✨︎ Resumen (TL;DR):
- Quantinuum y SoftBank publicaron una tabla que traduce cada generación de hardware a problemas de química y análisis de grafos.
- Con qubits lógicos corregidos, Helios y Sol se quedan en unos 10 orbitales de espín; Apollo llega a unos 100 en 2029.
- En el experimento con etileno, la corrección mejoró la versión codificada, pero no venció al circuito físico sin codificar.
Quantinuum y SoftBank publicaron el 21 de julio de 2026 el documento “Quantum Computing Frontiers”, que cruza la hoja de ruta de hardware con problemas de química y grafos. La tabla sitúa unos 10 orbitales de espín en Helios, marcado como actual con año objetivo 2025, y en Sol, previsto para 2027; Apollo subiría a unos 100 en 2029 con qubits lógicos corregidos. La corrección de errores explica la brecha: proteger qubits consume parte del espacio disponible para la molécula.
La hoja de ruta separa qubits de moléculas
Quantinuum volvió sobre el documento en su blog el 26 de agosto de 2026. El capítulo 5 asigna un tamaño máximo a dos aplicaciones industriales, química y análisis topológico de datos.
El orbital de espín es una unidad de medida que el estudio usa para cuantificar la complejidad molecular. Cuantos más orbitales entran en el cálculo, más grande y realista puede ser la molécula simulada. Los autores eligieron esta magnitud para conectar la capacidad del aparato con el problema industrial.
El documento separa dos rutas de ejecución. Con qubits físicos, detección de errores y circuitos poco profundos, los tamaños crecen antes. Con qubits lógicos corregidos, donde entran algoritmos largos como la estimación de fase cuántica, el avance se frena porque la codificación consume parte del presupuesto de qubits.
Tamaño máximo del problema de química por generación, según el documento conjunto:
| Generación y año objetivo | Con qubits físicos o detección de errores | Con qubits lógicos corregidos |
|---|---|---|
| Helios (actual, 2025) | Unos 50 orbitales de espín | Unos 10 orbitales de espín |
| Sol (2027) | Unos 100 orbitales de espín | Unos 10 orbitales de espín |
| Apollo (2029) | Unos 100 orbitales de espín | Unos 100 orbitales de espín |
| Lumos (2030 en adelante) | No aplica | Más de 100 orbitales de espín, con precisión química |
Los autores describen la proyección como un rango de escenarios sujeto a supuestos, no como un pronóstico determinista. Identifican incertidumbre en el escalado de qubits, las tasas de error físico y el sobrecosto de la corrección.
En su blog, Quantinuum añade que el cálculo usa un código de corrección muy estudiado, pero ineficiente. Por eso, los plazos funcionan como un escenario de peor caso y podrían acortarse cuando lleguen códigos mejores.
100 qubits lógicos miden capacidad, no tamaño molecular
El marcador de 100 qubits lógicos mide otra cosa. En una columna de Bloomberg Opinion publicada el 25 de agosto de 2026, Thomas Black usó esa cifra como umbral de una máquina práctica.
En ese recuento, Helios ya ofrece 48 qubits con corrección de errores; Quantinuum planea lanzar Sol en 2027 con 100 qubits lógicos, e Infleqtion espera superar 50 qubits en 2027 rumbo a esa misma marca.
Black también recogió la lectura de Pranav Gokhale, director de tecnología y cofundador de Infleqtion. Gokhale situó en 100 qubits lógicos el punto en que empiezan a resolverse problemas de materiales y química fuera del alcance clásico.
Ambas mediciones pueden coexistir. Una cuenta unidades de cómputo protegidas; la otra, cuánto problema molecular cabe en el algoritmo.
El 28 de agosto, The Quantum Insider lo resumió en su guía de arquitecturas: el número de qubits por sí solo no cuenta toda la historia. Un sistema con 1,000 qubits ruidosos puede rendir menos que uno con 50 qubits confiables.
La demostración más grande anunciada hasta ese momento con qubits lógicos tampoco fue de química. El 30 de julio de 2026, IBM y la Universidad de Chicago informaron de un cálculo con 70 qubits lógicos que ejecutó 2,415 operaciones lógicas de dos qubits y 468 compuertas T en unos 15 minutos. Las tasas de error lógico fueron diez veces menores que las físicas.
El problema era una variante estructurada del muestreo de circuitos aleatorios, diseñada para que el resultado pudiera verificarse. Los estudios que respaldaban el anuncio seguían siendo preprints. La prueba mide dificultad computacional, no una simulación molecular.
Jay Gambetta, director de IBM Research, declaró entonces que la industria ya está “firmemente en la era de la ventaja cuántica”.
El circuito corregido todavía pierde contra el físico
El documento incluye un experimento propio ejecutado en hardware real. El equipo usó el código de Steane, que gasta siete qubits físicos para proteger uno lógico, en H2-2, Helios-1 y Helios-1E. El objetivo fue estimar la diferencia de energía entre dos estados del etileno.
Comparó tres versiones del mismo circuito:
- Con corrección de errores.
- Codificada, pero sin corrección.
- Física, sin codificar.
La versión corregida superó a la codificada sin corrección, pero la implementación física sin codificación superó a ambas. El documento registra que el experimento no alcanzó el punto de equilibrio frente a la línea base física.
El documento atribuye el resultado al ruido de memoria. Durante la codificación, la decodificación y la corrección, los iones pasan largos periodos inactivos. Los errores acumulados elevan la tasa de error lógica por encima de la física.
El punto de equilibrio ya se había demostrado en piezas sueltas, con compuertas individuales o estados preparados. Lo que falta es sostenerlo en un algoritmo completo con operaciones no Clifford, condición para que la corrección de errores empiece a pagar en un cálculo real.
El fraude telefónico llega antes que la molécula
El análisis topológico de datos es un método que busca la forma global de una red en vez de sus estadísticas locales. Según el estudio, esta aplicación no necesita tolerancia a fallos completa para empezar a aportar.
SoftBank lo probó en detección de fraude en telecomunicaciones con un conjunto de datos de referencia. Añadió momentos del laplaciano como rasgos extra a una red neuronal de grafos.
La mejora fue pequeña, pero medible:
- El área bajo la curva pasó de 0.9204 a 0.9243.
- La exhaustividad subió de 0.8317 a 0.8449.
- El valor p quedó en 0.026.
Para estimar el valor comercial, el estudio cita un reporte de la CFCA que calcula las pérdidas por fraude en telecomunicaciones de 2023 en 38,950 millones de dólares. Toma como referencia una cuarta parte de esa cifra y calcula que la mejora equivaldría a unos 220 millones de dólares anuales, con la precisión fijada en 0.9.
Los propios autores limitan el alcance del ejercicio. La red del conjunto de datos era demasiado dispersa para contener la estructura de alto orden donde viviría una ventaja cuántica, así que los cálculos se hicieron de forma exacta en computadoras clásicas.
El resultado comercial es una extrapolación, no una demostración de ventaja cuántica. Dentro del documento, el fraude telefónico queda en un plazo más corto que la química, pero la prueba todavía no necesitó hardware cuántico.
La próxima comparación tendrá fecha y sede
El siguiente contraste verificable ya tiene fecha. El 14 de septiembre de 2026, dentro de la IEEE Quantum Week de Toronto, Rajeeb Hazra, CEO de Quantinuum, dará una conferencia sobre la próxima etapa de la corrección de errores.
El resumen publicado por la empresa deja como pendientes dos requisitos: definiciones compartidas de rendimiento lógico y pruebas construidas sobre cargas de trabajo reales.
Sin esos criterios, cada compañía seguirá contando los qubits lógicos con su propia regla. En la química, el dato decisivo queda más abajo en la tabla: cuántos orbitales de espín sostiene un algoritmo corregido antes de que el ruido de memoria lo devuelva a la línea física.
