Google Quantum AI probó la contextualidad, una propiedad cuántica, en procesadores de hasta 105 cúbits. El resultado supera estrategias clásicas en ciertas pruebas, pero el estudio no demuestra una ventaja cuántica general y también expone límites del hardware.
***
- En el cuadrado mágico de Mermin-Peres, los cúbits de Google ganaron el 98,3% de las veces, frente a un máximo clásico de 88,9%.
- Una tarea mayor con 105 cúbits también superó estrategias clásicas con recursos limitados, aunque la ventaja del juego disminuyó al aumentar el número de cúbits.
- Google presenta la prueba como una herramienta para detectar errores sutiles; el experimento no simuló química ni ciencia de materiales.
Una propiedad cuántica puesta a prueba
Google Quantum AI afirma haber observado contextualidad en procesadores cuánticos superconductores con hasta 105 cúbits, una escala muy superior a la de las pruebas realizadas hasta ahora con sistemas de apenas unas pocas partículas. El estudio, publicado un jueves en la portada de la revista Science, examina una propiedad que suele considerarse relevante para ciertos algoritmos cuánticos. Sin embargo, sus resultados no equivalen a demostrar que una computadora cuántica supere de manera general a una clásica.
La contextualidad describe una característica de las mediciones cuánticas: el resultado de medir un sistema no estaría fijado de antemano de forma independiente, sino que dependería de qué otras mediciones se hacen en conjunto. Dicho de otro modo, el contexto de la medición importa para el resultado observado. La prueba de Google buscó estudiar esa relación en procesadores mucho mayores que los sistemas pequeños donde la propiedad se había demostrado principalmente.
Para examinarla, el equipo recurrió al cuadrado mágico de Mermin-Peres, un juego de dos jugadores que permite contrastar el comportamiento de una estrategia cuántica con el de una clásica. Los cúbits de Google ganaron el 98,3% de las partidas, mientras que la mejor estrategia clásica posible alcanza un 88,9%. La diferencia respalda el resultado en esa prueba concreta, pero no debe confundirse con una demostración de superioridad en cualquier tarea computacional.
Google también ejecutó una tarea de mayor tamaño con 105 cúbits, que superó estrategias clásicas cuando estas contaban con recursos limitados. Esa precisión es importante: la comparación no establece que ningún computador clásico pueda reproducir el resultado bajo cualquier condición, sino que el experimento venció las estrategias clásicas consideradas dentro de los límites de recursos de la prueba. The Next Web informó que el propio artículo presenta sus conclusiones con cautela y reconoce límites relevantes.
Una prueba útil para encontrar fallas
La investigación no se limita a medir si el comportamiento cuántico aparece a mayor escala. Google sostiene que estas pruebas también pueden servir para detectar errores sutiles del hardware que otros puntos de referencia quizá no revelen. Así, el valor del experimento podría estar tanto en estudiar una propiedad fundamental como en ofrecer una herramienta de diagnóstico para los procesadores que la empresa desarrolla.
Ese enfoque importa porque los resultados de un procesador cuántico dependen de que sus componentes ejecuten las operaciones previstas con suficiente fidelidad. Una prueba sensible a fallas pequeñas podría mostrar problemas que una medición más general deja pasar, aunque la información publicada no especifica cuáles errores concretos identificó ni cuantifica una mejora del hardware a partir del experimento. Por ello, la detección aparece como una posible utilidad de la metodología, no como una corrección automática de los defectos.
La empresa plantea que el trabajo podría ayudar a abrir camino a aplicaciones en química y ciencia de materiales, dos ámbitos que suelen mencionarse entre los posibles usos de la computación cuántica. No obstante, los experimentos descritos no simularon moléculas, materiales ni procesos de esas áreas. La conexión es una perspectiva sobre lo que podrían facilitar pruebas y equipos futuros, no un resultado práctico alcanzado por este estudio.
El artículo también introduce una salvedad sobre el rendimiento: la ventaja cuántica observada en el juego se redujo a medida que se incorporaron más cúbits. Ese comportamiento impide presentar el aumento de escala como una mejora automática de la ventaja frente a métodos clásicos. La demostración de contextualidad en un sistema mayor es relevante, pero no elimina las dificultades de mantener una diferencia clara cuando crece el tamaño del experimento.
Una carrera todavía marcada por los errores
El estudio no afirma que exista una prueba incondicional de que las computadoras cuánticas superen a las clásicas en general. Sus comparaciones corresponden a tareas específicas y, en el caso de la tarea más grande, a estrategias clásicas con recursos limitados. Esta distinción define el alcance de la noticia: Google amplió una demostración y ensayó una forma de evaluar el hardware, pero no probó una ventaja universal ni un uso comercial ya disponible.
La corrección de errores sigue siendo uno de los grandes objetivos de la industria, según el contexto presentado junto al estudio. Google ha dicho que busca desarrollar una computadora cuántica con corrección de errores y útil para 2029. Microsoft, que presentó su chip Majorana 2 en junio, también fijó ese mismo objetivo, aunque la información disponible no detalla aquí una comparación técnica entre los planes de ambas compañías.
Otras iniciativas reflejan distintas vías de avance, pero no son resultados equivalentes a la prueba de contextualidad. IBM acordó comprar HRL mientras mostraba un chip que corrige sus propios errores, y Nvidia simuló una máquina con corrección de errores de 104 cúbits. Estas referencias sitúan el trabajo de Google en un sector que busca tanto aumentar el tamaño de los sistemas como resolver la fragilidad de sus operaciones; cada anuncio, sin embargo, describe una tecnología o un hito distinto.
También hay señales de interés financiero alrededor de la computación cuántica: Quantinuum recaudó USD $1.680 millones en su salida a bolsa en junio, según los datos incluidos en la información sobre el estudio. Ese respaldo no prueba por sí mismo que las aplicaciones estén listas, del mismo modo que una demostración de laboratorio no garantiza un producto útil. Por ahora, los resultados de Google aportan una prueba de contextualidad a mayor escala y una posible herramienta de diagnóstico, mientras la industria mantiene la corrección de errores como un desafío central.
Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.
Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.
ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.
Suscríbete a nuestro boletín
Artículos Relacionados
Economía
Anthropic proyecta destinar hasta USD $156.000 millones a la filantropía
Empresas
Microsoft integra Word, Excel y PowerPoint en Copilot y lo define como el nuevo sistema de trabajo
Asia
China prepara el primer vuelo de un astronauta extranjero hacia Tiangong
Curiosidades
