O campo da observação da terra abrange problemas de índole muito diversa, geralmente através da análise de imagens tiradas em diferentes bandas de radiação ou emissão eletromagnética. No entanto, previamente a estas análises, os próprios operadores de satélites devem enfrentar um problema de otimização de recursos, o qual se pode descrever da seguinte forma:

Dado um conjunto de imagens solicitadas para uma passagem de órbita de um satélite, o objetivo é determinar qual é o subconjunto de imagens que se deveria obter na referida passagem de órbita, tentando otimizar certas medidas: benefício, importância, capacidade, etc.

Na prática totalidade dos casos, tirar o conjunto completo de imagens solicitadas não é factível, dado que a órbita do satélite é fixa e de existirem uma série de restrições que limitam as combinações de imagens possíveis de adquirir. Por exemplo, algumas imagens não podem ser obtidas com a mesma câmara dado que existem restrições de tempo de manobra, tempo de captura, proximidade geográfica, etc.

Para resolver esta questão, Antón Makarov e Alexander Benítez, da Divisão de Inteligência Artificial e Big Data da GMV, expuseram no meetup da IBM como se pode formular este problema matematicamente de forma a poder resolvê-lo mediante computação quântica. Esta intervenção que realizaram está relacionada com o caso de utilização que estão a trabalhar no âmbito do projeto CUCO, o primeiro grande projeto de computação quântica a nível nacional e empresarial que procura avançar o estado da arte de algoritmos quânticos e aplicar esse conhecimento a uma série de provas de conceito em diferentes setores estratégicos da economia espanhola como Energia, Financeiro, Espaço, Defesa e Logística. Este projeto foi subsidiado pelo CDTI e apoiado pelo Ministério da Ciência e da Inovação sob o Plano de Recuperação, Transformação e Resiliência.

A seleção deste problema não foi casual. Após uma longa avaliação de mais de 15 casos de utilização diferentes, identificou-se que este é um problema presente no dia a dia da indústria aeroespacial: a aquisição ótima de imagens é um problema que qualquer operador de satélites deve resolver de maneira periódica. Para além disso, é frequente que os pedidos de imagens cheguem ao longo do tempo, sendo necessário na prática resolver, para uma única planificação, vários problemas, incluindo as novas imagens à medida que vão chegando. Diminuir o tempo de execução destes algoritmos pode representar uma vantagem competitiva, para além de abrir caminho para, no futuro, resolver problemas com múltiplos satélites que requerem tempos de computação inclusivamente superiores.