Connect with us

Publicado

on

La computación cuántica está revolucionando la informática al usar principios de la mecánica cuántica para resolver problemas que las computadoras clásicas encuentran intratables. Sin embargo, su potencial para romper sistemas criptográficos actuales, como RSA, ha impulsado el desarrollo de la criptografía post-cuántica (PQC), diseñada para resistir ataques cuánticos. Este artículo, actualizado al 2025, explica de forma didáctica los fundamentos de la computación cuántica, los algoritmos cuánticos, la criptografía post-cuántica, las aplicaciones, los desafíos, los avances más recientes en hardware cuántico y una sección detallada sobre los mejores frameworks de software cuántico en 2025, destacando Qiskit de IBM y otros líderes del mercado.

¿Qué es la Computación Cuántica?

Piensa en una computadora clásica como un ábaco con cuentas que solo pueden estar en dos posiciones: 0 o 1. Ahora, imagina una computadora cuántica como un sistema donde las cuentas, llamadas qubits, pueden estar en múltiples posiciones al mismo tiempo (superposición), conectarse entre sí de forma única (entrelazamiento) y amplificar las soluciones correctas mediante interferencia. Estas propiedades permiten a las computadoras cuánticas realizar cálculos exponencialmente más rápidos para ciertos problemas, como factorizar números grandes o simular sistemas moleculares complejos.

Los Qubits: El Núcleo de la Computación Cuántica

Un qubit no se limita a 0 o 1; puede estar en una superposición de ambos, representada como un punto en una esfera unitaria en un espacio de Hilbert complejo de dimensión 2. El entrelazamiento conecta qubits, creando un número exponencial de estados: 10 qubits representan 1.024 estados (2^10), y 500 qubits superan el número de átomos en el universo observable. Este paralelismo masivo es la clave de la ventaja cuántica.

Comparación con la Computación Clásica

Las computadoras clásicas han evolucionado desde el ENIAC de 1947, un coloso de 170 m² con 70.000 resistencias, hasta los dispositivos modernos, impulsados por la Ley de Moore, que duplicaba la potencia cada 18 meses con transistores más pequeños. Sin embargo, las puertas lógicas clásicas son mayormente irreversibles, mientras que las puertas cuánticas son reversibles, preservando información y habilitando cálculos únicos.

Hitos en la Computación Cuántica

La computación cuántica ha alcanzado hitos clave:

  • 1995: Primera puerta cuántica (CNOT) con iones atrapados.
  • 1997: Teletransporte cuántico de un fotón y factorización de 15 con el algoritmo de Shor.
  • 2007: Desarrollo del qubit transmon, base de muchos procesadores modernos.
  • 2016: IBM lanza Q Experience, democratizando el acceso a la computación cuántica.
  • 2019: Google logra la supremacía cuántica con Sycamore (72 qubits), resolviendo en 200 segundos un problema que tomaría 10.000 años a una supercomputadora clásica.
  • 2024-2025: Avances en hardware, como el chip Willow de Google y Zuchongzhi 3.0 de China, y mejoras en software cuántico, con frameworks como Qiskit liderando la accesibilidad.

Avances en Hardware Cuántico (2024-2025)

El hardware cuántico ha progresado significativamente, con mejoras en la cantidad, calidad y estabilidad de los qubits. Aquí están los ocho avances más destacados en 2024-2025:

  1. IBM Osprey y Heron (433 Qubits y Más): IBM lanzó Osprey (433 qubits) en 2023 y Heron en 2024, con 133 qubits pero mejor corrección de errores. Para 2025, IBM planea un procesador de 4.158 qubits, integrando computación híbrida cuántico-clásica para algoritmos complejos con alta precisión.
  2. Google Willow (2024): El chip Willow de Google, anunciado en 2024, supera a supercomputadoras clásicas en tareas específicas, mejorando tiempos de coherencia y reduciendo tasas de error, consolidando la supremacía cuántica de Sycamore (2019).
  3. Microsoft y Atom Computing (24 Qubits Lógicos): En 2024, Microsoft y Atom Computing lanzaron una computadora cuántica comercial con 24 qubits lógicos entrelazados, operativa en la nube en 2025. Usa qubits de átomos neutros, logrando alta fiabilidad y corrección de errores.
  4. Quantinuum H2-1 (56 Qubits Físicos): Quantinuum alcanzó 56 qubits físicos en 2024 con su sistema H2-1 de iones atrapados, con planes para 96 qubits antes de fin de año. Junto con la virtualización de qubits de Microsoft, logra 12 qubits lógicos de alta fiabilidad.
  5. China Zuchongzhi 3.0 (105 Qubits): En 2025, la Universidad de Ciencia y Tecnología de China presentó Zuchongzhi 3.0, un prototipo de 105 qubits que supera a supercomputadoras clásicas en ciertas tareas, superando el récord de Google por un factor de 6.
  6. Silicio Ultrapuro Manchester-Melbourne: En 2024, las universidades de Manchester y Melbourne desarrollaron silicio ultrapuro (isótopo 28Si, <0,0002% de otros isótopos), permitiendo qubits de alto rendimiento con potencial para escalar a 1 millón de qubits.
  7. Princeton-MIT Cryogenic Chip: En 2025, Princeton y MIT desarrollaron un chip criogénico que controla millones de qubits en un solo procesador, resolviendo el problema de cableado y facilitando la escalabilidad.
  8. Sussex Chip-to-Chip Transfer: En 2023, la Universidad de Sussex logró transferir información cuántica entre chips con 99,999993% de fiabilidad, un avance clave para sistemas modulares.

Requisitos del Hardware Cuántico

Los sistemas cuánticos deben:

  1. Ser escalables con qubits bien caracterizados.
  2. Permitir inicialización precisa.
  3. Tener tiempos de decoherencia largos.
  4. Usar puertas cuánticas universales.
  5. Medir estados con precisión. Operan a temperaturas cercanas al cero absoluto (-273,15 °C) con superconductores para evitar pérdidas eléctricas. La decoherencia sigue siendo un desafío, requiriendo aislamiento total.

Algoritmos Cuánticos

Los algoritmos cuánticos, en la clase BQP, aprovechan la superposición y el entrelazamiento para superar a los algoritmos clásicos en problemas específicos. Los principales son:

Algoritmo de Shor

Propuesto por Peter Shor en 1995, factoriza números grandes exponencialmente más rápido, amenazando RSA. Por ejemplo, factorizar un número de 2048 bits tomaría 8 horas con 20 millones de qubits, frente a billones de años en sistemas clásicos. En 2001, factorizó el 15 (3 × 5) con 7 qubits.

Algoritmo de Grover

Desarrollado por Lov Grover en 1996, ofrece una mejora cuadrática ($O(\sqrt{N})$) para búsquedas no estructuradas, útil en minería de datos y optimización.

Algoritmo de Deutsch-Jozsa

Demuestra una ventaja exponencial en la evaluación de funciones de caja negra, aunque con aplicaciones limitadas.

Algoritmos Variacionales (VQE)

Ideales para química cuántica en sistemas NISQ, calculan estados moleculares como el de la molécula de hidrógeno (H₂).

Algoritmos Adiabáticos

Optimizan problemas complejos mediante evolución lenta de sistemas cuánticos, aplicables en finanzas y logística.

Algoritmos para Machine Learning

Ofrecen mejoras en:

  • Inferencia Bayesiana: $O(\sqrt{N})$.
  • Análisis de Componentes Principales (PCA): $O(\log N)$.
  • Máquinas de Soporte Vectorial: $O(\log N)$.

Avance en el Algoritmo HHL

En 2025, se optimizó el algoritmo HHL (Harrow-Hassidim-Lloyd), reduciendo el tiempo de ejecución para sistemas con números de condición grandes, con aplicaciones en simulaciones físicas.

Criptografía Post-Cuántica (PQC)

El algoritmo de Shor amenaza sistemas criptográficos como RSA y ECC, impulsando la criptografía post-cuántica, basada en problemas matemáticos resistentes a ataques cuánticos.

Fundamentos de la PQC

La PQC opera en computadoras clásicas y se basa en:

  • Retículos (Lattice-based): Problemas como Learning With Errors (LWE) y NTRU.
  • Códigos correctores de errores: Algoritmo McEliece.
  • Funciones hash: SPHINCS+.
  • Ecuaciones multivariables: Sistemas polinómicos.
  • Curvas elípticas isogénicas: SIKE (vulnerado en 2023).

Algoritmos PQC Estandarizados por NIST

Desde 2015, el NIST evalúa algoritmos PQC. En 2022, seleccionó:

  • ML-KEM (CRYSTALS-Kyber): Intercambio de claves basado en retículos, rápido y con claves pequeñas.
  • ML-DSA (CRYSTALS-Dilithium): Firmas digitales basadas en retículos.
  • SLH-DSA (SPHINCS+): Firmas basadas en hash, resistentes a Grover.
  • Falcon: Firmas basadas en retículos, eficientes pero complejas.

En 2024, NTT DATA confirmó la robustez de CRYSTALS-Kyber frente a ataques de fuerza bruta. Algoritmos como BIKE y HQC siguen en evaluación. En 2023, China desarrolló SQIF, reduciendo los qubits necesarios para romper RSA-2048 a 372, aumentando la urgencia de adoptar PQC.

Desafíos de la PQC

  • Compatibilidad: Adaptar sistemas existentes.
  • Rendimiento: Algunos algoritmos son menos eficientes.
  • Tiempo: La transición podría tomar 20 años.
  • Adopción: Necesidad de estandarización global.

Aplicaciones de la PQC

  • Banca y Finanzas: Seguridad en transacciones.
  • Blockchain: Protección de billeteras digitales.
  • Internet: Seguridad en HTTPS, DNSSEC y RPKI.
  • IoT: Algoritmos como SHA-3 para dispositivos limitados.

Aplicaciones de la Computación Cuántica

  • Química y Materiales: Simulación de moléculas (ej. agua: 14 qubits vs. 10^4 bits; penicilina: 286 qubits vs. 10^96 bits) para fertilizantes, antibióticos y polímeros.
  • Medicina: Optimización de radioterapia y diseño de medicamentos.
  • Finanzas: Optimización de carteras y simulaciones de mercados.
  • Logística: Resolución de problemas NP-difíciles como el problema de la mochila.
  • Inteligencia Artificial: Aceleración de machine learning y procesamiento de lenguaje natural.
  • Criptografía: Distribución cuántica de claves (QKD) en la red china de 2.000 km y teletransportación cuántica.

Desafíos de la Computación Cuántica

  • Decoherencia: Interferencias externas colapsan estados cuánticos.
  • Corrección de Errores: El código de superficie requiere 1.000–10.000 qubits físicos por qubit lógico.
  • Medición: Observar qubits puede corromper datos.
  • Escalabilidad: Controlar grandes números de qubits.
  • Interoperabilidad: Falta de estándares globales.

Software Cuántico en 2025

El software cuántico es esencial para programar, simular y optimizar circuitos cuánticos. En 2025, los frameworks líderes han evolucionado para soportar hardware más avanzado y algoritmos complejos. A continuación, los mejores frameworks, con énfasis en Qiskit de IBM y otros destacados:

  1. Qiskit (IBM):
    • Descripción: Framework de código abierto lanzado por IBM en 2016, parte de IBM Q Experience (Página 32). Permite diseñar, simular y ejecutar circuitos cuánticos en hardware de IBM o simuladores.
    • Avances en 2025: Qiskit ha mejorado su integración con procesadores como Osprey y Heron, soportando circuitos de hasta 5.000 puertas. Introduce herramientas como Qiskit Runtime para optimizar ejecución híbrida cuántico-clásica y Qiskit Aer para simulaciones de alto rendimiento. Su comunidad activa (Slack, GitHub, YouTube) impulsa la colaboración global.
    • Fortalezas: Accesibilidad, soporte para hardware IBM, y una interfaz amigable para principiantes y expertos.
    • Aplicaciones: Desde algoritmos variacionales (VQE) hasta simulaciones de química cuántica.
  2. t|ket> (Quantinuum):
    • Descripción: Framework para optimizar circuitos cuánticos, destacado en la presentación (Página 54). Compatible con múltiples plataformas de hardware, como H2-1 de Quantinuum.
    • Avances en 2025: Mejoras en la optimización de circuitos para reducir la profundidad y minimizar errores en sistemas NISQ. Integra herramientas de corrección de errores y virtualización de qubits.
    • Fortalezas: Alta compatibilidad y optimización avanzada.
    • Aplicaciones: Optimización de algoritmos para hardware de iones atrapados.
  3. Q# (Microsoft):
    • Descripción: Lenguaje de programación cuántica de Microsoft, integrado en Azure Quantum (Página 66). Diseñado para algoritmos híbridos y simulaciones.
    • Avances en 2025: Q# se ha optimizado para trabajar con hardware de Atom Computing y Quantinuum, soportando qubits lógicos. Azure Quantum ofrece acceso a entornos de desarrollo en la nube.
    • Fortalezas: Integración con herramientas clásicas de Microsoft y soporte para computación híbrida.
    • Aplicaciones: Algoritmos variacionales y simulaciones físicas.
  4. Cirq (Google):
    • Descripción: Framework de Google para diseñar circuitos para procesadores como Sycamore y Willow. Enfocado en algoritmos NISQ y simulaciones de baja profundidad.
    • Avances en 2025: Cirq ha mejorado su soporte para Willow, optimizando la ejecución de algoritmos como Shor y Grover. Integra herramientas de machine learning para optimización de circuitos.
    • Fortalezas: Diseñado para hardware de Google, con énfasis en algoritmos NISQ.
    • Aplicaciones: Experimentos de supremacía cuántica y optimización.
  5. PennyLane (Xanadu):
    • Descripción: Framework de código abierto enfocado en computación cuántica híbrida y machine learning cuántico.
    • Avances en 2025: PennyLane ha expandido su compatibilidad con hardware de fotones (Xanadu) y superconductores (IBM, Google). Soporta algoritmos variacionales y aprendizaje automático con integración en PyTorch y TensorFlow.
    • Fortalezas: Ideal para machine learning cuántico y computación híbrida.
    • Aplicaciones: Modelado de redes neuronales cuánticas y optimización.
  6. Qulacs:
    • Descripción: Simulador cuántico de alta velocidad para circuitos complejos, popular en investigación académica.
    • Avances en 2025: Optimizado para simulaciones de hasta 40 qubits en hardware clásico, con soporte para GPU y computación distribuida.
    • Fortalezas: Velocidad en simulaciones y compatibilidad con múltiples frameworks.
    • Aplicaciones: Investigación en algoritmos cuánticos y pruebas de circuitos.
  7. QuTiP:
    • Descripción: Biblioteca de Python para simular sistemas cuánticos abiertos, enfocada en física cuántica.
    • Avances en 2025: Mejoras en la simulación de decoherencia y dinámica de sistemas NISQ, con integración en Qiskit y Cirq.
    • Fortalezas: Ideal para investigación teórica y modelado de ruido.
    • Aplicaciones: Estudio de decoherencia y diseño de algoritmos robustos.
  8. OpenQASM:
    • Descripción: Lenguaje de ensamblaje cuántico desarrollado por IBM, usado como estándar para describir circuitos cuánticos.
    • Avances en 2025: OpenQASM 3.0 mejora la interoperabilidad entre plataformas, permitiendo ejecutar circuitos en hardware de IBM, Google y Quantinuum.
    • Fortalezas: Estándar abierto para interoperabilidad.
    • Aplicaciones: Desarrollo de circuitos portátiles entre diferentes sistemas.

Tendencias en Software Cuántico (2025)

  • Interoperabilidad: Frameworks como Qiskit y OpenQASM lideran la estandarización, permitiendo ejecutar circuitos en múltiples plataformas.
  • Híbrido Cuántico-Clásico: Qiskit Runtime y PennyLane destacan en algoritmos variacionales que combinan recursos cuánticos y clásicos.
  • Accesibilidad: Qiskit y Azure Quantum ofrecen entornos en la nube, reduciendo barreras para desarrolladores y estudiantes.
  • Optimización: t|ket> y Cirq enfocan la reducción de profundidad de circuitos para minimizar errores en hardware NISQ.
  • Comunidades: La comunidad de Qiskit, con soporte en Slack, GitHub y YouTube (Página 32), impulsa la colaboración global, similar a las comunidades de Cirq y PennyLane.

Perspectivas Futuras

  • Corto Plazo (3–8 años): Integración híbrida cuántico-clásica, con frameworks como Qiskit liderando.
  • Largo Plazo (2030): Computadoras cuánticas con 1 millón de qubits, soportadas por software optimizado.
  • Impacto: Transformación de medicina, finanzas, IA y ciberseguridad.
  • Educación: La ONU proclamó 2025 como el Año Internacional de la Ciencia y Tecnología Cuántica, promoviendo formación y colaboración.

Conclusión

La computación cuántica, con avances en hardware como IBM Osprey, Google Willow y Zuchongzhi 3.0, y en software como Qiskit, t|ket> y Q#, está acercándose a aplicaciones prácticas. Los algoritmos cuánticos (Shor, Grover) prometen resolver problemas complejos, pero amenazan la criptografía actual, haciendo esencial la adopción de PQC (ML-KEM, ML-DSA). A pesar de desafíos como la decoherencia, el software cuántico en 2025, liderado por Qiskit, está democratizando el acceso y optimizando circuitos, allanando el camino para un futuro tecnológico transformador.

Continue Reading
Advertisement
Click to comment

Leave a Reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

QC

Radar QC: tres avances para que las computadoras cuánticas funcionen mejor

Publicado

on

IBM conectó dos procesadores, un equipo alemán aceleró operaciones sin perder precisión y una investigación propuso nuevas formas de proteger la información. Qué pasó y por qué importa.

Las noticias sobre computación cuántica suelen destacar máquinas con más cúbits, las unidades con las que estos equipos procesan información. Pero construir sistemas más grandes es solo una parte del desafío. También hay que conseguir que sus componentes se comuniquen, que las operaciones sean precisas y que los errores no arruinen el cálculo.

Tres investigaciones recientes trabajan sobre esas dificultades desde ángulos diferentes. No presentan una computadora lista para transformar la industria, sino avances en algunas de las piezas que podrían hacerla posible.

La palabra que conecta esta primera edición de Radar QC es fiabilidad: una máquina más grande o más rápida no resulta necesariamente más útil si pierde información mientras trabaja.

Los trabajos seleccionados se publicaron entre el 21 de octubre y el 2 de noviembre de 2026.

1. IBM conectó dos procesadores: el desafío es que trabajen juntos

Una computadora cuántica de mayor escala no necesariamente tendrá que construirse sobre un único chip. Otra posibilidad es conectar varios procesadores y hacerlos funcionar como módulos de una misma máquina.

La idea parece sencilla, pero plantea una dificultad: la información cuántica debe viajar entre los módulos y participar en operaciones conjuntas sin deteriorarse demasiado.

IBM Research dio un paso en esa dirección. Su equipo conectó dos procesadores Nighthawk R1, de 120 cúbits cada uno, mediante cuatro enlaces superconductores con cables de aproximadamente 80 centímetros.

Qué consiguieron

Los investigadores lograron transferir información entre los módulos y realizar operaciones entre cúbits ubicados en procesadores distintos. También generaron estados de entrelazamiento que abarcaban ambos chips, estableciendo relaciones cuánticas entre sus componentes.

La transferencia alcanzó una fidelidad media del 99%. Esa cifra describe qué tan bien se conservó el estado que se quería trasladar, según la medición utilizada.

Sin embargo, al realizar una operación más compleja entre módulos, la fidelidad media descendió a aproximadamente el 94,75%. No es una contradicción: transportar un estado y completar una operación entre procesadores son tareas diferentes. La segunda requiere más pasos, y cada uno puede introducir errores.

La distinción es importante. Un buen enlace es necesario, pero no garantiza por sí solo que todo el cálculo distribuido funcione con la misma precisión.

Por qué importa

El resultado ofrece una vía para construir sistemas cuánticos por módulos, en lugar de intentar concentrar toda su capacidad en un solo chip.

Además de las mediciones cuánticas, el equipo comprobó que las cuatro conexiones continuaban funcionando después de tres ciclos de calentamiento y enfriamiento. Es una observación relevante para el ensamblaje de estos sistemas, aunque todavía no constituye una prueba de durabilidad industrial.

También hay que evitar una lectura exagerada del tamaño del experimento: aunque cada procesador tenía 120 cúbits, las pruebas utilizaron un subconjunto próximo a las conexiones. No se demostró un cálculo conjunto que aprovechara los 240.

El trabajo se presentó como preprint, una versión de investigación cuya publicación posterior tras revisión por pares no se verificó para esta edición.

2. Una operación más rápida, sin perder precisión

El segundo avance llega de investigadores de Jülich, Aachen y Colonia, en Alemania. El equipo realizó operaciones sobre un solo cúbit con pulsos de 6,8 nanosegundos: menos de siete milmillonésimas de segundo.

Las operaciones evaluadas alcanzaron fidelidades superiores al 99,98%. El trabajo se publicó en Nature Communications.

La velocidad llama la atención, pero lo más interesante es cómo evitaron que esa rapidez provocara errores adicionales.

El problema de acelerar demasiado

El dispositivo utilizado pertenece a una familia de cúbits superconductores denominada transmon. Para calcular se emplean dos niveles de energía, pero el sistema físico tiene otros niveles disponibles.

Un pulso de control intenso puede llevarlo accidentalmente a uno de esos niveles que no se utilizan para representar la información. Los investigadores llaman “fuga” a esa salida del espacio de trabajo previsto.

El equipo desarrolló una forma de diseñar los pulsos para reducir esas transiciones indeseadas. En la comparación presentada, consiguió disminuir la fuga más de veinte veces respecto del método de referencia.

Dicho de forma sencilla: no se trató únicamente de hacer una operación más rápida, sino de controlar mejor lo que ocurre al acelerarla.

Qué cambia y qué falta

El resultado aporta una técnica para mejorar una operación elemental de la computadora cuántica. Pero la prueba se realizó sobre un cúbit aislado.

Todavía no demuestra el mismo desempeño cuando se controlan muchos cúbits simultáneamente, ni una mejora equivalente en operaciones que involucran a dos cúbits o en un programa completo.

También conviene interpretar correctamente el porcentaje: una fidelidad superior al 99,98% corresponde a la operación evaluada bajo las condiciones del experimento. No significa que cualquier cálculo realizado por una futura máquina tenga esa probabilidad de terminar correctamente.

Hay otro detalle para quienes comparen velocidades: los 6,8 nanosegundos corresponden al pulso. El protocolo incorpora además un margen de un nanosegundo después de cada pulso para contemplar posibles distorsiones.

3. Una nueva estrategia para proteger la información

El tercer trabajo no presenta un nuevo procesador. Propone una forma de proteger la información cuántica y estudia su comportamiento mediante teoría y simulación.

La investigación, realizada por autores con afiliaciones en Taiwán y Reino Unido, fue publicada anticipadamente el 2 de noviembre en npj Quantum Information, después de ser aceptada y revisada por pares.

Su foco es un tipo particular de perturbación: el ruido coherente colectivo.

Para aproximarnos a la idea, imaginemos una alteración que afecta de manera relacionada a varios componentes, en lugar de producir fallas independientes. El trabajo busca que la protección de la información siga funcionando frente al tipo de perturbación colectiva considerado.

Qué propusieron

Los investigadores estudiaron una forma de distribuir la información entre varios cúbits físicos, conocida como código de excitación constante.

El objetivo no es simplemente guardar la información de una manera especial. También hay que operar sobre ella y detectar errores sin romper las condiciones que le dan protección.

Los autores desarrollaron procedimientos compatibles con esa estructura y un método de simulación para analizar su comportamiento frente a distintos tipos de ruido.

Entre los casos estudiados aparece un código que utiliza 14 cúbits físicos para representar un cúbit lógico. Este último es una unidad de información protegida mediante una codificación más amplia.

Por qué merece atención

El trabajo recuerda que aumentar el número de cúbits no es el único camino para mejorar una computadora cuántica. También importa cómo se organiza la información y qué errores puede soportar esa organización.

Su alcance, por ahora, es teórico y de simulación. No demuestra la estrategia en una máquina real ni establece que sea la mejor solución para cualquier dispositivo.

Para esta edición se pudieron verificar el resumen y la información editorial, pero no revisar el desarrollo completo. Por ese motivo, no se le atribuyen ventajas prácticas ni cifras de desempeño que no pudieron comprobarse.

Qué nos dicen juntos estos resultados

Las tres investigaciones trabajan sobre tareas necesarias para construir sistemas más capaces:

  • Conectar componentes para que intercambien información y operen juntos.
  • Controlar operaciones rápidas sin provocar transiciones indeseadas.
  • Proteger la información frente a determinados errores.

Pero sus resultados no se pueden sumar como si fueran partes de una misma máquina ya integrada. La interconexión de IBM no incorpora automáticamente la técnica alemana, y la nueva estrategia de protección no fue probada en esos procesadores.

Tampoco corresponde comparar directamente el 99% de fidelidad de una transferencia con el 99,98% de una operación sobre un cúbit. Son mediciones de tareas distintas, realizadas bajo condiciones diferentes.

Qué mirar en los próximos anuncios

Para saber si estas líneas avanzan, las próximas pruebas deberían responder preguntas concretas.

En los procesadores conectados, habrá que observar si las operaciones entre módulos se vuelven más precisas y si mantienen su desempeño al aumentar la cantidad de enlaces.

En las operaciones ultrarrápidas, lo importante será comprobar si el método conserva sus ventajas cuando muchos cúbits trabajan a la vez y se ejecutan secuencias más exigentes.

En la protección de información, faltará evaluar cómo llevar la propuesta al laboratorio y qué recursos necesita para funcionar.

Para quien sigue el sector sin trabajar en un laboratorio, estas preguntas ofrecen una guía más útil que contar cúbits: qué pudieron hacer, con cuántos errores y bajo qué condiciones.

Fuentes

  1. Neereja M. Sundaresan y colaboradores, IBM Research. Meter-scale quantum interconnects between large quantum processors. Preprint publicado en arXiv el 21 de octubre de 2026. Investigación sobre cuatro interconexiones entre dos procesadores superconductores. Se consultó el texto disponible en HTML, incluidos métodos y tablas.
    Consultar el trabajo en arXiv.arxiv
  2. Y. Gao y colaboradores. Ultrafast single-qubit gates through multi-photon transition removal. Publicado en Nature Communications el 23 de octubre de 2026. Investigación experimental sobre operaciones rápidas y reducción de fuga en un cúbit superconductor. Se consultó el artículo disponible en HTML; no se revisaron los datos originales ni se reprodujeron los resultados.
    Consultar el artículo en Nature Communications.nature
  3. Ching-Yi Lai, Pei-Hao Liou y Yingkai Ouyang. Fault-tolerant quantum error correction for constant-excitation stabilizer codes under coherent noise. Publicado anticipadamente en npj Quantum Information el 2 de noviembre de 2026. Trabajo teórico y de simulación, aceptado y revisado por pares. Para esta nota se consultaron el resumen y los datos editoriales, no el desarrollo completo.
    Consultar el artículo en npj Quantum Information.

Continue Reading

QC

Anthropic estudia cómo diseñar circuitos cuánticos con Claude

Publicado

on

Anthropic publicó una investigación sobre el uso de Claude para diseñar circuitos cuánticos más eficientes. El trabajo aborda uno de los desafíos de la computación cuántica: construir secuencias de operaciones que aprovechen un hardware limitado y sujeto a errores.

El diseño de circuitos exige traducir algoritmos a operaciones compatibles con una arquitectura concreta. El número de operaciones, la conectividad entre qubits y las restricciones físicas pueden determinar si una solución teórica es viable en un dispositivo real. Un asistente de IA podría ayudar a explorar alternativas y reducir el trabajo manual de los especialistas.

La investigación no demuestra que la IA pueda reemplazar a los físicos o que haya resuelto por sí sola los obstáculos centrales de la computación cuántica. Para evaluar el aporte deben examinarse las métricas utilizadas, los circuitos de referencia, las mejoras obtenidas y la reproducibilidad de los resultados.

El potencial está en acelerar la interacción entre programación, matemáticas y diseño de hardware. Universidades y centros de investigación de Argentina podrían seguir esta línea mediante simuladores y herramientas de código abierto, siempre distinguiendo entre circuitos optimizados en simulación y mejoras verificadas en procesadores físicos.

Fuentes:

Anthropic: https://www.anthropic.com/research/designing-efficient-quantum-circuits

Continue Reading

QC

Google reduce 40 veces los errores de estados cuánticos especiales

Publicado

on

Google Quantum AI anunció una demostración experimental de la técnica conocida como “magic state cultivation” en su procesador Willow. Según los investigadores, el procedimiento redujo aproximadamente 40 veces los errores frente a los estados no cultivados y alcanzó una fidelidad lógica de 99,99 % para los estados T.

Los estados mágicos son un recurso necesario para ejecutar determinadas operaciones en computación cuántica universal. Producirlos con suficiente calidad consume recursos de hardware y corrección de errores, por lo que mejorar su generación puede reducir la capacidad total que una máquina necesita dedicar a preparar operaciones antes de realizar cálculos útiles.

El resultado tiene relevancia porque no se limita a una simulación: Google informa que la técnica funcionó en hardware cuántico real. El equipo también describe procedimientos para transferir estados entre esquemas de códigos de corrección de errores. Sin embargo, la demostración no significa que exista ya una computadora cuántica de uso general capaz de superar a los sistemas clásicos en todas las aplicaciones.

La próxima etapa será demostrar que el método mantiene sus ventajas a mayor escala y con circuitos más complejos. Para empresas e investigadores latinoamericanos, el avance justifica seguir la evolución de los algoritmos y la corrección de errores, sin confundir un hito experimental con disponibilidad comercial inmediata.

Fuentes:

Google Quantum AI: https://blog.google/innovation-and-ai/models-and-research/quantum-computing/magic-state-cultivation-quantum-computing/

Continue Reading

TENDENCIAS