El mundo que nos rodea está lleno de sistemas que cambian con el tiempo, desde las corrientes arremolinadas de un río hasta la propagación de una enfermedad a través de una población. Los científicos describen estos cambios utilizando reglas matemáticas llamadas ecuaciones diferenciales. Para sistemas simples donde las partes interactúan de una manera directa y proporcional, estas reglas están bien comprendidas y son fáciles de resolver con computadoras estándar. Sin embargo, los fenómenos más interesantes y complejos de la naturaleza —como la turbulencia en una tormenta o el comportamiento del plasma en una estrella— involucran interacciones no lineales. En estos casos, el efecto de un cambio no es simplemente proporcional a la causa; pequeños desplazamientos pueden conducir a resultados radicalmente diferentes. Resolver las ecuaciones para estos sistemas no lineales es notoriamente difícil para las computadoras clásicas, requiriendo a menudo cantidades inmensas de tiempo y energía para aproximar una solución.

Durante décadas, los investigadores han esperado que las computadoras cuánticas, que operan bajo las extrañas leyes de la mecánica cuántica, pudieran resolver estos problemas difíciles mucho más rápido. El desafío ha sido que las computadoras cuánticas son fundamentalmente máquinas lineales; evolucionan de acuerdo con reglas que son estrictamente proporcionales y predecibles. No manejan de forma natural las interacciones desordenadas y no lineales que se encuentran en el mundo real. Para cerrar esta brecha, los científicos han desarrollado una técnica llamada linealización de Carleman. Este método toma un sistema no lineal y lo eleva a un espacio de dimensiones mucho más altas donde puede ser descrito como un sistema lineal. Es como tomar un nudo de cuerda enredado y estirarlo hasta convertirlo en una línea larga y recta; la complejidad permanece, pero las reglas para moverla se vuelven más simples. La esperanza es que, una vez que el problema sea linealizado, la computadora cuántica pueda resolverlo eficientemente. Sin embargo, para que esto funcione, la transformación matemática debe ser estable, lo que significa que los errores introducidos al estirar el problema hacia una dimensión superior no deben crecer fuera de control.

Un avance reciente realizado por un equipo de investigadores de PsiQuantum y el Laboratorio Nacional de Los Álamos ha expandido significativamente el rango de problemas no lineales que pueden resolverse de esta manera. En un artículo publicado en la revista Quantum, los autores corrigieron fallas técnicas en intentos previos de usar este método y demostraron que funciona para una clase de sistemas físicos mucho más amplia de lo que se creía posible. Su trabajo va más allá de la estrecha categoría de sistemas que simplemente pierden energía con el tiempo, conocidos como sistemas disipativos, para incluir sistemas que son estables pero que no necesariamente pierden energía, así como sistemas que oscilan o conservan cantidades como la masa o el momento. Al establecer condiciones rigurosas bajo las cuales los errores matemáticos permanecen pequeños, han demostrado que las computadoras cuánticas podrían algún día simular estas dinámicas complejas del mundo real con una velocidad que las computadoras clásicas no pueden igualar.

El núcleo del logro de los investigadores reside en corregir la base matemática del método de Carleman. Estudios previos habían sugerido que este enfoque solo funcionaba para sistemas donde la no linealidad era muy débil en comparación con la capacidad del sistema para disipar energía. El nuevo trabajo demuestra que esta restricción se basaba en pruebas incompletas y suposiciones incorrectas. El equipo demostró que el método en realidad funciona para cualquier sistema que sea estable, es decir, cuyo comportamiento permanezca acotado y no explote hacia el infinito, incluso si no pierde energía. Demostraron que para cada sistema estable, existe una condición matemática específica que garantiza que la linealización converja a la respuesta correcta. Esta condición depende de la estructura interna del sistema y de cómo interactúan sus partes, en lugar de solo en cuánta energía pierde.

Además, los investigadores extendieron estos resultados a sistemas que tienen cantidades conservadas, como la cantidad total de fluido en un recipiente cerrado o la carga total en un circuito eléctrico. Estos sistemas suelen ser marginalmente estables, lo que significa que ni pierden ni ganan energía, sino que simplemente mantienen un equilibrio. Los métodos anteriores tenían dificultades con estos casos, pero el nuevo análisis proporciona una forma de manejarlos mediante la identificación de patrones específicos en el comportamiento del sistema que permiten que la linealización tenga éxito. También abordaron sistemas que son no resonantes, lo que significa que las frecuencias de sus diferentes partes no interactúan de formas complejas y sincronizadas. Al analizar cuidadosamente el espaciamiento de estas frecuencias, el equipo mostró que el método funciona para una amplia variedad de sistemas no resonantes, incluyendo aquellos que describen el comportamiento de la luz en materiales no lineales. El artículo señala explícitamente que los sistemas resonantes, donde las frecuencias interactúan para impedir una transformación fluida hacia una forma lineal, presentan un análisis de estabilidad mucho más difícil y quedan fuera del alcance de estas garantías de convergencia específicas.

El artículo también aborda el aspecto práctico de ejecutar estas simulaciones en una computadora cuántica. Resolver las ecuaciones linealizadas es solo la mitad de la batalla; los investigadores tuvieron que asegurar que el algoritmo cuántico pudiera preparar el estado inicial del sistema y extraer la respuesta final de manera eficiente. Desarrollaron una nueva técnica llamada transformada de Lyapunov cuántica, que actúa como un cambio de coordenadas para que el problema sea más fácil de manejar para la computadora cuántica. Esto permite que el algoritmo corra más rápido y con menos recursos, incluso para sistemas que no son perfectamente estables. El equipo demostró que, para una clase específica de problemas de osciladores no lineales, la computadora cuántica ofrece una ventaja exponencial sobre los mejores métodos clásicos. Esto significa que, a medida que el problema se vuelve más grande, el tiempo requerido por una computadora clásica crece de forma astronómica, mientras que el tiempo de la computadora cuántica crece solo lentamente.

Uno de los aspectos más significativos de este trabajo es que corrige el registro de afirmaciones anteriores. Los autores identificaron errores específicos en las pruebas matemáticas de estudios previos, mostrando que esas pruebas dependían de suposiciones que no siempre eran ciertas. Al corregir estos errores y proporcionar nuevas pruebas rigurosas, han establecido una base sólida para la investigación futura. Sus resultados no son solo teóricos; proporcionan criterios claros que ingenieros y científicos pueden usar para determinar si un problema específico puede resolverse eficientemente en una computadora cuántica. Por ejemplo, demostraron que el método funciona para sistemas donde la no linealidad es equilibrada por la disipación, pero también para sistemas donde la no linealidad es equilibrada por la propia estabilidad del sistema, incluso sin pérdida de energía.

Las implicaciones de este trabajo se extienden a muchos campos que dependen de la simulación de dinámicas complejas. En la dinámica de fluidos, por ejemplo, comprender cómo fluye el aire alrededor de un ala o cómo se mueve el agua a través de una tubería a menudo requiere resolver ecuaciones no lineales que actualmente son demasiado costosas de simular con precisión. Con los nuevos criterios establecidos por este artículo, puede ser posible simular estos flujos en computadoras cuánticas, lo que conduciría a mejores diseños de aeronaves y sistemas de gestión de agua más eficientes. Del mismo modo, en la física de plasmas, donde el comportamiento de las partículas cargadas está gobernado por interacciones no lineales, estos métodos podrían ayudar en el desarrollo de la energía de fusión. La capacidad de simular estos sistemas con precisión podría acelerar el progreso en la resolución de algunos de los desafíos energéticos y ambientales más apremiantes de nuestro tiempo.

Los investigadores también exploraron los límites de su método, mostrando que no funciona para todos los sistemas no lineales posibles. Identificaron casos específicos donde las condiciones matemáticas para la convergencia no se cumplen, particularmente en sistemas con ciertos tipos de resonancias o donde el espectro de las frecuencias del sistema cae en una disposición geométrica específica que impide que la linealización converja. Al definir claramente dónde funciona el método y dónde no, el artículo proporciona una hoja de ruta realista para el campo. Evita el sensacionalismo de afirmar que las computadoras cuánticas pueden resolver todo, ofreciendo en su lugar una guía precisa y confiable para saber cuándo pueden resolver problemas específicos e importantes.

Al final, este trabajo representa un paso significativo en la búsqueda de aprovechar la computación cuántica para aplicaciones del mundo real. Mueve el campo de un estado de especulación esperanzadora a uno de comprensión rigurosa. Al corregir errores pasados y expandir el rango de problemas resolubles, los investigadores han abierto la puerta a una nueva era de simulación. Han demostrado que la barrera entre el mundo lineal de la mecánica cuántica y el mundo no lineal de la física clásica no es tan impenetrable como se pensaba. Con las herramientas matemáticas adecuadas, ahora podemos cerrar esa brecha, permitiendo que las computadoras cuánticas aborden los sistemas complejos y dinámicos que dan forma a nuestro universo. El camino a seguir está claro: con estos nuevos criterios, los científicos ahora pueden diseñar algoritmos cuánticos que se garantice que funcionarán para una amplia variedad de problemas no lineales, acercándonos a un futuro donde las computadoras cuánticas sean una herramienta esencial para el descubrimiento científico.