La computación cuántica, que durante años ha sido considerada una promesa futurista, empieza a consolidarse con desarrollos técnicos concretos. Uno de los más recientes avances proviene del equipo de Google Quantum AI, que ha conseguido demostrar tres implementaciones distintas de uno de los sistemas de corrección de errores más relevantes en este campo: el código de superficie cuántico.
La relevancia de este logro no radica solo en la validación de un concepto teórico, sino en su ejecución exitosa sobre circuitos reales. Esto allana el camino hacia ordenadores cuánticos más fiables, capaces de mantener la coherencia de la información frente a los errores generados por el ruido ambiental.
¿Por qué es tan importante corregir errores cuánticos?
Los qubits, a diferencia de los bits clásicos que solo pueden estar en 0 o 1, pueden encontrarse en una superposición de estados. Esta propiedad, que aporta gran parte del poder de los ordenadores cuánticos, también los hace extremadamente sensibles al entorno. Pequeñas fluctuaciones o interferencias pueden alterar su estado, generando errores en los cálculos.
Es aquí donde entran en juego los sistemas de corrección de errores cuánticos (QEC). A diferencia de la corrección en la computación clásica, donde se puede copiar un bit y comprobar su valor, en cuántica no se puede observar un qubit sin alterar su estado. Por eso, los códigos cuánticos como el de superficie emplean estrategias complejas para detectar y corregir fallos sin comprometer la información almacenada.
El código de superficie: teoría y práctica
El código de superficie organiza los qubits en una malla bidimensional, donde se realizan mediciones indirectas para detectar fallos. Este enfoque ha sido ampliamente investigado en simulaciones y estudios teóricos, pero su aplicación en dispositivos reales sigue siendo un reto por la precisión extrema que requiere.
Matt McEwen, coautor del estudio publicado en Nature Physics, ya había explorado la posibilidad de implementar este código mediante circuitos dinámicos. La novedad del trabajo actual es la concreción experimental de tres variantes de esta idea, cada una con fortalezas distintas.
Tres caminos para un mismo objetivo: hex, iSWAP y walking
La primera implementación, conocida como circuito hex, sustituye la rejilla cuadrada tradicional por una rejilla hexagonal. En esta configuración, cada qubit se conecta solo con tres vecinos en lugar de cuatro, lo que simplifica tanto la fabricación como el control del sistema. Este tipo de organización podría facilitar el diseño de dispositivos cuánticos más robustos con menos conexiones complejas.
El segundo enfoque, llamado circuito iSWAP, cambia la puerta de entrelazamiento habitual (conocida como CZ) por la llamada puerta iSWAP. Esta operación es más sencilla de ejecutar y, según los investigadores, no produce errores de fuga tan directamente como la CZ. Aunque introduce otro tipo de error (CPHASE), el equipo demostró que incluso en dispositivos optimizados para CZ, la iSWAP ofrece un rendimiento competitivo. Esto sugiere que los futuros diseños podrían priorizar arquitecturas adaptadas a iSWAP.
La tercera variante, conocida como circuito walking, propone un concepto innovador: los qubits cambian de función durante el proceso, trasladando la información cuántica de forma controlada por el dispositivo. Esta «caminata» permite aislar los errores de fuga en zonas específicas donde pueden ser corregidos antes de que la información regrese a su posición original. Además, abre la puerta a nuevas formas de mover qubits lógicos dentro del dispositivo, lo que podría simplificar la compilación de algoritmos complejos.
Resultados prometedores y nuevas técnicas analíticas
Las pruebas realizadas por Google Quantum AI mostraron mejoras notables en la supresión de errores. El circuito hex superó al tradicional en un 2,15 veces, el walking en 1,69 veces, y el iSWAP en 1,56 veces. Estas cifras no solo validan las teorías previas, sino que motivan a otros equipos a experimentar con diseños personalizados según las características de su hardware.
Una contribución adicional del estudio fue la introducción de una herramienta analítica llamada «presupuesto de detectores». Se trata de una forma simplificada de evaluar cuánto impacta cada tipo de error en el rendimiento general. Hasta ahora, calcular este tipo de presupuestos era una tarea compleja que requería simulaciones extensas. Con este nuevo método, más investigadores podrán identificar dónde enfocar sus esfuerzos de mejora sin necesidad de recursos técnicos avanzados.
Lo que viene: circuitos adaptativos y componentes defectuosos
El equipo de investigadores ya está desarrollando nuevas versiones de estos circuitos dinámicos basadas en un esquema reciente conocido como LUCI. Este marco de trabajo permitirá adaptar el código de superficie alrededor de componentes defectuosos, como qubits o conexiones que no funcionan correctamente. En lugar de descartar un chip por fallos menores, LUCI podría reconfigurar el circuito para aprovechar al máximo las partes funcionales.
Este tipo de adaptabilidad es clave para alcanzar una computación cuántica tolerante a fallos en la práctica. No se trata solo de lograr una teoría elegante, sino de construir sistemas reales que funcionen bajo condiciones imperfectas, como todo dispositivo tecnológico en el mundo real.
Una invitación a innovar
Más allá del logro puntual, el mensaje principal de este avance es que los códigos dinámicos funcionan en la práctica. Esto abre un abanico de posibilidades para que otros grupos de investigación experimenten con circuitos adaptados a sus propias limitaciones técnicas. La idea es clara: si el hardware tiene peculiaridades, el software cuántico puede ajustarse en consecuencia, y no al revés.
Se abre una nueva etapa donde la flexibilidad, la creatividad y el conocimiento profundo del sistema podrán marcar la diferencia en la carrera hacia la computación cuántica fiable.