Las computadoras cuánticas prometen resolver ciertos problemas que resultan muy difíciles para las máquinas convencionales, pero sus unidades de información son extremadamente sensibles al ruido. Un equipo de Google Quantum AI mostró ahora en un procesador superconductivo una forma de preparar con mayor precisión un recurso indispensable para algunos cálculos: el llamado estado mágico. En los intentos que superaron todos los controles, el error se redujo por un factor de 40.
Un qubit puede representar información cuántica, pero pierde con facilidad las propiedades que lo hacen útil. Para que un cálculo complejo no quede arruinado por esas pequeñas fallas, la información debe repartirse y verificarse con métodos de corrección de errores. Los estados mágicos son preparaciones especiales que permiten ampliar el conjunto de operaciones disponibles; sin ellos, una computadora cuántica protegida contra errores no puede ejecutar todos los tipos de cálculo que se esperan de ella.
En lugar de producir muchos estados y someterlos después a un proceso costoso de depuración, los investigadores ensayaron una estrategia llamada cultivo de estados mágicos. Codificaron un estado inicialmente ruidoso en un pequeño grupo de qubits físicos y usaron qubits auxiliares para buscar señales de error sin medir directamente —y por tanto destruir— el estado que querían conservar. Si aparecía una señal de falla, descartaban ese intento; si no, retenían el estado para seguir trabajando con él.
El trabajo también necesitó una manera de medir errores muy raros. Para ello, el grupo desarrolló una técnica de verificación que extrae información sobre el error con muchas menos mediciones que los procedimientos habituales. Según los resultados, los estados seleccionados alcanzaron una fidelidad de al menos 99,99 %, es decir, una coincidencia muy alta con el estado que se pretendía preparar. Además, pudieron transferir esos estados a una estructura mayor compatible con el código de superficie, una de las arquitecturas más estudiadas para proteger información cuántica.
La cifra más llamativa no describe todos los intentos iniciales. El filtro fue estricto: solo cerca del 8 % superó las comprobaciones usadas para estimar la fidelidad. Esa pérdida de rendimiento importa porque cualquier sistema útil deberá generar recursos confiables con rapidez y sin exigir una cantidad desproporcionada de qubits y operaciones adicionales.
Por eso el experimento no equivale a una computadora cuántica lista para aplicaciones generales ni resuelve por sí solo la corrección de errores. Sí prueba, en hardware real, que un estado frágil puede depurarse dentro de una codificación protegida y después integrarse en una estructura más grande. El próximo desafío es comprobar si ese procedimiento conserva sus ventajas al crecer el número de qubits y la complejidad de los cálculos.
Quantum magic state cleanup cuts errors 40-fold in first successful hardware test · Phys.org
Science (2026) · Imagen acompañante del artículo fuente; atribución preservada · Fuente de imagen
Rosenfeld, E., Gidney, C., Roberts, G., Morvan, A., Lacroix, N., Kafri, D., Marshall, J., Li, M., Sivak, V., Abanin, D., Abbas, A., Acharya, R., Aghababaie Beni, L., Aigeldinger, G., Alcaraz, R., Alcaraz, S., Andersen, T. I., Ansmann, M., Arute, F., ... Satzinger, K. J. (2026). Magic state cultivation on a superconducting quantum processor. Science, eaee7961. https://doi.org/10.1126/science.aee7961
Relacionadas por categoría
Ver masUn sistema convierte artículos científicos en asistentes reutilizables
Un método empaqueta texto, código, datos y flujos de trabajo de algunos estudios para que una IA pueda ejecutar análisis y responder consultas en lenguaje natural.
Un cúbit lógico redujo sus errores a unos pocos por millón de ciclos
Un experimento con iones atrapados mostró que aumentar la protección de un cúbit lógico redujo de forma marcada sus errores. El resultado es prometedor, pero todavía es un preprint y una demostración de pequeña escala.
Una red neuronal se autoorganiza para aprender a reconocer imágenes
Un modelo del MIT mostró que reglas locales simples pueden ordenar una red artificial inicialmente aleatoria hasta permitirle aprender a clasificar imágenes.
Más de la misma fuente
Ver masUn modelo explora choques de estrellas en el universo temprano
Un modelo que combina simulaciones cosmológicas y dinámica estelar propone que las colisiones entre estrellas pudieron ser habituales en cúmulos muy densos del cosmos temprano.
Un archivo de ARN permite reconstruir qué hizo una célula días antes
Una herramienta creada en células humanas cultivadas conserva mensajes de ARN y permite recuperar respuestas genéticas breves que una medición tardía ya no detectaría.
Un cuásar polvoriento muestra lo que las búsquedas del universo temprano pueden pasar por alto
JWST y ALMA observaron un cuásar cuando el universo tenía menos de mil millones de años y revelaron cómo el polvo puede ocultar parte de su actividad.
Más del mismo autor
Ver masLa luz del atardecer prepara la metamorfosis de una esponja marina
En una esponja marina, la caída de la luz al atardecer deja preparado el genoma de las larvas para responder a la señal local que inicia su metamorfosis.
Un sistema de origami estructural crea cáscaras rígidas con menos material
Un método para cortar, plegar y ensamblar módulos metálicos produce estructuras ligeras que distribuyen cargas sin columnas interiores; sus ventajas de rigidez todavía se basan en simulaciones comparativas.
Perseverance mide polvo ultrafino de Marte y aporta pistas para futuros trajes espaciales
El rover detectó en Marte partículas de polvo mucho más pequeñas de lo que se había medido allí y mostró que algunos materiales las retienen durante años.