Proyecto CUCO

✨ La última reunión del Proyecto CUCO ha sido el reflejo del esfuerzo colectivo, la innovación y el compromiso que nos une en torno a la computación cuántica. 💡 Este proyecto es un ejemplo brillante de cómo una visión común puede transformar retos en avances tecnológicos significativos. Queremos agradecer a todos los socios #CUCOs por su trabajo incansable, su espíritu positivo y su dedicación para explorar juntos el potencial de esta tecnología disruptiva. 🤝 Colaborar con equipos tan apasionados y comprometidos ha sido un verdadero placer. Estamos seguros de que los resultados que estamos construyendo juntos marcarán un antes y un después en la industria. 📍 El proyecto #CUCO, subvencionado por el @CDTI_innovacion y apoyado por el Ministerio de Ciencia, Innovación y Universidades bajo el Plan de Recuperación, Transformación y Resiliencia, está formado por un consorcio de seis empresas: BBVA, DAS Photonics, GMV, Multiverse Computing, Qilimanjaro Quantum Tech y Repsol; cinco centros de investigación: Barcelona Supercomputing Center, CSIC, Donostia International Physics Center (DIPC), ICFO y TECNALIA Research & Innovation; y una universidad pública: Universitat Politècnica de València (UPV), para la investigación de la computación cuántica aplicada a industrias estratégicas de la economía española: energía, finanzas, espacio, defensa y logística. ¿Quieres saber más sobre CUCO y su impacto? Visita nuestra web: www.cuco.tech. #ComputaciónCuántica #InnovaciónColaborativa #FuturoTecnológico #ProyectoCUCO

📢 Ana María Sánchez Montero, jefa de la Sección de Computación Cuántica de GMV, ha intervenido hoy en el evento #LivingLabALIA de ALIA - Clúster Logístico de Aragón para hablar de cómo aplicar la computación cuántica al sector logístico. Además, ha presentado el trabajado realizado en el Proyecto CUCO: https://lnkd.in/dqSmpKn4 #Quantum #Logistics #MovilidadSostenible #ÚltimaMilla #Innovación #CUCO

ℹ El equipo de #CUCO se reunió ayer en las oficinas de BBVA en Madrid para presentar la revisión del hito de 2023 al @CDTI_innovacion. Una jornada en la que los socios y partners presentaron el proyecto, los avances y logros alcanzados, las actividades realizadas, acciones de difusión y la situación actual del proyecto. Gracias por el trabajo de todos los que forman parte de este consorcio de seis empresas: BBVA, DAS Photonics, GMV, Multiverse Computing, Qilimanjaro Quantum Tech y Repsol; cinco centros de investigación: Barcelona Supercomputing Center, CSIC, Donostia International Physics Center (DIPC), ICFO y TECNALIA Research & Innovation; y una universidad pública: Universitat Politècnica de València (UPV), para la investigación de la computación cuántica aplicada a industrias estratégicas de la economía española: energía, finanzas, espacio, defensa y logística: https://www.cuco.tech/

🎬 En este workshop, Izaskun Oregi, Investigadora Senior QNext de TECNALIA Research & Innovation, nos adentra en la aplicación de un modelo de red neuronal cuántico, específicamente una red neuronal de un solo qubit (Single-qubit NN), para abordar problemas de detección de fraude en el sector financiero: https://lnkd.in/dvzmRq-P #QuantumComputing #Quantum #Finance #DetecciónFraude #CUCO

📢 Queralt Portell de Montserrat, Quantum Data Scientist de GMV, exponiendo el trabajo realizado en el Proyecto CUCO sobre computación cuántica para observación de la Tierra durante la sesión “Quantum Computing & Artificial Intelligence” en #AIBigData24 de CIDAI - Centre of Innovation for Data Tech and Artificial Intelligence. #CUCO, subvencionado por el @CDTI_innovacion y apoyado por el Ministerio de Ciencia, Innovación y Universidades bajo el Plan de Recuperación, Transformación y Resiliencia, es el primer gran proyecto de computación cuántica en España. Busca avanzar en el estado del arte de los algoritmos cuánticos y aplicarlos en una serie de casos de uso para diferentes sectores de la economía española. GMV trabaja en sus propias líneas de investigación aplicando técnicas de Machine Learning Cuántico y Optimización Cuántica en el campo industrial de la observación de la Tierra. Los tres casos de uso estudiados son: la identificación de plantas fotovoltaicas en imágenes de satélite, la optimización en la toma de imágenes de satélite y la predicción a corto plazo de la velocidad y dirección del viento en áreas de interés.

📅 Mañana a las 11:15h en #AIBigData24 de CIDAI - Centre of Innovation for Data Tech and Artificial Intelligence, Queralt Portell de Montserrat, Quantum Data Scientist de GMV, interviene en la sesión “Quantum Computing & Artificial Intelligence” para exponer el trabajo realizado en el Proyecto CUCO sobre computación cuántica para observación de la Tierra: https://lnkd.in/dZ97SBKm

Las Jornadas Técnicas Industrial Track 4.0, enmarcadas en el Encuentro Tecnológico Burgos Industria 4.0, se han consolidado como un foro clave para el análisis de las tecnologías emergentes en la transformación digital de la industria. Durante el evento, Enrique Crespo, Quantum Technologies Solutions Leader en GMV, destacó la apuesta de la compañía por la computación cuántica como vector de innovación, presentando el Proyecto CUCO. Este proyecto, financiado por el Centro para el Desarrollo Tecnológico Industrial (CDTI) y el Ministerio de Ciencia e Innovación, busca avanzar en el estado del arte de los algoritmos cuánticos y llevar a cabo pruebas de concepto en sectores estratégicos como Energía, Finanzas, Espacio, Defensa y Logística: https://lnkd.in/djjc7j8g #ComputaciónCuántica #Quantum #Industria40 #CUCO

📢 New preprint “Satellite image classification with neural quantum kernels”, a joint work of Pablo Rodriguez-Grasa, Robert Farzan Rodríguez, Gabriele Novelli, Yue Ban and Mikel Sanz from GMV, UPV/EHU and TECNALIA Research & Innovation. This work aims to solve a real classification problem with industrial applications using quantum methodology. For this task, we have observed that with a low number of qubits, we can achieve accuracies comparable to the best classical models. We address a complex binary classification task on a real dataset, focusing on the classification of satellite images to determine whether they contain solar panels or not. Once the data dimensionality is reduced by a classical preprocessing step, we utilize two different Neural Quantum Kernel approaches achieving maximal accuracies near 90%. We initially explore the 1-to-n NQK approach which demonstrates robustness, yielding nearly identical results whether the QNN is optimally or suboptimally trained. Additionally, we investigated n-to-n NQKs, which involve building a scalable n-qubit QNN and constructing the corresponding quantum kernel. With both methods, we successfully match the performance of classical methods, which have also been optimized for the number of features. While the results presented focus on a limited number of qubits, suggesting that the quantum models could be considered quantum-inspired, we demonstrate that, for this classification task, the accuracy values achieved using various quantum and classical methods converge to similar levels. Good job, team! 👏👏 👇👇👇 https://lnkd.in/dm3aJhyG Proyecto CUCO Quantum Spain #KUBITproject

📌 Article presented by GMV, TECNALIA Research & Innovation and UPV/EHU experts under the title "Satellite image classification with neural quantum kernels": https://lnkd.in/dm3aJhyG A practical application of quantum machine learning in real-world scenarios in the short term remains elusive, despite significant theoretical efforts. Image classification, a common task for classical models, has been used to benchmark quantum algorithms with simple datasets, but only few studies have tackled complex real-data classification challenges. In this work, we address such a gap by focusing on the classification of satellite images, a task of particular interest to the earth observation (EO) industry. We first preprocess the selected intrincate dataset by reducing its dimensionality. Subsequently, we employ neural quantum kernels (NQKs)- embedding quantum kernels (EQKs) constructed from trained quantum neural networks (QNNs)- to classify images which include solar panels. We explore both 1-to-n and n-to-n NQKs. In the former, parameters from a single-qubit QNN's training construct an n-qubit EQK achieving a mean test accuracy over 86% with three features. In the latter, we iteratively train an n-qubit QNN to ensure scalability, using the resultant architecture to directly form an n-qubit EQK. In this case, a test accuracy over 88% is obtained for three features and 8 qubits. Additionally, we show that the results are robust against a suboptimal training of the QNN. ✍ Authors: · Yue Ban · Mikel Sanz · Pablo Rodriguez-Grasa · Robert Farzan Rodríguez · Gabriele Novelli #ProyectoCUCO #QuantumComputing #QuantumPhysics #QuantumNeuralNetwork #NeuralQuantumKernels #MachineLearning

Collaboration, curiosity, and creative problem-solving are the cornerstones of innovation. This dedication fuels our participation in events like #QTYR24. The Quantum Technologies for Young Researchers workshop, held this week in Madrid, provided a valuable platform for fostering the exchange of research and insights among early-career scientists across various disciplines within Quantum Science. Our Quantum Engineer, Andrés N., discussed the current and future landscape of quantum computing alongside representatives from esteemed organizations like Repsol, BBVA and Multiverse Computing. We were pleased to share our industry knowledge and engage in discussions surrounding the challenges and opportunities of achieving quantum advantage across diverse sectors. We extend our sincere gratitude to the organizers for their efforts in making this a successful event. #QuantumComputing #QuantumScience #Innovation #QuantumTech