En el vertiginoso mundo de la computación cuántica, el paso de qubits físicos a qubits lógicos representa el puente esencial hacia sistemas tolerantes a fallos, capaces de ejecutar algoritmos complejos sin colapsar bajo el peso del «ruido cuántico». A diciembre de 2025, los avances en detección y corrección de errores han acelerado esta transición, con demostraciones que superan el rendimiento de qubits individuales y abren puertas a aplicaciones prácticas. Esta nota explora las diferencias fundamentales, los mecanismos de corrección demostrables y el panorama actual de líderes globales, integrando hitos recientes como los de Fujitsu en su hoja de ruta hacia 250 qubits lógicos para 2030.
Diferencia entre Qubits Físicos y Lógicos: De la Fragilidad a la Robustez
Los qubits físicos son las unidades básicas de hardware cuántico: átomos, iones atrapados, fotones o circuitos superconductores que codifican información en estados superpuestos (0 y 1 simultáneamente) y entrelazados. Sin embargo, su vulnerabilidad al decoherencia —causada por interacciones ambientales como fluctuaciones térmicas o campos magnéticos— genera errores a tasas del 0.1% al 1% por operación, limitando circuitos a unos pocos cientos de qubits antes de que el ruido domine.
En contraste, los qubits lógicos son abstracciones software-hardware que agrupan múltiples qubits físicos (a menudo decenas o cientos) en un «código de corrección» para simular un qubit ideal resistente a errores. Por ejemplo, el código de superficie (surface code) usa una red 2D de qubits para detectar y corregir fallos sin medir directamente el estado cuántico, preservando la superposición. Un qubit lógico típico requiere un «overhead» de 1.000 qubits físicos o más, pero logra tasas de error lógicas inferiores al 0.001%, habilitando cómputos profundos. Esta evolución es crucial para la «tolerancia a fallos» (fault-tolerance), donde el sistema no solo detecta, sino corrige errores en tiempo real, permitiendo algoritmos como Shor o VQE a escalas útiles.
Detección vs. Corrección de Errores: Mecanismos Demostrables
La detección de errores identifica fallos sin alterar el estado lógico, usando síndromes (mediciones auxiliares) para flaggear anomalías. Es un paso inicial, como en los códigos de repetición cuánticos, donde errores se detectan pero no siempre se corrigen, limitando su uso a circuitos superficiales.
La corrección de errores va más allá: aplica operaciones correctivas basadas en síndromes, restaurando el estado original. Técnicas demostrables incluyen:
- Códigos de superficie y color: Usados por Google y IBM, reducen errores exponencialmente al escalar el «distancia de código» (e.g., distancia 7 en Willow de Google, que corrige hasta 3 errores por ciclo).
- Códigos concatenados: Como el [[4,2,2]] en átomos neutros (Nature, 2025), que logra rendimiento lógico 12-15 veces superior al físico mediante capas anidadas de corrección.
- Códigos 4D de Microsoft: Anunciados en junio 2025, reducen errores en órdenes de magnitud para qubits topológicos, con tasas lógicas 800 veces mejores que físicas.
Estas demostraciones no son teóricas: en 2025, protocolos como el de Gottesman (2016) han sido validados experimentalmente, confirmando que qubits lógicos superan a los físicos en fidelidad para tareas como preparación de estados Bell o simulaciones químicas.
Estado Actual: Líderes en Qubits Lógicos con Corrección Demostrable (Diciembre 2025)
El récord en cantidad de qubits lógicos con corrección operativa lo mantiene QuEra Computing (en colaboración con Harvard, MIT y NIST), con 48 qubits lógicos entrelazados ejecutando algoritmos error-corrigidos como Bernstein-Vazirani en diciembre 2023 —un hito que persiste como benchmark para cantidad, usando 280 qubits físicos en átomos neutros con distancia de código 7. Su hoja de ruta para 2025 apunta a 30 qubits lógicos operativos, escalando a 100 en 2026 para circuitos profundos.
Otros líderes incluyen:
- Microsoft y Quantinuum: 12 qubits lógicos entrelazados con corrección activa (septiembre 2024, actualizado 2025), logrando tasas de error lógicas de 0.002 (11 veces mejores que físicas) en su sistema H2 de 56 qubits. En colaboración, demostraron 4 qubits lógicos con errores 800 veces inferiores (abril 2024), y en 2025 avanzaron con códigos 4D para reducción de 1.000 veces en errores, habilitando simulaciones químicas híbridas.
- Google (Willow): No un número alto de qubits lógicos simultáneos, pero pionero en corrección por debajo del umbral: su chip de 105 qubits físicos (actualizado junio 2025) demuestra arrays lógicos de hasta 7×7 (49 qubits por lógico) con reducción exponencial de errores —mitad por duplicación de tamaño— y «beyond breakeven» donde lógicos viven más que físicos. En octubre 2025, el algoritmo Quantum Echoes validó ventaja cuántica verificable.
- Microsoft y Atom Computing: 24 qubits lógicos entrelazados (de 28 creados) con detección y corrección en noviembre 2024, usando 112 átomos neutros; comercialmente disponible en 2025 para QEC eficiente.
- IBM: Avances en procesadores cuánticos (noviembre 2025) hacia tolerancia a fallos para 2026, con entrelazamiento de qubits lógicos superpuestos, pero sin números específicos altos; enfocado en 200 lógicos para 2029.
- IQM (Halocene): Lanzamiento en noviembre 2025 de un sistema de 150 qubits físicos con corrección avanzada integrada, apuntando a lógicos escalables.
- Neutral Atoms (Nature, diciembre 2025): Primera validación completa del protocolo Gottesman con qubits lógicos en átomos neutros, superando rendimiento físico en 12-15x para circuitos aleatorios y solvers de materiales (e.g., Modelo de Impureza de Anderson).
Estos hitos subrayan un shift: en 2025, la calidad (fidelidad >99.9%) prima sobre cantidad, con lógicos superando físicos consistentemente.
Desafíos y Oportunidades: Hacia la Tolerancia Plena
A pesar de progresos, retos persisten: overhead alto (miles de físicos por lógico), refrigeración criogénica y decodificación en tiempo real demandan IA híbrida. Proyecciones (Quantum Source, diciembre 2025) ven lógicos superando físicos universalmente para 2030, con sistemas de millones de qubits viables. Enlazando con Fujitsu, su meta de 250 lógicos tolerantes para 2030 alinea con esta tendencia, priorizando STAR para escalabilidad modular. Para España y Latinoamérica, invertir en colaboraciones (e.g., Quantum Spain) acelera adopción en simulación molecular y optimización.
El salto cuántico es inminente: ¿preparado para algoritmos tolerantes a fallos?
Fuentes