Un laboratorio de Abu Dhabi public\u00f3 pruebas de su computadora \u00f3ptica con datos de mercado reales, pero sin cifras p\u00fablicas que permitan evaluarla. El caso sirve para separar promesa de evidencia en una tecnolog\u00eda que lleva a\u00f1os en desarrollo.<\/p>\n
Durante d\u00e9cadas, procesar informaci\u00f3n signific\u00f3 mover electrones por transistores. La computaci\u00f3n fot\u00f3nica propone usar luz para hacer parte de ese trabajo. La idea atrae por un motivo concreto: los centros de datos de inteligencia artificial consumen cada vez m\u00e1s energ\u00eda y generan cada vez m\u00e1s calor. Este martes 30 de septiembre, QuantLase, el centro de I+D de International Holdings Company (IHC) en Abu Dhabi, sum\u00f3 un dato nuevo al debate: dice haber probado su plataforma \u00f3ptica sobre siete series de datos financieros.<\/p>\n
Es un conjunto de enfoques, no una sola tecnolog\u00eda. Conviene distinguir cuatro.<\/p>\n
Aceleradores \u00f3pticos para IA.<\/strong> Hacen con luz la operaci\u00f3n m\u00e1s pesada del aprendizaje profundo: la multiplicaci\u00f3n de matrices. Lo hacen con redes de componentes como los interfer\u00f3metros Mach-Zehnder, o con \u00f3ptica en espacio libre, como propone la empresa Lumai. En este grupo est\u00e1n Lightmatter, Lightelligence (que lanz\u00f3 su segunda generaci\u00f3n en febrero de 2026) y Q.ANT. Al desplazar esa carga de los electrones a los fotones, se busca reducir consumo y calor.<\/p>\n \u00d3ptica para conectar chips.<\/strong> Es la variante m\u00e1s cercana al mercado, aunque no computa: transmite datos entre componentes con luz. Un an\u00e1lisis reciente ubica su escalamiento comercial entre 2026 y 2028, con jugadores como TSMC, Marvell y Lightmatter.<\/p>\n Computaci\u00f3n con la din\u00e1mica f\u00edsica de la luz.<\/strong> Es el enfoque de QuantLase con su PIPU (Photonic Intelligence Processing Unit). No se trata de acelerar una operaci\u00f3n digital, sino de dejar que el comportamiento f\u00edsico de un sistema \u00f3ptico con retroalimentaci\u00f3n participe en el c\u00e1lculo. Se parece a lo que la literatura llama computaci\u00f3n de reservorio, con antecedentes fot\u00f3nicos que se remontan a trabajos de 2013 y 2014, aunque QuantLase no usa ese t\u00e9rmino.<\/p>\n Fot\u00f3nica cu\u00e1ntica.<\/strong> Usa fotones individuales y estados cu\u00e1nticos. Es otra cosa: el PIPU, seg\u00fan su descripci\u00f3n, trabaja con luz coherente cl\u00e1sica y no es una computadora cu\u00e1ntica.<\/p>\n No es un reemplazo de las GPU. Incluso QuantLase plantea un esquema h\u00edbrido: la parte \u00f3ptica hace la transformaci\u00f3n y una GPU se encarga de datos, control e interfaces. Los primeros productos comerciales se parecen m\u00e1s a coprocesadores.<\/p>\n Tampoco resolvi\u00f3 sus l\u00edmites de fondo:<\/p>\n La empresa prob\u00f3 el PIPU sobre series de Apple, Amazon, NVIDIA, JPMorgan, First Abu Dhabi Bank, ADNOC y Reliance Industries. Primero midi\u00f3 c\u00f3mo el sistema segu\u00eda los datos observados. Despu\u00e9s lo dej\u00f3 generar una trayectoria m\u00e1s all\u00e1 de esos datos, sin entrenamiento adicional. Como referencia us\u00f3 un sistema de IA para series temporales y una simulaci\u00f3n en GPU de las mismas ecuaciones. QuantLase aclara que no busca un producto de inversi\u00f3n: los mercados son solo un caso de prueba exigente.<\/p>\n Lo que falta es lo central. Seg\u00fan The Quantum Insider, el comunicado no da resultados num\u00e9ricos ni prueba ventaja sobre m\u00e9todos convencionales, y no mide velocidad, energ\u00eda ni costo. Producir una trayectoria no equivale a acertar el pron\u00f3stico, que solo se verifica contra lo que ocurri\u00f3 despu\u00e9s. QuantLase dice que su segundo whitepaper contiene m\u00e9tricas de error (MAE y RMSE), pero est\u00e1 detr\u00e1s de una suscripci\u00f3n y no pudo revisarse. No hay revisi\u00f3n por pares, y la propia empresa reconoce que faltan m\u00e1s datos, repeticiones y horizontes m\u00e1s largos antes de abrir el acceso.<\/p>\n Hay adem\u00e1s un problema de muestra. Cuatro de las siete series son grandes compa\u00f1\u00edas de EE.UU. que tienden a moverse juntas, y cada dataset conserv\u00f3 su configuraci\u00f3n propia, lo que abre la puerta al sobreajuste. Un test convincente incluir\u00eda un baseline ingenuo, evaluaci\u00f3n fuera de muestra, varios horizontes y mediciones de energ\u00eda y latencia frente a una GPU.<\/p>\n Otra aclaraci\u00f3n: el PIPU no es el chip fot\u00f3nico de QuantLase. Ese es un chip de multiplicaci\u00f3n de matrices, en fabricaci\u00f3n en una fundici\u00f3n europea, con entrega que se hab\u00eda anunciado para enero de 2026.<\/p>\n Con fot\u00f3nica:<\/strong> poco, y en su mayor\u00eda experimentos. En 2023 se present\u00f3 un chip fot\u00f3nico cu\u00e1ntico que ejecut\u00f3 una valuaci\u00f3n de opciones europeas, descrito por sus autores como una prueba de concepto. La literatura sobre pron\u00f3stico burs\u00e1til con reservorios, incluidos algunos fot\u00f3nicos, existe, pero se apoya en series de precios de cierre, un terreno donde ganar sistem\u00e1ticamente es dif\u00edcil.<\/p>\n Con GPU:<\/strong> casi todo lo que hoy importa. Los bancos usan grillas de GPU para XVA y otros c\u00e1lculos de riesgo, y trabajos citados reportan aceleraciones de alrededor de 100 veces frente a CPU. Scotiabank tiene en producci\u00f3n modelos de Riskfuel sobre GPU para valuar derivados. Ese es el est\u00e1ndar contra el cual cualquier tecnolog\u00eda nueva tendr\u00e1 que medirse.<\/p>\n Con computaci\u00f3n cu\u00e1ntica:<\/strong> pilotos. El caso m\u00e1s citado, HSBC con IBM, mostr\u00f3 una mejora de hasta 34% al predecir si una operaci\u00f3n de bonos se ejecutaba al precio cotizado, con datos hist\u00f3ricos reales. Los autores no reclamaron ventaja cu\u00e1ntica, y el cient\u00edfico Scott Aaronson lo critic\u00f3 porque el efecto aparec\u00eda con el ruido del hardware y desaparec\u00eda en una simulaci\u00f3n sin ruido. Seg\u00fan The Quantum Insider, ning\u00fan gran banco tiene a\u00fan sistemas cu\u00e1nticos listos para operaciones en vivo.<\/p>\n La computaci\u00f3n con luz avanza, pero sus logros m\u00e1s s\u00f3lidos est\u00e1n en interconexi\u00f3n y en aceleraci\u00f3n de IA, no en finanzas. Para que un caso como el de QuantLase pase de curiosidad a herramienta, har\u00edan falta cuatro cosas: resultados fuera de muestra contra un baseline simple, mediciones de energ\u00eda y latencia frente a GPU, m\u00e1s y mejores datos, y replicaci\u00f3n independiente. Hasta entonces, siete series de datos son un buen punto de partida, no una conclusi\u00f3n.<\/p>\n Un laboratorio de Abu Dhabi public\u00f3 pruebas de su computadora \u00f3ptica con datos de mercado reales, pero sin cifras p\u00fablicas que permitan evaluarla. El caso sirve para separar promesa de evidencia en una tecnolog\u00eda que lleva a\u00f1os en desarrollo. Durante d\u00e9cadas, procesar informaci\u00f3n signific\u00f3 mover electrones por transistores. La computaci\u00f3n fot\u00f3nica propone usar luz para […]<\/p>\n","protected":false},"author":2,"featured_media":9131,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"amp_status":"","footnotes":""},"categories":[518],"tags":[448],"class_list":["post-9128","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tech","tag-tech"],"yoast_head":"\nQu\u00e9 no es<\/h3>\n
\n
El caso QuantLase<\/h3>\n
Y en las finanzas, \u00bfqu\u00e9 se puede hacer hoy?<\/h3>\n
Qu\u00e9 mirar de ac\u00e1 en adelante<\/h3>\n
Fuentes<\/h3>\n
\n