CONFIRMADO: seis empresas japonesas — TOPPAN Holdings, AISIN, Asahi Kasei, SoftBank, AGC y DIC — anunciaron el 28 de octubre de 2026 un proyecto conjunto de investigación y desarrollo para construir una plataforma de desarrollo de materiales basada en la computación cuántica. La propuesta fue seleccionada por NEDO, la Organización para el Desarrollo de Nuevas Energías y Tecnología Industrial de Japón, dentro de su programa de infraestructuras avanzadas para sistemas de información y comunicación pos-5G.
El proyecto abarca desde el año fiscal 2026, que termina el 31 de marzo de 2027, hasta el año fiscal 2028. Su objetivo es crear una plataforma de próxima generación que combine cálculos de computación cuántica con tecnologías de inteligencia artificial, como el aprendizaje automático, para llevar la computación cuántica de la demostración a la aplicación industrial real.
Por qué combinar computación cuántica e IA
Según el comunicado, descubrir nuevos materiales con mayor rapidez es una prioridad urgente para mantener la competitividad global de los fabricantes japoneses de productos químicos y materiales. Los enfoques basados en datos tropiezan con la dificultad de obtener datos de entrenamiento suficientes, de alta calidad y alta precisión, mientras que las simulaciones de la ciencia computacional ven cómo sus costes se disparan a medida que ganan precisión y escala.
Las computadoras cuánticas, que operan según los principios de la mecánica cuántica, tienen el potencial de simular las propiedades de moléculas y electrones con más eficiencia que las computadoras convencionales. El obstáculo es que el número actual de cúbits y las tasas de error aún no permiten cálculos a gran escala solo con computadoras cuánticas. La apuesta del proyecto es combinar ambos mundos para sortear esos límites de precisión y escala.
Las tres líneas del proyecto
La primera línea verifica en qué áreas puede aplicarse la computación cuántica, entre materiales de alta demanda industrial, como los necesarios para baterías de próxima generación, materiales ópticos funcionales para nuevas pantallas y sensores, y materiales superconductores para dispositivos de próxima generación.
La segunda línea desarrolla las tecnologías de uso de la computación cuántica, integrando los cálculos cuánticos con la IA para ampliar el alcance de los métodos computacionales y verificar soluciones a las limitaciones de escala y coste de los métodos convencionales.
La tercera línea realiza demostraciones por simulación con retroalimentación experimental: los materiales se sintetizan y evalúan a partir de los resultados de las simulaciones, y los resultados experimentales se comparan con los datos simulados para mejorar la precisión de las predicciones y comprobar el beneficio práctico de la computación cuántica.
El papel de cada empresa
En lugar de apuntar a un único material, las tecnologías se aplicarán a varios sistemas de materiales de vital importancia industrial, con cada empresa a cargo de la verificación en su área de fortaleza. TOPPAN trabaja con métodos híbridos de algoritmos cuánticos y clásicos para materiales aditivos; AISIN verifica la aplicación en materiales superconductores; Asahi Kasei estudia compuestos orgánicos, como electrolitos, polímeros y materiales inorgánicos, como electrodos.
SoftBank usa una plataforma de computación que conecta computadoras cuánticas con supercomputadoras para generar datos de alto nivel útiles para el desarrollo de materiales, con demostraciones en áreas como las baterías de próxima generación. AGC desarrolla métodos para vidrio óptico y materiales electrónicos, y DIC predice propiedades clave de colorantes y materiales semiconductores antes de la síntesis. Las empresas también colaborarán con instituciones especializadas en computación cuántica.
Crédito de la imagen: SoftBank Corp., en material publicado con el anuncio oficial del proyecto.
Fuente: anuncio oficial conjunto de las seis empresas, publicado por SoftBank el 28 de octubre de 2026.
Transparencia: este artículo fue elaborado con ayuda de inteligencia artificial, a partir del cruce de publicaciones públicas en X y de las fuentes de internet citadas abajo. Se recomienda consultar las fuentes originales para verificar los datos.
Muse
