Un ordenador cuántico manipula amplitudes para favorecer respuestas útiles
La computación cuántica es un modelo de cálculo que codifica información en sistemas cuánticos y usa superposición, entrelazamiento e interferencia para transformar sus amplitudes. Puede ofrecer grandes ventajas para algunos problemas, no acelerar cualquier programa. Al medir, sólo se obtiene un resultado clásico; el algoritmo debe organizar interferencias para reforzar respuestas deseadas y cancelar otras. No basta con colocar muchos valores “a la vez” ni con aumentar el número bruto de qubits físicos disponibles hoy.
Un bit clásico adopta 0 o 1. Un qubit puede prepararse en una combinación de ambos descrita por amplitudes complejas. Con varios qubits, el estado conjunto necesita muchas amplitudes y puede entrelazarse. Esa capacidad crece exponencialmente en su descripción, pero no permite leer cada componente. La dificultad y la potencia nacen de controlar fases y correlaciones antes de la medida, no de disponer de una lista paralela que se imprime completa.
Preparar, operar y medir forma un circuito que se repite muchas veces
Las puertas cuánticas son transformaciones reversibles sobre uno o varios qubits. Una puerta puede crear superposición; otra, entrelazar; secuencias completas implementan un algoritmo. Al final se miden qubits y se repite el circuito para estimar una distribución. Un resultado aislado suele ser insuficiente. La programación incluye diseño del circuito, compilación a puertas disponibles y tratamiento estadístico de muestras.
Los ordenadores cuánticos son las máquinas físicas que realizan ese modelo mediante iones atrapados, circuitos superconductores, átomos neutros, fotones u otras plataformas. Este artículo se centra en la lógica y utilidad; el vecino compara hardware. Cada plataforma tiene tiempos de coherencia, conectividad y puertas distintos, por lo que el mismo circuito abstracto puede requerir muchas operaciones adicionales al ejecutarse.
Shor y Grover muestran dos clases de mejora, no una aceleración universal
El algoritmo de Shor factoriza enteros y calcula logaritmos discretos con una ventaja teórica suficiente para amenazar sistemas criptográficos de clave pública si existieran máquinas grandes y tolerantes a fallos. No rompe todo cifrado: la criptografía simétrica se ajusta de otro modo y NIST ya estandariza algoritmos poscuánticos. El riesgo impulsa migraciones actuales aunque la máquina necesaria todavía no exista.
Grover busca en un espacio no estructurado con una mejora cuadrática, útil pero no exponencial. La simulación de moléculas y materiales es una aplicación natural porque el sistema a estudiar ya es cuántico. También se investigan optimización y aprendizaje automático, pero muchas propuestas no han demostrado ventaja práctica frente a los mejores métodos clásicos. Comparar debe incluir tiempo total, error, entrada y salida, no sólo contar una parte ideal del algoritmo.
Los qubits pierden información con mucha más facilidad que los bits
Temperatura, campos, defectos y radiación perturban fases y provocan decoherencia. Las puertas y medidas también tienen errores. Repetir un bit clásico ayuda a protegerlo, pero el teorema de no clonación impide copiar un estado cuántico desconocido de forma directa. La corrección cuántica distribuye información lógica entre muchos qubits físicos y detecta síndromes sin medir el dato protegido completo.
Para que funcione a gran escala, los errores deben quedar por debajo de umbrales y aplicarse corrección continuamente. Un único qubit lógico fiable puede necesitar cientos o miles de qubits físicos según calidad y código. Algoritmos como Shor para claves relevantes podrían requerir millones. Por eso el número bruto de qubits no mide por sí solo capacidad: fidelidad, conectividad, velocidad y profundidad de circuito importan tanto.
Los dispositivos ruidosos son herramientas de investigación, no sustitutos del portátil
Los procesadores actuales permiten experimentos de física, calibración, pequeños algoritmos y demostraciones de ventaja en tareas cuidadosamente elegidas. Algunas afirmaciones posteriores han sido igualadas por algoritmos clásicos mejorados. Esto no vuelve inútil el progreso; demuestra que la referencia también avanza. Una ventaja científica puede consistir en explorar un régimen difícil, mientras una ventaja comercial exige coste, precisión y tiempo mejores en un problema real.
Métodos híbridos reparten trabajo entre procesadores clásicos y cuánticos. La parte clásica optimiza parámetros, corrige datos y controla el experimento; la cuántica prepara y mide estados. Los algoritmos clásicos seguirán siendo superiores para navegación, bases de datos, gráficos y la mayoría de tareas. Si la tecnología madura, lo probable es acceder a aceleradores remotos especializados, no reemplazar cada teléfono por un chip cuántico. Comparar ambos modelos exige contar el coste completo: preparación de datos, repeticiones, corrección de errores y verificación clásica. Una ventaja teórica puede desaparecer si esos pasos dominan el tiempo real de ejecución, y una demostración de laboratorio no equivale automáticamente a utilidad económica.
La pregunta útil no es cuántico o clásico, sino qué problema, qué ventaja y con qué evidencia
Una afirmación sólida debe especificar tamaño del problema, algoritmo clásico de comparación, recursos físicos, precisión y corrección de errores. La “supremacía” en una muestra artificial no garantiza valor industrial, y una simulación prometedora no equivale a un fármaco descubierto. También hay costes energéticos y criogénicos, aunque compararlos exige incluir centros de datos completos y no sólo el chip.
La computación cuántica es importante porque revela nuevas formas de procesar información y podría transformar criptografía y simulación. Sus límites actuales son parte del tema, no una nota pesimista. La ventaja aparece cuando un algoritmo convierte interferencia y estructura matemática en menos recursos que cualquier estrategia clásica conocida. Sin esa conexión, añadir qubits produce un experimento más grande, no necesariamente una respuesta mejor.
