Los qubits lógicos, no el número de qubits físicos, son la cifra que importa en la computación cuántica

Cada pocos meses llega un anuncio de computación cuántica con una cifra mayor: un chip con más qubits, un procesador con un recuento más alto, o una hoja de ruta que promete miles para final de la década. La cifra es fácil de publicar y fácil de comparar, y precisamente por eso engaña. Un qubit físico es un dispositivo ruidoso que pierde su estado cuántico en microsegundos o milisegundos. Una máquina capaz de ejecutar algoritmos útiles para química, materiales o criptografía necesita qubits lógicos: unidades de información protegidas por corrección de errores, lo bastante fiables como para encadenar miles o millones de operaciones.

La distancia entre ambas cifras es el problema central de ingeniería del campo. Leer bien las afirmaciones de los fabricantes exige entender esa distancia y hacer las preguntas que la dejan al descubierto.

Por qué no bastan los qubits físicos

Los estados cuánticos son frágiles. El calor, el ruido electromagnético y los pulsos de control imperfectos introducen errores, y esos errores se acumulan. Sin corrección, un cálculo largo se convierte en un generador de números aleatorios. La corrección de errores resuelve esto codificando un qubit lógico en muchos qubits físicos y midiendo repetidamente comprobaciones de paridad que revelan errores sin destruir la información almacenada. El código de superficie (surface code), el esquema más estudiado hasta ahora, dispone los qubits físicos en una rejilla bidimensional y usa esas comprobaciones para detectar y corregir errores de forma continua.

La trampa es el sobrecoste. Un qubit lógico construido con código de superficie necesita una distancia de código d, que fija aproximadamente cuántos errores puede tolerar el código. El número de qubits físicos por qubit lógico crece con el cuadrado de d, así que un qubit lógico puede requerir desde unos cientos hasta más de mil qubits físicos según la tasa de error del hardware y la precisión que necesite el algoritmo. Una máquina con diez mil qubits físicos puede, por tanto, albergar solo unos pocos qubits lógicos utilizables.

El resultado del umbral que cambió la conversación

El hito reciente más importante fue la demostración de corrección de errores por debajo del umbral. El umbral es la tasa de error física por debajo de la cual añadir qubits a un código reduce la tasa de error lógica en lugar de aumentarla. A finales de 2024, Google Quantum AI informó con su chip Willow de que la tasa de error de un qubit lógico de código de superficie se redujo aproximadamente a la mitad cada vez que la distancia del código pasó de 3 a 5 y de 5 a 7. Ese comportamiento de escalado es lo que hace potencialmente útiles a las máquinas más grandes, porque significa que más hardware compra más fiabilidad en lugar de más ruido.

Desde entonces, otros grupos han informado de experimentos pequeños con qubits lógicos en plataformas de iones atrapados y de átomos neutros, con códigos y hardware distintos. El campo ha pasado de preguntar si la corrección de errores puede funcionar a preguntar qué tan bien, a qué coste y en qué arquitecturas.

Cómo leer una afirmación sobre qubits lógicos

Cuando una empresa anuncia un resultado con qubits lógicos, cinco datos determinan cuánto significa.

La tasa de error lógico por operación o por ciclo de corrección. Un qubit que sobrevive a un ciclo no es igual que uno que sobrevive a mil. Pregunta por la tasa de error por ciclo y cómo se midió.

La distancia del código y el código utilizado. Una demostración con distancia 3 es una prueba de concepto. La distancia 7 o superior indica si el enfoque escala. Pregunta qué familia de código se usa, porque el sobrecoste varía entre códigos.

La proporción físico-lógico. Divide el número de qubits físicos entre el número de qubits lógicos y comprueba si la cifra es plausible con las tasas de error declaradas. Una afirmación de muchos qubits lógicos con hardware modesto debería generar preguntas.

La postselección. Algunos experimentos descartan las ejecuciones en las que la detección de errores marcó un problema y solo publican resultados de las ejecuciones restantes. Esto puede mejorar mucho la tasa de error aparente. Comprueba si las cifras incluyen los datos descartados, y si el algoritmo seguiría funcionando si se conservaran todas las ejecuciones.

Las puertas no cliffordianas. La corrección de errores maneja algunas operaciones de forma barata, pero otras, sobre todo la puerta T necesaria para la computación universal, requieren un proceso costoso llamado destilación de estados mágicos. Una máquina que corrige bien los errores en puertas simples puede seguir siendo muy lenta para los algoritmos que interesan. Pregunta cuánto cuestan las puertas T en qubits físicos y en tiempo.

Qué implica para los próximos años

La imagen honesta es que el campo está en la fase de demostrar los bloques de construcción, no en la de tener máquinas útiles. Las simulaciones de química y materiales que superen a los métodos clásicos son los objetivos más citados, y requieren miles de qubits lógicos de alta calidad funcionando durante periodos largos. Las máquinas relevantes para la criptografía están más lejos, y los plazos en el debate público varían mucho. Para planificar, los indicadores más útiles son las tasas de error lógico a distancias de código mayores, el coste de las operaciones no cliffordianas y las demostraciones de algoritmos de varias rondas sobre qubits lógicos en lugar de pruebas de una sola ronda.

También hay una implicación práctica para quien siga el campo. Los comunicados que empiezan por el número de qubits suelen ser más fáciles de redactar que los que empiezan por las tasas de error lógico, y esa asimetría es en sí misma una señal. Trata la cifra del titular como el inicio de la pregunta, no como la respuesta.

Conclusiones prácticas

• Cuando veas un recuento de qubits, pide el número de qubits lógicos, la distancia del código y la tasa de error lógico por ciclo. Si no se dan, la afirmación todavía no es comparable.
• Calcula tú mismo la proporción físico-lógico y contrástala con las tasas de error publicadas.
• Comprueba si los resultados usaron postselección y si las cifras se sostienen al incluir las ejecuciones descartadas.
• Para planificar algoritmos, céntrate en el coste de las puertas no cliffordianas y en el número de operaciones lógicas que necesita la computación objetivo, no solo en el tamaño del hardware.
• Sigue los artículos revisados por pares y los datos brutos del fabricante, además del anuncio, porque la sección de métodos suele contener las salvedades que el titular omite.

Un qubit físico mide cuánto hardware ha construido un laboratorio. Un qubit lógico mide cuánta computación fiable puede realizar. Solo la segunda cifra indica cuándo las máquinas cuánticas empezarán a resolver problemas que las clásicas no pueden, y esa es la cifra que merece seguimiento.