La computación cuántica avanza hacia sistemas llamados tolerantes a fallos, capaces de corregir sus propios errores, y la reducción de estos errores sigue siendo un desafío central. En octubre, Google y Nvidia anunciaron cada uno avances en torno a la técnica magic state cultivation, que busca producir de manera más eficiente los estados necesarios para los cálculos cuánticos universales.
- Google demostró en el chip Willow la magic state cultivation y redujo los errores 40 veces.
- Nvidia simuló 104 qubits en Jupiter y su método usa un 90 % menos de qubits.
- Stanwyck afirma que la simulación es indispensable para diseñar hardware y software cuánticos tolerantes a fallos.
- Google debe demostrar la técnica a mayor escala para que sea realista en sistemas prácticos.
Los qubits, unidades básicas de la informática cuántica, son muy frágiles: pueden perder su coherencia, y un sistema que comete demasiados errores no es útil. Por ello, los proveedores crean qubits lógicos a partir de numerosos qubits físicos, capaces de detectar y corregir errores sin interrumpir el estado cuántico. Sin embargo, un solo qubit lógico puede requerir varios miles de qubits físicos, lo que complica la escalabilidad.
Un ordenador cuántico universal debe combinar puertas de Clifford, como las puertas S y CNOT, y puertas no-Clifford, como las puertas T. La mayoría de los códigos de corrección de errores saben manejar las primeras, pero no las segundas. Los estados mágicos, introducidos en 2004 por investigadores, son indispensables para estos cálculos, pero son frágiles, difíciles de producir con alta fidelidad y no pueden reutilizarse.
Para compensar, la destilación de estados mágicos transforma numerosos estados ruidosos, es decir, imprecisos, en un número reducido de estados de alta fidelidad. Esta operación puede consumir hasta el 95 % de la capacidad de un sistema cuántico, lo que crea un cuello de botella. En 2024, investigadores de Google presentaron la magic state cultivation: en lugar de producir un gran número de estados ruidosos y luego desechar gran parte, se coloca un estado ruidoso en una pequeña zona del chip y se realizan mediciones que detectan errores y eliminan intentos defectuosos, hasta obtener un estado con menor tasa de error.
Una demostración en chip
El 15 de octubre, Google y Nvidia anunciaron proyectos que, según ellos, avanzan significativamente el desarrollo de esta técnica. Los investigadores de Google Quantum AI reportan la primera implementación hardware del método, ejecutada en el chip superconductor Willow. Según la empresa, la demostración permitió reducir los errores 40 veces en comparación con los estados no cultivados, y obtener estados T con una fidelidad lógica de 99,99 %.
Menos de una semana después, investigadores de Nvidia anunciaron haber realizado una simulación de 104 qubits en Jupiter, el primer superordenador exascale europeo, alojado en el Jülich Supercomputing Centre, en Alemania, y equipado con superchips Nvidia GH200. Según Nvidia, el método utiliza un 90 % menos de qubits que otros enfoques.
Sam Stanwyck, director de producto cuántico en Nvidia, calificó los trabajos de ambas empresas como un paso crítico hacia la informática cuántica tolerante a fallos. Sobre Google, declaró: « Es complementario a los trabajos de Google. Lo que Google hizo fue una demostración a pequeña escala en hardware. Fue una prueba de concepto que mostró que la magic state cultivation funciona realmente en hardware real. »
Los investigadores de Google, tras dos años de trabajo para llevar el método de la teoría a la práctica, detallaron sus resultados en un artículo publicado en la revista Science. Reconocen que deben demostrar la técnica a mayor escala para hacerla realista en un sistema cuántico práctico, aunque estiman que « este logro transforma una idea teórica clave en una realidad demostrada experimentalmente ».
Simular para diseñar
Según Sam Stanwyck, la simulación es indispensable para diseñar el hardware y el software alrededor de estos enfoques. « Hay que simularlos tan profundamente como sea posible, para entender su comportamiento y sobre todo cómo manejan los errores », afirmó. También mencionó los trabajos de Amazon Web Services y Quantum Elements, junto con la University of Southern California y Harvard University, que también usaron simulación para abordar la corrección de errores.
Nvidia empleó su plataforma cuántico-clásica CUDA-Q y su kit de desarrollo de software cuQuantum para modelar errores de hardware, incluyendo errores coherentes y fugas. « Son errores sistemáticos muy pequeños en las operaciones cuánticas, que se acumulan durante un cálculo y limitan lo que el ordenador puede hacer », explicó Sam Stanwyck. El proyecto comenzó en un sistema equipado con GB200 NVL72 en el Accelerated Quantum Research Center de Boston, antes de ampliarse a Jupiter, donde las pruebas pasaron de cuatro GPU a varios cientos, y luego a 8 192 GPU.
