Así es el Nuevo Laboratorio Secreto de JPMorgan: Optimización de Carteras, Machine Learning Cuántico y la Búsqueda de Algoritmos que Nadie ha Visto

La asociación se estructura con roles diferenciados. OQC aporta la capa de hardware cuántico, basada en su arquitectura superconductora y su sistema de nueva generación GENESIS . AMD contribuye con la infraestructura de computación clásica e IA que hace posibles los flujos de trabajo híbridos . JPMorganChase participa con su extenso programa de I+D en computación cuántica e IA, que ya ha producido algoritmos para casos de uso que van desde la valoración de opciones y el análisis de riesgos hasta la detección de fraudes y el procesamiento del lenguaje natural . En conjunto, las tres organizaciones se han comprometido a seguir una hoja de ruta de investigación centrada en varias aplicaciones específicas para servicios financieros.

Optimización de carteras: probando estrategias híbridas en un entorno real

La optimización de carteras, uno de los casos de uso a corto plazo más mencionados para la computación cuántica en finanzas, encabeza la agenda de la colaboración. Los investigadores de JPMorganChase utilizarán el nuevo centro de datos para probar enfoques cuánticos e híbridos cuántico-clásicos diseñados para mejorar la construcción de carteras y la rentabilidad ajustada al riesgo . El objetivo no es solo la exploración teórica; la plataforma está diseñada explícitamente para comparar el rendimiento de estos flujos de trabajo híbridos con las exigencias de latencia, replicación de datos y reproducibilidad que un banco global impone a sus sistemas en producción .

Para ponerlo en contexto, el grupo de Investigación Aplicada en Tecnología Global de la firma ya ha creado novedosos algoritmos cuánticos para la optimización de carteras y es una de las entidades financieras más activas explorando la intersección entre la computación cuántica, la IA y la criptografía . Con acceso exclusivo a GENESIS, el equipo puede ahora ejecutar experimentos comparativos entre enfoques clásicos, cuánticos e híbridos en condiciones que simulan lo que una mesa de operaciones real podría llegar a necesitar.

El machine learning cuántico pasa de la teoría al experimento controlado

El machine learning cuántico ha sido durante mucho tiempo un campo de interés académico, pero las pruebas rigurosas y reproducibles dentro de la infraestructura segura de un banco han sido escasas. El centro de Londres cambia esta situación. Los socios han declarado que la plataforma se usará para ampliar las exploraciones en técnicas de machine learning cuántico aplicables a la modelización y predicción financiera .

Lo que diferencia este proyecto de experimentos a menor escala es la ubicación conjunta del procesador cuántico con la computación de IA de alto rendimiento. La arquitectura está diseñada para cargas de trabajo híbridas en tiempo real, permitiendo entrenar redes neuronales convencionales y ejecutar circuitos cuánticos dentro del mismo bucle controlado . Para JPMorganChase, las preguntas aplicadas son concretas: ¿pueden los kernels cuánticos, los circuitos variacionales o las redes neuronales cuánticas añadir valor predictivo en tareas como la calificación crediticia, la detección de anomalías o la clasificación de regímenes de mercado cuando se prueban a una escala y latencia propias de un entorno financiero real?

Los hitos cuánticos recientes del banco subrayan su seriedad a la hora de tender puentes entre la investigación y la práctica. En marzo de 2025, sus investigadores, en colaboración con Quantinuum, el Laboratorio Nacional Argonne, el Laboratorio Nacional Oak Ridge y la Universidad de Texas en Austin, generaron y certificaron matemáticamente números genuinamente aleatorios usando un ordenador cuántico . Este trabajo, publicado en Nature, demostró no solo una capacidad teórica, sino un resultado tangible con aplicaciones directas en seguridad, criptografía y simulaciones de Montecarlo para trading. El nuevo centro de datos ofrece un espacio para llevar a cabo investigaciones cuánticas igual de rigurosas y orientadas a resultados, pero al ritmo del propio banco.

Modelos de IA mejorados cuánticamente para descubrir nuevos algoritmos

Quizás la línea de trabajo más visionaria investiga si los modelos de IA mejorados cuánticamente pueden acelerar el descubrimiento de nuevos algoritmos creados a medida para las finanzas . No se trata solo de usar hardware cuántico para acelerar los procesos de machine learning existentes; es una exploración más abierta que se pregunta si la IA—incluidos los grandes modelos de lenguaje (LLMs)—puede ayudar a diseñar mejores circuitos cuánticos y si los procesadores cuánticos pueden, a su vez, mejorar los modelos de IA que buscan nuevos algoritmos financieros.

Dentro de esta línea hay dos ramas de investigación distintas pero relacionadas. La primera es la mejora de circuitos cuánticos asistida por IA: usar inteligencia artificial para mejorar el rendimiento y la fidelidad de los propios circuitos cuánticos, haciendo que el hardware sea más útil al perfeccionar la capa de software que lo controla . La segunda rama se pregunta si los modelos de IA mejorados cuánticamente, incluidos potencialmente los LLMs, pueden descubrir algoritmos cuánticos novedosos antes desconocidos, algoritmos que podrían resolver problemas específicos de optimización o modelización de riesgos financieros de forma más eficiente que cualquier método clásico o cuántico existente .

Esta estrategia encaja con una tendencia más amplia en la industria de usar el machine learning para explorar el vasto espacio de diseño de los circuitos cuánticos. Lo que hace notable el proyecto de Londres es que está anclado a un dominio concreto—las finanzas—y se ejecuta dentro del perímetro de seguridad de un banco que puede definir con exactitud qué problemas son comercialmente más relevantes. La combinación de experiencia en el sector, hardware exclusivo y un entorno de datos protegido lo convierte en un banco de pruebas único para el descubrimiento algorítmico en servicios financieros.

Seguridad, escalabilidad y el camino hacia la preparación para producción

El propósito de la plataforma va más allá de un solo algoritmo. JPMorganChase ha subrayado que el centro de datos funciona como una plataforma de pruebas de seguridad de grado empresarial donde los equipos de investigación corporativos y académicos pueden evaluar configuraciones de software híbrido clásico-cuántico según los estándares de replicación de datos, tolerancia a fallos y seguridad que se aplican en los servicios financieros . La inclusión de AMD es especialmente significativa aquí, porque la capa clásica debe manejar los volúmenes de datos y las cargas de inferencia que genera un gran banco, y no un conjunto de datos de referencia simplificado.

Se espera que la instalación esté plenamente operativa en un plazo de 12 meses desde el anuncio de junio de 2026, con JPMorganChase como primer usuario exclusivo . Ese plazo coincide con la trayectoria de hardware más amplia de OQC: el sistema GENESIS representa la entrada de la compañía en la era de los cúbits lógicos, con 16 cúbits lógicos capaces de realizar miles de operaciones cuánticas fiables, un umbral que OQC describe como el régimen "KiloQuOp" . Probar algoritmos híbridos en un hardware que ha pasado de los ruidosos cúbits físicos a los cúbits lógicos con corrección de errores es un paso clave para demostrar si la computación cuántica puede ofrecer una ventaja práctica en las finanzas.

Esta colaboración en Londres no es la única inversión del banco en redes cuánticas. En marzo de 2026, JPMorgan Chase implementó por separado una red de alta velocidad cripto-ágil con seguridad cuántica que conecta dos centros de datos a través de fibra desplegada, con un tercer nodo cuántico que sirve como banco de pruebas para tecnologías cuánticas de próxima generación aplicables a la banca . En conjunto, estas inversiones indican que JPMorganChase está construyendo simultáneamente la capa de conectividad y la capa de computación, preparando la infraestructura para un mundo donde las redes con seguridad cuántica y los algoritmos mejorados cuánticamente coexistan en un entorno de producción.

Por qué el centro de Londres es relevante más allá de los titulares

La mayoría de las colaboraciones entre proveedores de hardware cuántico y bancos operan en un modelo de nube compartida, donde los investigadores acceden a un procesador cuántico a través de internet junto a otros usuarios académicos y comerciales. La instalación de OQC, JPMorganChase y AMD es diferente: está ubicada físicamente en el mismo lugar, es de operación privada y ha sido construida a medida para la carga de trabajo y los requisitos de seguridad de un único usuario empresarial. Esta configuración permite experimentos que los modelos de acceso basados en la nube no pueden replicar fácilmente, incluyendo bucles híbridos estrechamente acoplados donde la HPC clásica, la inferencia de IA y los circuitos cuánticos deben comunicarse con una latencia medida en microsegundos, en lugar de los tiempos de ida y vuelta de una red.

Para los servicios financieros, donde unos pocos milisegundos de latencia pueden tener un coste económico material, esta arquitectura de ubicación conjunta podría resultar más importante que el número bruto de cúbits. El éxito de la colaboración no se medirá en última instancia por los comunicados de prensa, sino por si JPMorganChase puede demostrar—con cargas de trabajo financieras reales y contra puntos de referencia rigurosos—que los enfoques híbridos cuántico-clásicos ofrecen un rendimiento, una escalabilidad y una rentabilidad que la infraestructura puramente clásica no puede igualar. Las líneas de investigación en optimización de carteras, machine learning cuántico y descubrimiento de algoritmos impulsado por IA son los primeros pasos concretos hacia esa demostración.