El principal limitante de la computación cuántica no es la competencia ingenieril, sino la física fundamental. Los qubits son tan sensibles al entorno que la más mínima interferencia externa destruye su frágil estado cuántico. Este proceso, conocido como decoherencia, impone un límite estricto a la complejidad de los algoritmos que podemos ejecutar hoy en día.

El núcleo del problema: de qubits físicos a lógicos

Una computadora cuántica no reemplazará tu portátil ni ejecutará los programas habituales. No se trata solo del nivel actual de desarrollo: los errores se acumulan exponencialmente a medida que los cálculos se vuelven más complejos. Sin corrección, los algoritmos largos simplemente pierden precisión. La solución es distribuir la información cuántica entre varios qubits físicos, creando el llamado «qubit lógico»: una unidad estable, protegida contra errores mediante la corrección cuántica de errores (QEC).

Un qubit físico es un sistema real: un circuito superconductor, un ion atrapado o un fotón. En los qubits superconductores, la probabilidad de error por operación de dos qubits es del 0,1–1%. Los líderes del mercado ya han alcanzado una precisión del 99,9%: Quantinuum, en su plataforma de iones H1-1, mostró un 99,914%, y su buque insignia Helios, de 98 qubits, un 99,921%. En superconductores, IQM registró un 99,91% en la puerta CZ, e IBM, con sus líneas Egret y Heron, alcanzó un nivel similar.

Avance en la corrección de errores

El método QEC más prometedor es el código de superficie, donde los qubits físicos se organizan en una rejilla bidimensional. Su umbral teórico de estabilidad es de aproximadamente un 1% de errores por operación, algo que ya se ha logrado. Los últimos dos años han marcado un salto cualitativo:

  • El procesador Willow de Google Quantum AI demostró una supresión exponencial de errores lógicos: al aumentar la rejilla, la tasa de errores se reduce más de la mitad en cada paso de escalado.
  • Quantinuum Helios utiliza 98 qubits físicos con iones de bario-137 y, en uno de sus modos, mostró 48 qubits lógicos con corrección, una proporción de aproximadamente dos físicos por cada lógico.
  • Investigadores de Harvard, MIT y QuEra, en un procesador de 448 átomos neutros, ejecutaron circuitos con decenas de qubits lógicos, llegando hasta 96 en configuraciones específicas.

Antes se creía que se necesitaban hasta 1000 qubits físicos por cada qubit lógico, lo que hacía inalcanzables las tareas comercialmente relevantes (estimaciones de un millón de qubits). Sin embargo, los códigos qLDPC de alta velocidad podrían reducir la redundancia en un orden de magnitud, hasta decenas de qubits físicos por cada lógico.

Qué significa esto en la práctica

Las computadoras cuánticas tolerantes a fallos a gran escala siguen siendo solo parte de las hojas de ruta. IBM promete para 2029 el sistema Starling, con 200 qubits lógicos, capaz de ejecutar 100 millones de operaciones. Pero incluso si tiene éxito, será un coprocesador en la nube altamente especializado, junto a una supercomputadora clásica, no un reemplazo del centro de datos. El número de qubits físicos por sí solo dice poco: lo importante son la calidad de las operaciones, la velocidad de decoherencia y la cantidad de qubits lógicos con baja probabilidad de error que se puedan soportar.

Dónde la ventaja cuántica es real y dónde es un mito

Formalmente demostrado: en tareas especializadas como el muestreo bosónico y la generación de estados cuánticos aleatorios, así como en algoritmos teóricos (Shor para la factorización).

Se espera: en farmacéutica (modelado de moléculas), ciencia de materiales (nuevos superconductores y baterías) y química (catalizadores). La optimización y las finanzas siguen sin confirmación práctica.

Ausente: en tareas cotidianas: procesamiento de texto, almacenamiento de archivos, juegos. Los procesadores clásicos siguen siendo más eficientes y económicos.

Mi opinión: la carrera por el número «bruto» de qubits ya está dando paso a una métrica más madura: la calidad de los qubits lógicos y la eficiencia de la corrección de errores. La tecnología avanza hacia una utilidad práctica, pero aún quedan años, y quizás décadas, para su adopción masiva. Invertir en este campo es apostar por un avance a largo plazo, no por un retorno rápido.