MILP / CP
Cuando la estructura se conoce bien y mandan las restricciones.
Visión general de la investigación
Optimización cognitiva:
el programa de investigación.
Esta página describe qué investiga Qbitune y cómo pensamos evaluarlo. Es la declaración de una línea de investigación, no un informe de resultados. Donde una capacidad no está demostrada, el texto lo dice.
01 / ARQUITECTURA
La arquitectura de optimización
cognitiva de Qbitune.
La evidencia del mundo real se convierte en un modelo del mundo explícito; un motor de razonar–abstraer–planificar trabaja sobre ese modelo; el resultado se compila en problemas formales, se resuelve sobre cómputo heterogéneo, se verifica y se devuelve con una explicación. Los cambios del entorno vuelven a entrar en el ciclo.
02 / HIPÓTESIS DE INVESTIGACIÓN
Lo que intentamos
averiguar.
Cada una de ellas es una pregunta abierta. Ninguna afirma lo que Qbitune ya sabe hacer.
- H1
Formulación automática
Que un sistema pueda partir de la descripción no estructurada de una situación operativa y derivar un problema de decisión formal que un solver acepte, sin que nadie escriba el modelo a mano.
- H2
Abstracción que transfiere
Que los modelos del mundo aprendidos para un entorno de planificación aporten estructura útil a otro relacionado, en lugar de tener que reconstruirse desde cero.
- H3
Planificación bajo cambio
Que los planes jerárquicos con contingencias explícitas se degraden mejor ante una perturbación que los planes recalculados desde cero.
- H4
La verificación como filtro
Que las comprobaciones formales sobre restricciones duras puedan aplicarse a planes generados por máquina con un coste lo bastante bajo como para situarse en el ciclo, antes de ejecutar.
- H5
Enrutar compensa
Que elegir entre motores clásicos, inspirados en cuántica, híbridos y cuánticos para cada subproblema sea mejor que comprometerse con uno solo.
03 / RAZONAMIENTO · ABSTRACCIÓN · PLANIFICACIÓN
Cómo encajan las tres
en la arquitectura.
CapacidadDónde actúaQué produce
RazonamientoSobre el modelo del mundo, antes de planificar y durante la planificaciónDependencias, conflictos, consecuencias y la incertidumbre asociada a cada una
AbstracciónEntre la evidencia en bruto y el modelo del mundoEntidades, objetivos, restricciones y relaciones lo bastante compactas para planificar sobre ellas
PlanificaciónSobre el modelo abstraído, a lo largo de varios horizontes temporalesPlanes jerárquicos, contingencias y los subproblemas que se pasan al compilador
04 / MODELADO FORMAL
Un modelo,
varios formalismos.
La capa cognitiva no debería atarse a una única representación matemática. Qué formalismo conviene a cada subproblema es, en sí mismo, una decisión que el sistema tiene que tomar.
QUBO / Ising
Cuando el problema se reduce a forma cuadrática binaria y encajan los motores de tipo annealing.
Formulaciones de grafos
Cuando la mayor parte de la dificultad está en las relaciones entre entidades.
Simbólico a medida
Cuando la semántica del dominio no sobrevive a la traducción a una forma estándar.
05 / FIABILIDAD
Mecanismos, no
promesas.
La fiabilidad tiene que construirse dentro de la arquitectura, no afirmarse sobre ella. Estos son los mecanismos sobre los que se ha diseñado la investigación.
Restricciones explícitas
Las reglas duras quedan fuera de los componentes aprendidos, donde se pueden comprobar.
Verificación del plan
Los planes candidatos se contrastan con esas restricciones antes de proponerse.
Explicación
Qué objetivos, restricciones y eventos llevaron a la decisión, en una forma que un planificador pueda leer.
Incertidumbre
Representada de forma explícita, para poder comparar alternativas robustas en lugar de darlas por supuestas.
Procedencia
Una traza de los datos, el estado del modelo y el razonamiento detrás de cada plan.
Diseñado para investigar una IA cognitiva transparente, responsable y centrada en las personas. Qbitune no afirma cumplir ninguna normativa.
06 / PLANIFICACIÓN ADAPTATIVA
Planes que sobreviven
al contacto con la realidad.
Jerarquía
Descomponer los horizontes largos para que una perturbación local no invalide el plan entero.
Contingencia
Llevar alternativas preparadas para los fallos probables, en lugar de replanificar a ciegas.
Replanificación continua
Tratar el cambio como el caso normal: vigilar, revisar, verificar, repetir.
07 / COMPUTACIÓN HÍBRIDA
Independiente de
la máquina que hay debajo.
Qbitune no parte de la premisa de que la computación cuántica ya sea superior en toda tarea de optimización. La capa cognitiva debe permanecer independiente de la máquina que busca las soluciones.
Cuántica cuando aporta. Clásica cuando gana.
08 / ESTRATEGIA DE BENCHMARKS
Si no se puede medir,
no se puede confiar en ello.
Un marco de evaluación propuesto. Estos benchmarks todavía no existen: construirlos forma parte del trabajo.
Razonamiento
Validez lógica y de restricciones.
Abstracción
Transferencia y corrección del modelo.
Planificación
Factibilidad del plan y calidad del objetivo.
Adaptación
Comportamiento tras eventos inesperados.
Confianza
Fidelidad de la explicación y robustez.
Cómputo
Tiempo, energía y recursos de cómputo.
Aspiramos a aportar benchmarks reutilizables, protocolos de evaluación e interfaces interoperables para la planificación cognitiva fiable.
09 / CIENCIA ABIERTA
FAIR por diseño,
donde aplica.
La intención es que los resultados de investigación sean localizables, accesibles, interoperables y reutilizables allí donde la naturaleza del resultado lo permita, con interfaces abiertas para modelos cognitivos, planificadores y solvers, y protocolos de evaluación reproducibles.
10 / PUBLICACIONES
Publicaciones
científicas.
QUBO-based training for VQAs on quantum annealers
Quantum Machine Intelligence, Springer (2026) · doi:10.1007/s42484-026-00441-1
Reformula un problema de optimización difícil —el entrenamiento de algoritmos cuánticos variacionales— como QUBO y lo resuelve mediante un flujo cuántico híbrido con refinamiento recursivo. Un ejemplo concreto de la capacidad que Qbitune está generalizando, no su límite.
Leer en SpringerLink ↗11 / HOJA DE RUTA DE INVESTIGACIÓN
De la hipótesis científica
al sistema cognitivo integrado.
Un plan de investigación, no un informe de situación. Qbitune no reclama ningún nivel de madurez tecnológica actual.
- 01
Fundamentos
Representaciones formales e investigación en optimización.
- 02
Prototipo cognitivo
Arquitectura de razonamiento, abstracción y planificación.
- 03
Integración fiable
Verificación, explicabilidad e incertidumbre.
- 04
Validación en entorno real
Demostrador de planificación industrial.
- Meta
Prototipo integrado de IA cognitiva
Validado en TRL4. Es un objetivo de investigación , no la situación actual.
12 / COLABORACIÓN EUROPEA
Construido para encajar en
un ecosistema científico europeo.
Qbitune está diseñado para ser componible: interoperar con otros modelos cognitivos, planificadores y solvers, y participar en demostraciones más amplias con varios sistemas en lugar de funcionar aislado.
Interoperabilidad
Interfaces abiertas para modelos cognitivos, planificadores y solvers.
Benchmarks
Tareas compartidas y evaluación reproducible.
Pilotos conjuntos
Tecnología componible para demostraciones más amplias con varios sistemas.
Investigación FAIR
Resultados diseñados según los principios FAIR allí donde sea aplicable.
Entre las sinergias posibles están las infraestructuras europeas de investigación en IA, las instalaciones de ensayo y las iniciativas de HPC y cuántica. Qbitune no tiene ninguna alianza formal que anunciar.
COLABORA
Plantéanos un problema de planificación que las máquinas todavía no resuelven bien.
Buscamos colaboradores científicos y socios industriales que trabajen en entornos de decisión complejos, con objetivos, restricciones y recursos cambiantes.