El punto de inflexión de la corrección de errores cuánticos: por qué 2025–2026 cambió lo posible
La historia de la computación cuántica está llena de hitos que resultaron prematuros. Durante años, cada anuncio de un nuevo récord en número de qubits o de una supuesta ventaja cuántica fue recibido con un escepticismo razonable: los sistemas eran demasiado propensos a errores para ejecutar algoritmos útiles, demasiado difíciles de escalar y demasiado lejos de las condiciones necesarias para superar al software clásico bien optimizado en problemas que realmente importan.
Los eventos de 2025 y principios de 2026 se sienten diferentes de una manera específica y cuantificable. La razón es la corrección de errores, y la brecha entre la promesa teórica y la realidad experimental de la corrección de errores cuánticos se ha reducido de forma medible por primera vez.
Por qué la corrección de errores lo es todo
La unidad operativa fundamental de una computadora cuántica es el qubit. A diferencia de un bit clásico que es determinísticamente 0 o 1, un qubit puede existir en una superposición de ambos estados, y múltiples qubits pueden entrelazarse de maneras que permiten a los algoritmos cuánticos explorar exponencialmente muchas rutas computacionales simultáneamente. Esta es la fuente del poder teórico de la computación cuántica.
El problema es que los qubits son extraordinariamente sensibles a las perturbaciones ambientales: vibración, calor, ruido electromagnético, incluso rayos cósmicos. Cualquier interacción con el entorno causa decoherencia: el qubit pierde su estado cuántico y produce un error. Las tasas de error físico de los mejores qubits superconductores actuales rondan el 0.1% al 1% por operación. Ejecuta mil operaciones –como podría requerir un algoritmo útil– y tu cálculo casi con certeza estará corrupto.
La corrección de errores cuánticos aborda esto codificando un qubit lógico a través de muchos qubits físicos. El sistema colectivo está diseñado para que los errores en qubits físicos individuales puedan detectarse y corregirse sin medir (y colapsar) el estado cuántico del qubit lógico. El marco teórico para esto existe desde los años 90; el desafío de ingeniería es construir qubits físicos lo suficientemente buenos y en cantidades suficientes para que el qubit lógico sea más fiable que sus componentes.
El umbral crítico –llamado umbral de tolerancia a fallos– es la tasa de error físico por debajo de la cual añadir más qubits de corrección de errores realmente mejora la fidelidad del qubit lógico. Por encima del umbral, más qubits solo añaden más ruido. Por debajo, escalar el código de corrección de errores suprime los errores de forma exponencial.
El chip Willow de Google y lo que demostró
En diciembre de 2024, Google publicó resultados de su procesador cuántico Willow que representaron la demostración más clara hasta la fecha de corrección de errores por debajo del umbral en un sistema superconductor. El resultado clave: a medida que Google aumentaba el tamaño de su código de superficie de corrección de errores de una cuadrícula de 3×3 a una de 7×7 de qubits físicos, la tasa de error lógico caía exponencialmente –exactamente el comportamiento que predice la teoría para la operación por debajo del umbral.
Willow logró una tasa de error de qubit lógico de aproximadamente 0.143% por ronda de corrección de errores utilizando un código de superficie 7×7 (49 qubits físicos por qubit lógico). Ese número necesita contexto: todavía no es lo suficientemente bajo para ejecutar la mayoría de los algoritmos cuánticos prácticamente útiles sin mejoras adicionales. Pero el comportamiento de escalado exponencial se confirmó experimentalmente por primera vez a una escala significativa, estableciendo que el camino hacia tasas de error lógico arbitrariamente bajas está abierto.
Google también demostró un Benchmark de muestreo de circuitos aleatorios en el que Willow realizó un cálculo en menos de cinco minutos que estiman que los superordenadores clásicos más rápidos del mundo tardarían 10 septillones (10²⁵) de años. Los críticos señalan correctamente que este Benchmark específico fue diseñado para computadoras cuánticas y no tiene aplicación práctica –pero el resultado establece un techo de rendimiento para la simulación clásica del sistema.
El anuncio del qubit topológico de Microsoft
En febrero de 2025, Microsoft anunció un enfoque fundamentalmente diferente: qubits topológicos, basados en cuasipartículas exóticas llamadas fermiones de Majorana que son teóricamente mucho más resistentes a la decoherencia que los enfoques convencionales. La empresa publicó resultados revisados por pares en Nature que demostraban la creación de una fase superconductora topológica en un dispositivo semiconductor-superconductor –el ingrediente físico clave para los qubits basados en Majorana.
La afirmación de Microsoft es que los qubits topológicos, una vez completamente realizados, requerirán órdenes de magnitud menos qubits físicos por qubit lógico que los códigos de superficie en arquitecturas convencionales, lo que potencialmente hace que la sobrecarga de la corrección de errores sea manejable a una escala mucho menor. Investigadores independientes verificaron el resultado físico central, aunque señalaron que los qubits Majorana demostrados aún se encuentran en etapas tempranas de desarrollo y que el camino desde la fase física observada hasta los qubits topológicos funcionales implica muchos desafíos de ingeniería adicionales.
El camino de IBM hacia 2033
IBM ha estado ejecutando la hoja de ruta pública más consistente en computación cuántica, enviando sistemas cada vez más capaces con una cadencia casi anual. Sus procesadores Heron actuales, con tasas de error de alrededor del 0.1% para puertas de dos qubits, representan el mejor rendimiento de qubit superconductor disponible públicamente. La hoja de ruta publicada de IBM apunta a la computación cuántica tolerante a fallos –sistemas capaces de ejecutar algoritmos con miles de qubits lógicos– para 2033.
De manera más inmediata, la red cuántica de IBM proporciona acceso en la nube a sistemas de más de 100 qubits que los investigadores utilizan para experimentos de química cuántica, optimización y Machine Learning. El valor de esta infraestructura radica menos en el número bruto de qubits que en las herramientas acumuladas, las técnicas de mitigación de errores y el ecosistema de software (Qiskit) que se ha desarrollado en torno al acceso fiable.
Lo que realmente requiere la computación cuántica útil
Las aplicaciones más citadas para la computación cuántica –romper el cifrado RSA, simular la dinámica molecular para el descubrimiento de fármacos, optimizar cadenas de suministro, acelerar Machine Learning– cada una requiere diferentes recuentos de qubits y tasas de error.
Romper el cifrado RSA de 2048 bits utilizando el algoritmo de Shor requeriría aproximadamente 4.000 qubits lógicos con tasas de error muy bajas, lo que se traduce en millones de qubits físicos utilizando la sobrecarga actual de corrección de errores. Esto probablemente está a 15–20 años de distancia con las trayectorias de escalado actuales, razón por la cual NIST finalizó los estándares de criptografía post-cuántica en 2024 como precaución.
Las simulaciones de química cuántica para el descubrimiento de fármacos (modelar la estructura electrónica de moléculas demasiado complejas para ordenadores clásicos) requieren de cientos a unos pocos miles de qubits lógicos para casos prácticamente útiles. Esta es la aplicación donde es más probable que el progreso a corto plazo genere valor comercial genuino.
El consenso entre los investigadores es que 2025 y 2026 han movido el campo de «¿podemos siquiera lograr la corrección de errores por debajo del umbral?» a «¿qué tan rápido podemos escalar el número de qubits lógicos?» Ese cambio en la pregunta central no es un replanteamiento menor. Sugiere que la trayectoria de ingeniería, aunque aún larga y costosa, ahora apunta claramente en la dirección correcta.