La computación cuántica empieza a enfrentarse a una paradoja propia de las tecnologías que maduran: sus resultados más valiosos serán también los más difíciles de comprobar. IBM ha presentado tres demostraciones internacionales de ventaja cuántica verificable que apuntan a ese cambio de fase.
La cuestión ya no se limita a si una máquina cuántica puede ejecutar un cálculo fuera del alcance práctico de los sistemas clásicos. El punto que empieza a pesar para científicos, empresas y centros de I+D es más crítico: qué tipo de pruebas bastan para confiar en un resultado que ningún superordenador puede reproducir de manera viable.
La compañía ha situado ese problema en el centro de tres trabajos desarrollados con la Universidad de Chicago, Qedma y Algorithmiq. Los tres casos son distintos en su arquitectura técnica y en el tipo de problema abordado, pero comparten una misma ambición: combinar cálculos que desbordan los métodos clásicos con mecanismos de corrección, mitigación o validación de errores capaces de sostener la confianza en el resultado. En un sector acostumbrado a promesas de largo plazo, esa diferencia importa. La ventaja cuántica sin verificación puede impresionar en un laboratorio; con evidencia de fidelidad, empieza a parecerse a una infraestructura científica sobre la que construir decisiones.
La ventaja cuántica verificable desplaza el debate hacia la confianza
Durante años, buena parte del debate sobre computación cuántica se ha medido con una pregunta aparentemente simple: cuándo superará un ordenador cuántico a uno clásico. Ese planteamiento ha alimentado hitos, controversias y comparaciones con superordenadores, aunque también ha dejado una zona gris. Si el problema resulta tan complejo que un sistema clásico no puede resolverlo en un tiempo razonable, la verificación tradicional pierde fuerza. El método habitual de contraste, repetir o simular el cálculo con otro sistema, deja de estar disponible precisamente cuando la demostración pretende ser más relevante.
IBM intenta colocar ahí su nuevo mensaje. La compañía no presenta solo una carrera de velocidad frente al cálculo clásico, sino una forma de computación cuántica que incorpora confianza en la propia ejecución. El caso principal, desarrollado con investigadores de la Universidad de Chicago, se apoya en circuitos lógicos codificados y en una técnica de corrección de errores que permitió ejecutar 70 qubits lógicos. El ordenador cuántico completó el cálculo en menos de 15 minutos, mientras que los principales métodos clásicos de simulación se enfrentarían a tiempos de ejecución inviables incluso con recursos de supercomputación.
El dato de los 15 minutos funciona como gancho, pero no es el centro técnico del avance. La parte relevante está en la combinación de un cálculo fuera del alcance práctico de los métodos clásicos y una fidelidad verificable. El trabajo aborda una de las objeciones recurrentes a las demostraciones de ventaja cuántica: cuando el resultado es demasiado difícil para el cálculo clásico, puede ser difícil distinguir entre una señal genuina y el ruido de un dispositivo aún imperfecto. IBM y la Universidad de Chicago tratan de cerrar esa brecha mediante una construcción de circuitos codificados que conserva criterios de dureza computacional, pero añade estructura suficiente para detectar errores durante el cálculo.
El punto de partida está en el muestreo de circuitos aleatorios, conocido como RCS por sus siglas en inglés. Este tipo de prueba pide a un ordenador cuántico generar patrones tan complejos que un ordenador clásico no pueda reproducirlos eficientemente. El problema es que, a medida que el circuito se vuelve más difícil, también se vuelve más complicado verificar que la máquina cuántica ha producido el resultado correcto. La alternativa presentada por IBM y la Universidad de Chicago introduce una estructura codificada que mantiene la dificultad del problema, aunque permite caracterizar mejor la fidelidad de los estados cuánticos bajo ruido.
Bill Fefferman, profesor asociado de la Universidad de Chicago, resume esa tensión al señalar que la verificación sigue siendo uno de los grandes obstáculos para establecer con firmeza la ventaja cuántica experimental. La frase es relevante porque desplaza el debate. La computación cuántica ya no solo necesita mostrar que puede hacer algo extraordinario. Necesita explicar por qué ese resultado merece confianza.
Los 70 qubits lógicos sitúan la corrección de errores en primer plano
El trabajo con la Universidad de Chicago se presenta como una de las mayores demostraciones conocidas de corrección de errores en computación cuántica lógica. El equipo ejecutó 70 qubits lógicos, protegidos frente a errores, y llevó a cabo 2.415 operaciones lógicas de dos qubits y 468 puertas lógicas «T». Estas cifras no son ornamentales. En computación cuántica, las operaciones lógicas y las puertas T ayudan a medir la complejidad de un circuito y su capacidad para aproximarse a cálculos de interés general.
La diferencia entre qubits físicos y qubits lógicos resulta esencial para entender el alcance del anuncio. Los qubits físicos son las unidades reales del hardware, expuestas al ruido, a pérdidas de coherencia y a errores de operación. Los qubits lógicos agrupan y codifican información de forma que el sistema pueda detectar o corregir parte de esos errores. En este caso, IBM sostiene que el cálculo lógico alcanzó tasas efectivas de error 10 veces inferiores a las tasas de error físicas. Esa reducción permitió mantener una fidelidad elevada pese al número de operaciones ejecutadas.
El matiz es importante. La industria cuántica sabe que el camino hacia sistemas plenamente tolerantes a fallos exige corrección de errores a gran escala, un objetivo todavía exigente en hardware, software y control físico. La demostración de IBM y Chicago no equivale a declarar resuelto ese problema para aplicaciones empresariales generales. Sin embargo, sí coloca la corrección de errores en un terreno menos teórico. La discusión se desplaza desde la promesa de futuros ordenadores cuánticos tolerantes a fallos hacia experimentos lógicos que ya pueden producir cálculos difíciles y, al mismo tiempo, estimar su fidelidad.
Jay Gambetta, director de IBM Research e IBM Fellow, formuló el mensaje con claridad: IBM considera que la industria ha entrado en la «era de la ventaja cuántica». Esa afirmación busca marcar un cambio de etapa. Pero leída con distancia periodística, la parte más sustancial no es la etiqueta. Es la idea de que IBM intenta ofrecer una base estadística para confiar en la ejecución de circuitos que quedan fuera del alcance práctico de la simulación clásica.
El avance no anticipa una migración inmediata de cargas críticas a sistemas cuánticos. Su relevancia está en otro plano: las futuras aplicaciones industriales de esta tecnología dependerán de resultados que, en muchos casos, no podrán validarse mediante una réplica clásica completa.
Las futuras aplicaciones industriales de la computación cuántica, desde nuevos materiales hasta química computacional o física de sistemas complejos, dependerán de resultados que muchas veces no podrán ser validados con una réplica clásica completa. Antes de hablar de explotación comercial a escala, el sector necesita resolver cómo auditar, comparar y certificar esos resultados. IBM quiere ocupar ese espacio.
Qedma lleva el problema al terreno de los materiales cuánticos
El segundo caso amplía el relato desde los circuitos lógicos hacia la simulación de física de materiales. Qedma, IBM y varios socios han presentado una demostración en la que el software de reducción de errores QESEM, ejecutado sobre ordenadores cuánticos de IBM, permitió estudiar dinámicas cuánticas complejas en sistemas de hasta 74 qubits. El trabajo se comparó con recursos clásicos avanzados, incluidos los de RIKEN en Japón y BlueQubit, y con simulaciones realizadas en Fugaku, uno de los superordenadores más potentes del mundo.
La investigación se centró en un modelo de Ising Floquet bidimensional. Traducido a términos menos especializados, se trata de un sistema usado por físicos para estudiar cómo evolucionan las propiedades magnéticas de un material cuando recibe pulsos externos de forma rítmica. La pregunta científica es si ciertas oscilaciones sobreviven en sistemas más grandes y durante más tiempo. Ese régimen resulta difícil para los métodos clásicos porque la complejidad crece rápidamente a medida que aumenta el tamaño del sistema y la duración de la evolución.
Qedma utilizó su tecnología QESEM, disponible en el catálogo de funciones de Qiskit dentro de la plataforma IBM Quantum, para mitigar el ruido de los dispositivos actuales. La relevancia del caso no está solo en haber ejecutado una simulación de materiales, sino en el modo en que se intentó construir confianza. El equipo aplicó primero un protocolo de mitigación de errores sin sesgo allí donde aún era posible comparar con cálculos clásicos. Después contrastó un método más escalable con esos resultados de confianza y extendió el análisis a tamaños de sistema y tiempos de evolución mayores, donde las simulaciones clásicas empezaban a perder consistencia.
El detalle de la consistencia es clave. Según la documentación aportada, conforme el sistema crecía en complejidad, los distintos enfoques clásicos dejaron de proporcionar respuestas consistentes a la escala alcanzada por los experimentos cuánticos. Los resultados cuánticos mitigados, en cambio, mantuvieron un comportamiento estable y mostraron oscilaciones de largo tiempo. La afirmación no equivale a que la computación clásica haya agotado su capacidad en todos los problemas de materiales. Indica algo más específico: para ese régimen concreto, varios métodos clásicos avanzados no consiguieron ofrecer una referencia fiable y concordante.
La validación independiente añade otra capa. El trabajo incluyó comprobaciones en distintas plataformas de hardware cuántico, también en sistemas de iones atrapados de Quantinuum. Esa comparación buscaba reducir una sospecha habitual en experimentos con dispositivos ruidosos: que el resultado observado proceda de particularidades del hardware o de errores introducidos por la mitigación. La estabilidad del comportamiento en tecnologías distintas aporta evidencia adicional, aunque dentro de los límites propios de un campo en el que cada afirmación de ventaja seguirá sometida a escrutinio externo.
Para la industria, Qedma conecta la ventaja cuántica con dominios de posible impacto económico, como optoelectrónica ultrarrápida, superconductores inducidos por luz y otros materiales avanzados. Conviene formularlo con precisión. El trabajo no presenta un nuevo superconductor listo para uso industrial ni una aplicación comercial directa. Lo que ofrece es una vía para explorar regiones de la física que los métodos clásicos pueden no cubrir de forma fiable. En I+D avanzada, esa capacidad puede ser valiosa antes incluso de traducirse en un producto. Permite observar dinámicas, descartar hipótesis y orientar experimentos costosos.
Algorithmiq aborda materiales irregulares y validación sin réplica clásica
El tercer caso, desarrollado por Algorithmiq e IBM, se mueve en una dirección especialmente relevante para la industria de materiales: la simulación de materia heterogénea. Muchos materiales reales, incluidos catalizadores y electrolitos de baterías, no se comportan como cristales perfectos. Sus propiedades dependen de irregularidades, interfaces, variaciones locales y zonas en las que la energía, las partículas o la información se desplazan de forma desigual. Es un terreno menos limpio que un benchmark abstracto y más próximo a la complejidad que encuentran los equipos de I+D.
Algorithmiq diseñó un modelo de materia cuántica heterogénea en el que la información se propaga por regiones con propiedades locales diferentes. Ejecutado sobre un procesador IBM Quantum Heron, el modelo convirtió el ordenador cuántico en una especie de material cuántico programable, con acoplamientos microscópicos ajustables. Esa capacidad permite estudiar dónde fluye, se localiza o interfiere la información, de forma análoga a lo que ocurre en sistemas materiales reales.
La parte más relevante del caso está en su relación con la verificación. Ocho meses después de la publicación inicial del problema y sus resultados en el Quantum Advantage Tracker, los métodos clásicos seguían sin ofrecer una respuesta fiable en todo el régimen estudiado. Ahí se concentra el valor del trabajo: no basta con llevar el cálculo a una zona difícil para la computación clásica; hay que construir un método para decidir qué resultado merece confianza cuando no existe una solución exacta de referencia.
Algorithmiq abordó esa cuestión mediante manipulación de ruido y construcción de un modelo representativo del ruido subyacente del dispositivo. Los investigadores modificaron deliberadamente el ruido que afectaba a los circuitos, con inyección controlada, cambios en calibraciones de puertas y ejecución en múltiples procesadores IBM Quantum. La estabilidad de los resultados bajo esas variaciones se presenta como evidencia de que el cálculo no dependía de un ajuste accidental ni de un comportamiento específico de una máquina concreta.
El trabajo incorpora además una derivada relevante para el ecosistema: Algorithmiq libera «monoprop», su mejor método clásico para simular estados fundamentales moleculares, con la intención de que otros grupos puedan probar futuras reclamaciones de ventaja cuántica. Ese gesto tiene lectura técnica y estratégica. Técnica, porque facilita que la comunidad someta las afirmaciones cuánticas a métodos clásicos más competitivos. Estratégica, porque refuerza la idea de que la ventaja cuántica no debería aceptarse como un comunicado de superioridad, sino como un proceso de impugnación abierta.
Sabrina Maniscalco, cofundadora y consejera delegada de Algorithmiq, describe la ventaja cuántica como un proceso continuo, no como un instante aislado. Ese matiz ayuda a enfriar la lectura más espectacular del anuncio. En computación cuántica, una demostración puede abrir una frontera y, al mismo tiempo, quedar expuesta a que nuevos métodos clásicos la reduzcan, la reinterpreten o la alcancen después. Por eso la publicación de circuitos, resultados y benchmarks en plataformas abiertas como el Quantum Advantage Tracker adquiere relevancia. La confianza no nace solo de la máquina, sino del proceso de contraste.
IBM intenta fijar el estándar de la computación cuántica confiable
Leídos juntos, los tres casos muestran un movimiento de posicionamiento más amplia. IBM no quiere posicionarse únicamente como fabricante de procesadores cuánticos o proveedor de acceso cloud a hardware especializado. Intenta ocupar el papel de actor que define cómo se mide la ventaja cuántica en la etapa posterior a los benchmarks puramente demostrativos.
La publicación de circuitos y resultados en el Quantum Advantage Tracker tiene una lectura que va más allá de la transparencia. En un mercado donde la ventaja cuántica sigue siendo una categoría técnica difícil de comparar, abrir los experimentos al contraste externo ayuda a desplazar la conversación desde la afirmación de rendimiento hacia la calidad de la prueba. También introduce un efecto menos visible: quien ordena los criterios de verificación influye en cómo clientes, investigadores e inversores interpretan el progreso del sector.
La entrada de la computación cuántica en las compañías no dependerá solo de la potencia de sus procesadores. Llegará, si se consolida, a través de problemas muy concretos en los que el cálculo cuántico aporte una diferencia comprobable frente a los métodos clásicos y, sobre todo, en los que la calidad de la respuesta pueda evaluarse con criterios compartidos. La ventaja no bastará por sí sola. Para convertirse en una herramienta de decisión, tendrá que venir acompañada de mecanismos de validación, trazabilidad y comparación externa.
Para sectores intensivos en I+D, como materiales, química, energía, farmacéutica o semiconductores, la pregunta no será únicamente qué proveedor tiene más qubits. También importará quién ofrece herramientas de validación, métricas de error, trazabilidad del cálculo y comparación con el mejor estado del arte clásico.
La madurez de la computación cuántica dependerá de esa capa de confianza. En software empresarial, cloud o inteligencia artificial, las organizaciones han aprendido a gestionar métricas, auditorías, pruebas de rendimiento y riesgos operativos. La computación cuántica necesitará una infraestructura equivalente, adaptada a una realidad física más difícil: los resultados más prometedores pueden quedar fuera de la comprobación clásica exhaustiva. IBM parece querer anticipar ese debate y presentarse como el proveedor que no solo ejecuta cálculos más difíciles, sino que propone cómo confiar en ellos.
Sin embargo, la distancia crítica sigue siendo necesaria. Ninguno de los tres trabajos convierte la computación cuántica en una tecnología generalista para la empresa. Tampoco sustituye a la supercomputación clásica. De hecho, los casos muestran más bien una futura convivencia: métodos clásicos para contrastar hasta donde sea posible, mitigación de errores para extender el alcance de los dispositivos actuales, hardware cuántico para explorar regímenes inaccesibles y comunidades externas para poner a prueba los resultados. La ventaja cuántica verificable no elimina el papel del cálculo clásico. Lo reubica.
Qué cambia para empresas, centros de I+D y estrategia tecnológica
La señal no apunta a una adopción inmediata, sino a una fase más precisa de maduración tecnológica. En simulación avanzada, materiales, química o modelos físicos complejos, empezarán a ganar relevancia los problemas situados en una zona intermedia: demasiado exigentes para obtener una referencia clásica fiable, pero ya accesibles para dispositivos cuánticos capaces de acompañar el resultado con validación estadística, mitigación de errores o modelos de ruido suficientemente caracterizados.
Ese cambio puede alterar la forma de organizar la innovación. Hasta ahora, muchas estrategias cuánticas corporativas han consistido en vigilancia tecnológica, pruebas piloto, formación de equipos y colaboración con proveedores cloud. Los nuevos trabajos sugieren una siguiente capa: identificar problemas internos donde la verificación parcial sea posible, diseñar benchmarks propios, comparar resultados cuánticos contra los mejores métodos clásicos disponibles y construir criterios de aceptación antes de que exista una ventaja comercial evidente.
También afecta a centros tecnológicos y universidades. Si las reclamaciones de ventaja cuántica empiezan a publicarse con circuitos, resultados y benchmarks abiertos, la capacidad de refutación clásica se convierte en una función estratégica. No solo avanzará quien tenga acceso a hardware cuántico. También ganarán peso los grupos capaces de diseñar mejores simuladores clásicos, detectar exageraciones, validar incertidumbres y traducir el resultado cuántico a conocimiento físico o industrial. En esa frontera, la computación de altas prestaciones y la computación cuántica no compiten de forma simple. Se necesitan mutuamente para delimitar dónde empieza la ventaja real.
La lectura para proveedores tecnológicos es similar. El mercado no premiará únicamente narrativas de supremacía. Los clientes empresariales necesitarán garantías, trazabilidad y una explicación clara del valor diferencial. Un cálculo cuántico que no pueda validarse, interpretarse ni integrarse en un flujo de decisión tendrá una utilidad limitada. Por el contrario, una herramienta capaz de explorar un régimen físico inaccesible, con incertidumbre cuantificada y contraste abierto, puede empezar a tener valor aunque todavía no produzca una aplicación final.
La computación cuántica se acerca así a una fase menos vistosa y más decisiva. Después de años dominados por hojas de ruta, número de qubits y anuncios de laboratorio, el debate empieza a desplazarse hacia criterios de confianza. IBM intenta situarse en esa frontera con tres demostraciones que cubren circuitos lógicos, materiales magnéticos y materia heterogénea. La pregunta para la industria ya no es solo cuándo habrá ordenadores cuánticos más potentes. Es quién será capaz de convertir sus resultados en conocimiento verificable, contrastable y útil para decisiones reales.
