Google convierte una teoría en práctica: cultivo de 'magic states' reduce errores 40x y avanza la computación cuántica

Un cuello de botella histórico en la computación cuántica

Desde principios de la investigación en computación cuántica ha quedado claro que lograr una máquina cuántica “universal” requiere más que buen hardware: se necesita un conjunto específico de operaciones cuánticas que puedan ejecutarse y corregirse frente a errores. Muchos de esos operadores no se obtienen de forma directa, sino a partir de lo que la literatura llama “magic states” —estados cuánticos especiales que permiten implementar operaciones más allá de las capacidades clásicas.

El problema es que producir magic states con la calidad suficiente y ya protegidos por corrección de errores es extremadamente costoso en recursos. Estimaciones previas sugerían que hasta el 95% de la capacidad total de un ordenador cuántico podría destinarse solo a fabricar estos estados, dejando poco espacio para la computación efectiva. Además, los magic states no son reutilizables: una vez consumidos, se pierden. Por eso, desde 2004 investigadores han buscado formas de bajar ese “precio mágico”.

¿Qué es el “cultivo” de magic states?

El enfoque que llamó la atención y que ahora ha sido demostrado en hardware es el llamado “magic state cultivation”. La idea, propuesta y desarrollada conceptualmente por Craig Gidney, Noah Shutty y Cody Jones en 2024, funciona como un filtro o proceso de purificación activo: se inyecta un estado ruidoso en una pequeña región del chip y se ejecuta una secuencia coordinada de medidas y comprobaciones para detectar y desechar intentos defectuosos. Con suficiente control, el proceso permite “cultivar” —hacer crecer y purificar— un estado excepcionalmente limpio que puede, a su vez, transformarse en una codificación útil para computación protegida por corrección de errores.

En teoría, esto prometía una reducción importante del costo en qubits y tiempo para obtener los recursos necesarios. La pregunta clave era: ¿puede llevarse esto a la práctica en hardware real, con ruidos e imperfecciones del mundo real?

Del papel al laboratorio: ingeniería y descubrimientos

Implementar cultivation en un procesador real requirió una cadena de innovaciones tanto teóricas como de ingeniería. En el trabajo de Google Quantum AI, llevado a cabo en el procesador Willow, el equipo se enfrentó a problemas inesperados: durante pruebas iniciales, algunas señales experimentales parecían contradecir principios físicos establecidos. Tras meses de simulaciones, conversaciones entre investigadores y verificaciones cruzadas, la causa se identificó en un supuesto taciturno: la técnica de medición empleada asumía condiciones que, en el laboratorio, se veían afectadas por ruido inducido por deriva eléctrica y variaciones de temperatura en el equipamiento.

Resolverlo no fue solo ajustar hardware: el equipo de investigación introdujo controles adicionales para atenuar ese ruido y desarrolló una nueva técnica de benchmarking que, de forma creativa, emplea el propio cultivo como herramienta de autodiagnóstico. Es decir, en vez de evaluar cultivation con métodos convencionales, utilizaron el protocolo de cultivo para medir y validar su propia eficacia.

Ese conjunto de mejoras permitió establecer un nuevo estado del arte en metrología cuántica aplicada a este problema.

Resultados en Willow: 40x menos errores y fidelidad récord

En el procesador Willow, la implementación del protocolo de cultivo consiguió una reducción de errores de aproximadamente 40 veces frente a estados no cultivados. Además, el equipo produjo T-states (un tipo clave de magic state) con una fidelidad lógica récord de 99.99%.

Estos números no son meros avances incrementales: representan la primera demostración práctica, en hardware real, de una solución que ataca de raíz uno de los cuellos de botella más severos de la computación cuántica. Publicado en la revista Science, el trabajo muestra que se puede crear de forma eficiente estos recursos críticos, acercando la arquitectura y las operaciones cuánticas a esquemas más escalables.

Integración con códigos de corrección de errores: “grafting” entre códigos

Otro aspecto relevante del estudio fue verificar que las ideas teóricas originales encajan con la arquitectura de corrección de errores que usa Google. El equipo demostró cómo alternar entre dos estrategias distintas de corrección: los “color codes” (un enfoque más nuevo, adecuado para cultivo) y los “surface codes” (una técnica más establecida en hardware cuántico). Mediante un protocolo de “grafting”, lograron transferir estados purificados desde un color code de distancia 3 a un surface code de distancia 5.

Ese trasplante es relevante porque muestra que los estados cultivados no sólo son puros en un segmento del chip, sino que pueden sobrevivir al proceso de transferencia y seguir siendo útiles en otro esquema de corrección de errores dentro del mismo hardware.

¿Qué significa esto para la región y la industria?

Para tomadores de decisión y profesionales en América Latina, este avance tiene varios matices importantes: por un lado, demuestra que ideas teóricas desarrolladas en la academia pueden volverse realidad con ingeniería aplicada, lo cual es un mensaje alentador para iniciativas locales que quieran invertir en investigación y desarrollo cuántico. Reducir el costo de los magic states disminuye la barrera de recursos requerida para máquinas cuánticas más capaces, lo que a su vez puede acelerar el momento en que aplicaciones prácticas sean competitivas frente a soluciones clásicas en problemas específicos.

Sin embargo, también es importante mantener expectativas realistas: el trabajo es un paso crucial, pero no resuelve todos los desafíos. Aún hay que demostrar cultivation a mayor escala, integrar el proceso en sistemas más grandes y mejorar la robustez frente a más fuentes de ruido y fallas.

Pasos siguientes y retos pendientes

Los autores reconocen que queda mucho por hacer. Escalar cultivation para que sea viable en computadoras cuánticas de mayor tamaño es el siguiente desafío. También hay trabajo por delante en automatización del proceso, optimización de recursos y la coexistencia con otras estrategias de corrección y operación cuántica en arquitecturas comerciales.

Aún así, convertir una idea teórica de 2024 en una demostración experimental con resultados medibles —40x menos errores y T-states con 99.99% de fidelidad lógica— representa una transición crítica del mundo de la teoría al laboratorio. Es un avance que acorta la distancia entre los prototipos experimentales y los sistemas cuánticos que podrían abordar problemas hoy intratables.

Conclusión

El logro de Google Quantum AI en Willow muestra que la comunidad cuántica puede transformar conceptos complejos en soluciones prácticas mediante un esfuerzo coordinado de teoría, metrología y diseño de hardware. Para la región latinoamericana, el mensaje es doble: la investigación aplicada puede generar saltos tecnológicos relevantes, y la reducción del costo de los recursos cuánticos abre nuevas posibilidades para que actores locales participen en la era emergente de la computación cuántica. Aun con desafíos por delante, el cultivo de magic states es hoy una herramienta demostrada que reduce de forma significativa uno de los mayores cuellos de botella del campo.