💡 Resumen (TL;DR):
- New Scientist revela que los algoritmos cuánticos actuales enfrentan barreras prácticas severas para simular moléculas.
- Se requieren miles o millones de qubits lógicos para aplicaciones químicas industriales, mientras el hardware actual apenas alcanza unos cientos.
- IBM, Riverlane y Microsoft reportan avances técnicos clave en la mitigación de errores, pero el despliegue comercial tomará años.
El 13 de marzo, la revista New Scientist reportó que la simulación de moléculas complejas podría no ser la aplicación definitiva de la computación cuántica a corto plazo. Aunque la industria avanza constantemente en el control de errores de hardware, los algoritmos enfocados en problemas químicos enfrentan barreras prácticas gigantescas que retrasan su viabilidad comercial.
Un día antes, el 12 de marzo, IBM presentó la primera arquitectura de referencia para supercomputación centrada en cuántica. Este diseño describe cómo los procesadores cuánticos operarán junto a CPUs y GPUs clásicos para resolver problemas científicos.
La compañía destacó logros recientes como la creación de la primera molécula semi-Möbius verificada cuánticamente, publicada en Science, y la simulación de una miniproteína de 303 átomos en la Cleveland Clinic.
A pesar de estos hitos, IBM mantuvo una postura conservadora frente al mercado. La empresa reconoció que “los procesadores cuánticos de hoy están comenzando a abordar las partes más difíciles de los problemas científicos”, dejando claro que el progreso es gradual. Su propia hoja de ruta proyecta soluciones completas de corrección de errores hasta después del 2029.
El reto técnico de los millones de qubits
El desafío base de la industria recae en el hardware y su precisión. La firma británica Riverlane publicó una hoja de ruta técnica para acelerar el camino hacia la computación cuántica a escala de utilidad entre tres y cinco años.
Su modelo Local Clustering Decoder, documentado en Nature Communications, permitió realizar un millón de operaciones sin errores utilizando cuatro veces menos qubits en algunos sistemas cuánticos.
“Identificar y corregir miles de millones de errores cuánticos en tiempo real es uno de los desafíos técnicos más difíciles de toda la ciencia”, afirmó Steve Brierley, CEO de Riverlane.
Otros competidores del sector reportaron movimientos similares. Investigadores de ETH Zurich demostraron en Nature Physics un método para operar qubits lógicos mientras corrigen errores simultáneamente.
Por su parte, IonQ y Microsoft propusieron en IEEE Spectrum usar computadoras cuánticas para generar datos de entrenamiento para modelos de IA que simulen química, evitando la necesidad inmediata de hardware tolerante a fallos a gran escala.
La realidad de la química industrial impone requerimientos masivos de procesamiento:
- Simular catalizadores o metaloenzimas exige desde miles hasta millones de qubits lógicos.
- Cada qubit lógico requiere cientos de qubits físicos para sostener el cálculo y mitigar fallos.
- Las máquinas actuales apenas operan con unos cientos de qubits físicos ruidosos y carecen de corrección de errores robusta.
La industria cuántica superó la etapa teórica para entrar de lleno a una fase de ingeniería dura. Los avances en procesamiento son reales, pero la línea de meta para resolver aplicaciones químicas comerciales sigue a varios años de distancia.
