Connect with us

Publicado

on

Barclays trabaja junto con IBM desde hace años en algoritmos cuánticos de optimización de carteras, usando el Quantum Approximate Optimization Algorithm (QAOA) adaptado a restricciones reales como costos de transacción y límites regulatorios. Un estudio académico publicado en febrero de 2026 midió, además, una ventaja concreta: una cartera armada con QAOA logró un ratio de Sharpe de 1,81 frente a 1,31 de un método clásico de recocido simulado y 0,98 de paridad de riesgo jerárquica. La optimización de portfolios sigue en fase de piloto, pero ya no es solo una promesa teórica.

QAOA es un algoritmo pensado para problemas de optimización combinatoria: elegir, entre un enorme número de combinaciones posibles, la que mejor cumple un objetivo dado ciertas restricciones. En finanzas, ese problema es armar una cartera de inversión que maximice el retorno esperado y minimice el riesgo, respetando límites de exposición, costos operativos y reglas de cumplimiento. El algoritmo reformula ese problema como una optimización binaria cuadrática (QUBO) o un modelo de tipo Ising, formatos que un procesador cuántico puede explorar de manera nativa. Lee Braine, director en la oficina de tecnología de Barclays, lidera la investigación cuántica del banco enfocada en optimizar la liquidación de transacciones de valores, además de la propia gestión de carteras.

La escala del problema es lo que justifica la búsqueda de una alternativa cuántica: el número de combinaciones posibles para armar una cartera crece de forma exponencial a medida que aumenta la cantidad de activos considerados, algo que las computadoras clásicas manejan cada vez peor conforme el portfolio se agranda. La magnitud del negocio en juego también es elocuente: una mejora de apenas el 1% en la asignación de activos de un fondo de US$100.000 millones representa US$1.000 millones adicionales de valor. Es ese tipo de cifra la que explica por qué bancos y fondos globales destinan presupuesto de investigación a un algoritmo que todavía no corre en producción.

El propio estudio que midió el ratio de Sharpe de 1,81 marcó también una limitación importante: la estrategia optimizada con QAOA tuvo una rotación de cartera del 76,8%, lo que dispara los costos operativos de implementarla en la práctica. A eso se suma un problema técnico de fondo, confirmado por un benchmark de la Universidad Nacional de Singapur: QAOA rinde de manera excelente en condiciones ideales sin ruido, pero pierde solidez de forma notoria cuando corre sobre hardware cuántico real, que hoy todavía tiene tasas de error significativas. La conclusión para 2026 es que la optimización cuántica de carteras funciona como demostración de concepto prometedora, no como reemplazo inmediato de los métodos clásicos, y que el camino hacia la producción depende tanto de mejoras de hardware como de estrategias que reduzcan el costo de implementación de las carteras que el algoritmo recomienda. Ningún banco ni fondo de la región aparece hoy en este mapa de pilotos, lo que deja una ventana abierta para el primero que decida entrar.

Fuentes:
The Quantum Insider: https://thequantuminsider.com/2026/03/27/15-plus-global-banks-probing-the-wonderful-world-of-quantum-technologies/
Medium – Superpositions Studio: https://medium.com/@superpositions_studio/quantum-computing-in-finance-portfolio-optimization-fraud-detection-and-monte-carlo-where-it-4b68ed34bb92
arXiv – Mancilla et al. (2026), Constrained Portfolio Optimization via QAOA with XY-Mixers: https://arxiv.org/html/2602.14827v1
Quantum Circle: https://quantumcircle.eu/quantum-portfolio-optimisation/
arXiv – Benchmarking Quantum Solvers in Noisy Digital Simulations: https://arxiv.org/html/2508.21123v1

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