Los ordenadores cuánticos cometen errores, y muchos. Una puerta típica de un cúbit superconductor tiene una tasa de error del 0,1 al 1 %. Ejecuta un circuito de 1000 puertas y prácticamente tienes garantizado obtener una respuesta incorrecta. Esto no es un fallo del hardware actual; es un desafío fundamental. La corrección de errores cuántica (QEC) es la solución, y entenderla es clave para comprender hacia dónde se dirige la computación cuántica.
Por qué los errores cuánticos son diferentes
Los ordenadores clásicos también tienen errores, pero son fáciles de manejar: copia el bit tres veces y toma una votación por mayoría. Si una copia se invierte, las otras dos la superan en votos.
Los cúbits no se pueden copiar: el no-cloning theorem lo prohíbe. No puedes medir un cúbit para comprobar si hay errores sin colapsar su superposición. Y los errores cuánticos no son solo inversiones de bit: también existen errores de fase (donde la fase relativa entre |0⟩ y |1⟩ se desplaza) y combinaciones de ambos.
Los tres tipos de errores cuánticos
Todo error cuántico puede descomponerse en combinaciones de tres operadores de Pauli:
- X error (bit flip): |0⟩ → |1⟩ y |1⟩ → |0⟩. Como una inversión de bit clásica.
- Z error (phase flip): |0⟩ → |0⟩, |1⟩ → −|1⟩. Sin análogo clásico: afecta a la fase.
- Y error: error X y Z combinados simultáneamente.
Cualquier error en un cúbit puede expresarse como una combinación lineal de X, Y, Z (y la identidad). Esto significa que si podemos corregir errores X y Z de forma independiente, podemos corregir cualquier error, una idea clave para la QEC.
La gran idea: redundancia sin copiar
La QEC codifica un cúbit lógico a través de muchos cúbits físicos. La idea es similar a los códigos de repetición clásicos, pero adaptada a la mecánica cuántica.
El ejemplo más sencillo es el código de inversión de bit de 3 cúbits: codifica |0⟩ como |000⟩ y |1⟩ como |111⟩. Si un cúbit se invierte, lo detectas midiendo la paridad entre pares de cúbits (sin medir sus valores reales) y lo corriges:
Logical |0⟩ = |000⟩
Logical |1⟩ = |111⟩
If qubit 1 flips: |100⟩ or |011⟩
Parity check: measure (q0 ⊕ q1) and (q1 ⊕ q2)
→ 10 → qubit 0 flipped → apply X to correct
Las mediciones de paridad utilizan cúbits auxiliares (ancilla qubits), cúbits de ayuda que absorben la información del error sin perturbar los cúbits de datos. Esta es la magia: puedes detectar errores sin colapsar el estado codificado.
El código de superficie: el enfoque líder actual
El código de superficie (surface code) es el código de QEC más prometedor para el hardware a corto plazo. Codifica un cúbit lógico en una cuadrícula 2D de cúbits físicos dispuestos así:
● — ● — ● — ●
| | | |
● — ● — ● — ●
| | | |
● — ● — ● — ●
| | | |
● — ● — ● — ●
Los cúbits de datos (●) contienen la información cuántica. Los cúbits auxiliares situados entre ellos miden continuamente la paridad. Una cuadrícula de 7×7 (49 cúbits físicos) codifica 1 cúbit lógico con una tasa de error de ~p²: si la tasa de error de la puerta física es del 1 %, la tasa de error lógica cae hasta ~0,01 %.
El umbral del código de superficie es de ~1 %: si los errores de puerta del hardware están por debajo de este valor, añadir más cúbits físicos hace que la tasa de error lógica sea arbitrariamente pequeña. Los mejores sistemas de IBM se están acercando a este umbral.
¿Cuántos cúbits físicos necesitas?
Para ejecutar el algoritmo de Shor y romper RSA-2048 sin errores, las estimaciones sugieren:
- ~20 millones de cúbits físicos
- Cada cúbit lógico necesita ~1000–10 000 cúbits físicos
- Las tasas de error de puerta deben estar por debajo del 0,1 %
Hardware actual: ~1000 cúbits, ~0,1–1 % de errores de puerta. La brecha es real: estamos aproximadamente a 10–15 años de ordenadores cuánticos tolerantes a fallos capaces de romper RSA.
Para una ventaja cuántica a corto plazo en química u optimización, los requisitos son mucho menores: ~100 cúbits lógicos podrían ser suficientes para moléculas fuera del alcance clásico.
Qué significa esto para los dispositivos NISQ hoy
Los dispositivos NISQ actuales no tienen QEC. Cada puerta añade ruido. El enfoque, en cambio, es:
- Mantener los circuitos poco profundos: menos puertas = menos ruido acumulado
- Usar mitigación de errores (no corrección): técnicas de posprocesamiento como Zero Noise Extrapolation (ZNE) que reducen estadísticamente el efecto de los errores sin cúbits adicionales
- Diseñar algoritmos tolerantes al ruido: VQE, QAOA y otros métodos variacionales están diseñados para ser robustos frente a un ruido moderado
HLQuantum incluye mitigación de errores integrada que puede aplicarse a cualquier circuito:
result = hlq.run(
qc,
backend="qiskit",
device="ibm_sherbrooke",
error_mitigation="zne", # Zero Noise Extrapolation
shots=8192
)
ZNE amplifica el ruido intencionadamente en varios niveles y extrapola de vuelta al límite de ruido cero. No es QEC (es un truco estadístico), pero funciona notablemente bien para circuitos cortos.
Los hitos a corto plazo que vigilar
Demostración de corrección de errores a escala: IBM, Google y Microsoft compiten por demostrar que los cúbits lógicos del código de superficie superan a los cúbits físicos (tasa de error por debajo del umbral). Google afirmó una demostración por debajo del umbral a finales de 2024.
Destilación de estados mágicos (magic state distillation): las puertas no Clifford (como las T gates) requieren protocolos de destilación especiales en las arquitecturas tolerantes a fallos. Actualmente esto es extremadamente costoso en sobrecarga de cúbits.
Velocidad de las puertas lógicas: las puertas lógicas en los códigos de superficie son mucho más lentas que las puertas físicas. Acelerarlas es un desafío clave del hardware para 2026–2030.
Para profundizar en cómo interactúa la corrección de errores con SDKs específicos, consulta la entrada del glosario sobre corrección de errores cuántica y la guía de la era NISQ.