Dos estudios muestran cómo el chip Willow de Google puede ejecutar un algoritmo capaz de revertir la dispersión de la información en un sistema cuántico. El avance, llamado Quantum Echoes, podría facilitar las aplicaciones prácticas de la computación cuántica, como la determinación de estructuras moleculares.
En un nuevo experimento, cuyos resultados se dan a conocer hoy en la revista Nature, el equipo de Google Quantum AI ha conseguido medir correlaciones de tiempo inverso —conocidas como out-of-time-order correlators (OTOCs)— en un procesador cuántico superconductivo de 65 cúbits. Estas magnitudes permiten observar cómo se propaga y se “revierte” la información en sistemas cuánticos, una técnica que los investigadores describen como una forma de “dar marcha atrás al tiempo” para explorar la dinámica cuántica.
El trabajo, dirigido por Hartmut Neven, fundador y líder de Google Quantum AI, introduce el algoritmo Quantum Echoes (ecos cuánticos), que utiliza protocolos de inversión temporal para detectar los efectos genuinamente cuánticos de los sistemas a gran escala. Según los autores, las medidas de OTOC revelan propiedades microscópicas inaccesibles a la computación clásica, y podrían servir como herramienta para desarrollar demostraciones verificables de rendimiento fuera del alcance de los superordenadores.
Tal y como explica a SINC Tom O’Brien, físico computacional y coautor del estudio, “en última instancia, un ordenador cuántico genera datos, y usamos esos datos para resolver problemas. Si no es posible verificar esa información —es decir, si no puedo demostrar por ningún medio, ni con experimentos en la naturaleza ni en una aplicación práctica, que los resultados son correctos—, ¿cómo pueden ser realmente útiles?”.
“Nuestra implementación de los OTOC en resonancia magnética nuclear (RMN) ofrece una buena descripción de cómo podrían ser los pasos siguientes para alcanzar la ventaja cuántica práctica”, destaca. Según O’Brien, el principal obstáculo técnico es el ruido: los ordenadores cuánticos actuales tienen tasas de error de 0,001 y se estima que sería necesario reducirlas a alrededor de 0,00001 para lograr una ventaja práctica en este tipo de cálculos.
Primer plano del chip cuántico Willow. / Google Quantum AI
“Pero eso solo supone una diferencia de un factor 100”, puntualiza.“Esperamos que, gracias a las mejoras en los dispositivos, los avances algorítmicos y, posiblemente, las primeras implementaciones de la corrección de errores cuánticos, este objetivo sea alcanzable”.
El investigador explica que “la inversión temporal es una de las pocas formas que conocemos para observar cómo se propaga la información en un sistema cuántico caótico. En estos sistemas, la información de espín se dispersa rápidamente y resulta casi imposible recuperarla con métodos locales”.
La inversión temporal es una de las pocas formas que conocemos para observar cómo se propaga la información en un sistema cuántico caótico
Sin embargo, señala, “pequeñas perturbaciones pueden alterar notablemente nuestra capacidad de invertir el tiempo. En el algoritmo Quantum Echoes avanzamos y retrocedemos en el tiempo aplicando una modificación local y medimos cuánto afecta al proceso de inversión temporal. Este efecto genera una señal clara incluso a grandes distancias, como hemos comprobado en la aplicación con RMN”.
Además del experimento principal, el equipo ha presentado un segundo estudio en arXiv (en fase de preprint) en colaboración con el laboratorio de Ashok Ajoy, en la Universidad de California en Berkeley, donde aplican el mismo método a moléculas reales mediante resonancia magnética nuclear. En ese trabajo, los investigadores combinaron simulaciones cuánticas con datos experimentales para estimar distancias atómicas en moléculas orgánicas como el tolueno y el 3’,5’-dimetilbifenilo, logrando una precisión comparable a la de las mediciones convencionales.
“Este trabajo ha utilizado nuestro chip Willow, que tiene la misma arquitectura que usamos en nuestro experimento de corrección de errores cuánticos publicado el año pasado en Nature. Creemos que supone un avance respecto a generaciones anteriores, por ejemplo, en las tasas de error de dos cúbit y de un solo cúbit”, subraya O’Brien.
El chip Willow, con arquitectura superconductora, incorpora mejoras sustanciales en estabilidad y en las tasas de error frente a generaciones previas, según Google. Estas mejoras han sido esenciales para implementar el algoritmo Quantum Echoes, cuya sensibilidad depende de la precisión con que se pueda invertir la evolución temporal del sistema.
Según la compañía, el experimento con este chip representa la primera vez que un ordenador cuántico ejecuta un algoritmo verificable que supera las capacidades de los superordenadores más potentes, con un rendimiento 13 000 veces superior en el cálculo de una magnitud física concreta.
Detalle del refrigerador de dilución del computador cuántico. / Google Quantum AI
La demostración se considera un paso decisivo hacia la llamada “ventaja cuántica práctica”: el momento en que un ordenador cuántico no solo supere en potencia a los clásicos, sino que también ofrezca resultados verificables y útiles.
Según el gigante tecnológico, la técnica de Quantum Echoes podría convertirse en una herramienta para estudiar fenómenos naturales difíciles de observar, desde la estructura de moléculas y materiales hasta los procesos caóticos en sistemas físicos como los agujeros negros.
Los responsables del proyecto señalan que este avance acerca la computación cuántica a su primera aplicación real. Próximamente, el equipo se centrará en alcanzar lo que denomina milestone 3 de su hoja de ruta: la creación de un cúbit lógico de larga duración, un paso esencial hacia los ordenadores cuánticos plenamente corregidos frente a errores.
Referencias:
Google Quantum AI and Collaborators*. “Observation of constructive interference at the edge of quantum ergodicity”. Nature, 2025.
“Quantum computation of molecular geometry via many-body nuclear spin echoes”. arXiv, 2025.
La nueva herramienta de OpenAI incorpora funciones como memoria y personalización para adaptar las búsquedas a cada usuario. Por ahora solo está disponible en el sistema operativo macOS y en versiones de pago.
El nuevo sistema permite la implementación de algoritmos avanzados de Inteligencia Artificial en entornos hídricos para la predicción de estos microorganismos, que en determinadas condiciones ambientales producen metabolitos tóxicos para la salud.
