Ventaja cuántica: cómo sabemos que los resultados de un ordenador cuántico son correctos

La promesa de los ordenadores cuánticos siempre ha sonado sencilla: para ciertos problemas, pueden calcular a una velocidad que ningún ordenador clásico podría igualar jamás en la práctica. Pero esa promesa conlleva una paradoja difícil de demostrar. Cuando un ordenador cuántico resuelve un problema que ningún ordenador clásico puede resolver, ¿cómo se demuestra que la respuesta es correcta si no hay una referencia clásica con la que compararla?
Esa pregunta ha perseguido durante años a las afirmaciones de «ventaja cuántica». Algunas afirmaciones pasadas fueron después desmentidas cuando algoritmos clásicos más ingeniosos resultaron capaces de resolver el mismo problema en un tiempo razonable. Eso generó un problema de confianza para el campo: la velocidad por sí sola puede impresionar, pero significa poco si la exactitud no puede demostrarse.
El 30 de julio, equipos de investigación que incluyen a IBM, la Universidad de Chicago, Algorithmiq, Qedma, RIKEN y BlueQubit abordaron ese problema de frente, publicando tres artículos distintos el mismo día. Cada artículo va más allá de una simple afirmación de velocidad: los tres ofrecen métodos de verificación integrados capaces de confirmar que los resultados son correctos.
El equipo de IBM y la Universidad de Chicago usó técnicas llamadas «muestreo de Clifford dopado» y «códigos espaciotemporales» para certificar cálculos cuánticos difíciles de resolver con métodos clásicos. El enfoque permite verificar clásicamente ciertas propiedades matemáticas de un cálculo, ofreciendo una fuerte garantía de exactitud sin necesidad de recalcular todo el resultado.
Un equipo distinto formado por Qedma, RIKEN y BlueQubit informó haber observado fenómenos cuánticos fuera del alcance de los principales métodos de simulación clásica, mediante técnicas validadas de mitigación de errores. La mitigación de errores aborda una fragilidad fundamental de los ordenadores cuánticos: la tendencia de los qubits a alterarse fácilmente por el ruido ambiental.
El enfoque de Algorithmiq ofrece un ángulo diferente: en lugar de comparar el resultado con una respuesta clásica, valida el propio proceso de cálculo. Es algo parecido a calificar a un estudiante de matemáticas no solo por la respuesta final, sino por si cada paso de su razonamiento es lógicamente coherente.
El hecho de que tres equipos distintos publicaran resultados el mismo día, usando marcos de verificación independientes pero complementarios, se interpreta como una señal importante para el campo. Los investigadores lo presentan no como una afirmación de récord aislada, sino como un esfuerzo por construir un estándar compartido de cómo debería ser una «ventaja cuántica confiable».
Un detalle importante es que los tres equipos presentaron sus resultados abiertamente para una verificación continua por parte de la comunidad, en lugar de como una declaración de victoria cerrada. Esto refleja las lecciones aprendidas de afirmaciones anteriores de ventaja cuántica, algunas de las cuales fueron celebradas inicialmente y después cuestionadas por investigadores independientes.
Las implicaciones prácticas de este avance siguen siendo limitadas por ahora: estos experimentos no resuelven un problema que afecte directamente a la vida cotidiana, sino que se centran en demostrar de forma comprobable las capacidades fundamentales de los ordenadores cuánticos. Los beneficios prácticos en campos como el descubrimiento de fármacos, la ciencia de materiales o la criptografía podrían tardar todavía años en llegar.
Aun así, los investigadores subrayan que establecer una confianza verificable en esta etapa temprana sienta una base fundamental para el progreso futuro del campo. La velocidad por sí sola no basta; la capacidad de demostrar que un resultado es fiable se considera el umbral decisivo para que la computación cuántica pase del laboratorio a la aplicación real.
Para seguir leyendo

Google DeepMind presenta Gemini Robotics 2, con 'inteligencia de cuerpo completo'
Google DeepMind anunció Gemini Robotics 2 el 30 de julio, una familia de modelos de IA diseñada para dar a los robots un control coordinado de todo su cuerpo, desde el torso hasta las piernas. El sistema alcanzó una tasa de éxito del 92% en una tarea que requería desenroscar una bombilla en las pruebas, aunque las tasas de éxito cayeron hasta un 46% en tareas como recoger objetos del suelo.

Filtración de datos de CareCloud: qué pasó con los registros médicos de 350.000 pacientes
La empresa estadounidense de tecnología sanitaria CareCloud confirmó que unos piratas informáticos accedieron a una de sus bases de datos de historiales médicos electrónicos durante al menos seis días en marzo, en una filtración que afectó a unas 350.000 personas. La empresa comenzó a enviar cartas de notificación en julio; ningún grupo de piratas conocido ha reivindicado el ataque hasta ahora.

Cómo la IA está ayudando a Google a encontrar y corregir errores de Chrome más rápido
Google afirma haber corregido 1.072 fallos de seguridad en dos versiones de Chrome publicadas en junio, más que los 1.036 errores corregidos en 23 versiones durante los dos años anteriores. La empresa atribuye el salto a agentes de IA que escanean su código, incluido un flujo de trabajo que reveló una vulnerabilidad de escape de sandbox que había pasado inadvertida durante 13 años.

¿Funcionan las prohibiciones de móviles en las escuelas? Esto dicen los datos
Una nueva encuesta del Pew Research Center revela que el 77% de los adultos estadounidenses apoya prohibir los móviles en clase, y el 48% respalda ahora las prohibiciones durante toda la jornada escolar, frente a solo el 36% hace dos años. Esto explica el giro en la opinión pública y lo que realmente muestra la investigación.

¿Por qué las principales startups de IA publican cada vez menos investigación?
El campo de la IA, antes conocido por su cultura de investigación abierta, entra en una era más cerrada en la que las principales startups comparten cada vez menos sus hallazgos. Esto es lo que explica el cambio y lo que significa para la comunidad científica en general.