencillo: supongamos que tenemos que elegir un subconjunto de 30 imágenes solicitadas. Esto significa que podemos tomar una única imagen, cualquier combinación de dos imágenes, cualquier combinación de tres imágenes, y así hasta llegar a tomar las 30. Podemos escribir esto como:

    Proyecto CUCO optimización de Adquisición de imágenes satelitales

    De estas más de mil millones de posibles soluciones, tenemos que desechar las que no cumplan con las restricciones del problema, cosa que, por supuesto, no es trivial. Finalmente, tendríamos que evaluar cada una de las soluciones restantes para obtener la que maximiza el valor.

    Con tan solo 30 imágenes el problema ya resulta bastante complejo. En la práctica, donde los problemas a resolver involucran miles de imágenes, podemos imaginarnos por qué cualquier algoritmo clásico resulta poco eficiente, haciendo necesario descartar directamente los métodos exactos y forzando a recurrir a algoritmos (meta) heurísticos, cuyos tiempos de ejecución y garantías podrían ser mejorados por algoritmos cuánticos.

    Uno de los paradigmas de computación cuántica más prometedores en la actualidad es el de Quantum Annealing (QA), especialmente propicio por sus características para problemas de optimización. A grandes rasgos, su funcionamiento es el análogo cuántico al de tirar una pelota desde lo alto de un sistema montañoso: la pelota buscará de manera natural el estado de mínima energía, un valle. Nuestra tarea es por tanto preparar esa pelota y sistema montañoso matemáticamente para que representen el problema que queremos resolver y ejecutar los algoritmos cuánticos, aprovechando conceptos como la superposición, entrelazamiento, coherencia o efecto túnel para poder resolver el problema de manera más eficiente que con computación clásica.

    La selección de este problema no ha sido casual, después de una larga evaluación de más de 15 casos de uso distintos, se ha identificado que este es un problema presente en el día a día de la industria aeroespacial: la adquisición óptima de imágenes es un problema que debe resolver cualquier operador de satélites de manera periódica. Además, es frecuente que las peticiones de imágenes lleguen a lo largo del tiempo, siendo necesario en la práctica resolver para una única planificación, varios problemas, incluyendo las nuevas imágenes a medida que van llegando. Disminuir el tiempo de ejecución de estos algoritmos puede suponer una ventaja competitiva, además de allanar el camino para resolver en un futuro problemas con múltiples satélites, que requieren de tiempos de cómputo incluso mayores.

    Nuestro reto común

    Estamos asistiendo a la denominada segunda revolución cuántica enfocada a explotar los enormes avances que se han logrado en los últimos años en la capacidad de manipular la materia a nivel cuántico. Estos avances están impulsando rápidos desarrollos en el campo de la computación cuántica que tendrán un enorme impacto para la Inteligencia Artificial -entendiendo bajo este paraguas genérico las tecnologías de computación para resolver problemas de todo tipo relacionados con la percepción, interacción, comprensión, simulación, predicción, recomendación, optimización… Y la Inteligencia Artificial es la tecnología clave de la Transformación Digital. Las capacidades de la IA para modelar, inferir, decidir y actuar permitirán orquestar eficientemente la movilidad autónoma, ajustar exactamente la producción de energía al consumo instantáneo, sincronizar perfectamente las cadenas logísticas a las necesidades de producción y suministro, adecuar la producción alimentaria a la demanda y optimizar otros muchísimos más procesos con impacto social, económico y medioambiental.

    Para estar preparados cuando se desplieguen plenamente todas estas tecnologías es preciso crear las capacidades ahora. Las organizaciones van a necesitar desarrollar una combinación de talento singular y complejo para crear aplicaciones con impacto. La combinación de disciplinas de conocimiento y aplicación que se requiere en este nuevo campo es muy difícil de generar y copiar, y necesita un tiempo de consolidación sostenido.

    Este proyecto dentro del Programa Misiones del CDTI está contribuyendo a crear una plataforma colaborativa de capacidades punteras en computación cuántica que sirve para acelerar el despliegue de aplicaciones con impacto sostenible en las industrias estratégicas en España.

    Para lograr este objetivo general, el proyecto se articula en torno a las siguientes cuatro claves:

    • Enfoque a la creación de un portafolio de casos de negocio complementarios y con sentido. Las limitaciones actuales de las plataformas de computación cuántica condicionan la generación de soluciones prácticas desde el punto de vista comercial. Por ello, se han seleccionado casos de negocio complementarios y relevantes orientados a problemas de múltiples sectores que puedan escalar en complejidad. Así, a medida que el hardware evolucione, las soluciones algorítmicas nativas en tecnologías cuánticas desarrolladas en el proyecto podrán escalar fácilmente y dar respuesta a la complejidad completa de los problemas abordados.
    • Desarrollo de tecnología nativa en computación cuántica para el tipo de problemas de los casos de negocio. Se aborda la generación de tecnología propia en aproximaciones de codificación de datos y algorítmicas para los problemas de los casos de negocio: optimización, aprendizaje máquina y simulación, tanto nativa cuántica como híbrida y de inspiración cuántica.
    • Fortalecimiento de una comunidad especializada y abierta en la conceptualización, identificación y desarrollo de soluciones integrales. La densa interacción de los equipos de empresas y Organismos Públicos de Investigación participantes, o la colaboración con otras entidades en un esquema abierto, es una forma de acelerar el aprendizaje y de fortalecer un ecosistema orientado a aplicaciones de cuántica con impacto en el tejido industrial.
    • Contribución a cerrar la brecha de mercado. El éxito en el mercado de las aplicaciones, productos y servicios derivados de las tecnologías de computación cuántica requiere de la creación de ecosistemas compactos que ayuden al ensamblaje de la oferta y la demanda de soluciones específicas en estas tecnologías. El proyecto se orienta precisamente a dominios donde la demanda potencial de este tipo de soluciones tiene fortalezas: cadenas de valor más compactas, mayor número de agentes en la cadena de valor de aplicación, mejor posición competitiva, acceso directo a agentes tractores globales, capacidad de influencia en aspectos normativos y estandarización, políticas asociadas, etc. Se espera así contribuir a reducir la brecha de mercado desde las primeras etapas.

    Estratégicamente, al final del proyecto se habrán desarrollado las primeras capacidades con masa crítica para el desarrollo de soluciones de computación cuántica contribuyendo a la generación de un ecosistema singular en la materia en España.

    Este artículo forma parte de una serie de tres artículos dedicados a explicar varios de los casos de uso que han sido seleccionados por los socios del proyecto, y que serán investigados a lo largo de los próximos tres años.

    Autores de los artículos:

    • Antón Makarov Samusev, Data Scientist en GMV.
    • Rosalia Esquivel Méndez, Jefa de Proyecto en GMV.
    • Esther Villar Rodríguez, Team Leader: Quantum Technologies / DIGITAL en TECNALIA.
    • Guillermo Gil Aguirrebeitia, Impact Development: Quantum Technologies / DIGITAL en TECNALIA.
    • Jorge Luis Hita, Investigador en Computación Cuántica en BBVA.
    • Carlos García Meca, Director de Investigación en DAS Photonics.
    Sector
    Not show on Home
    Inactiu

    Source URL: http://www.gmv.com/comunicacion/noticias/proyecto-cuco-optimizacion-de-adquisicion-de-imagenes-satelitales