En la búsqueda de construir computadoras cuánticas útiles, los científicos se enfrentan a un obstáculo persistente: el ruido. A diferencia de las computadoras clásicas, que procesan la información con una fiabilidad casi perfecta, las máquinas cuánticas son increíblemente frágiles. Sus delicados estados de la materia, conocidos como cúbits, se ven fácilmente perturbados por su entorno, lo que provoca que los cálculos se desvíen de la verdad. Este ruido no es solo un fallo menor; es la razón principal por la que las computadoras cuánticas actuales tienen dificultades para resolver problemas que las máquinas clásicas pueden manejar fácilmente. Para obtener respuestas útiles, los investigadores han desarrollado técnicas para "limpiar" los datos ruidosos que producen estas máquinas, a menudo ejecutando el mismo cálculo varias veces con configuraciones ligeramente diferentes y luego combinando matemáticamente los resultados para adivinar cuál habría sido la respuesta perfecta y libre de ruido. Sin embargo, a medida que estos cálculos se vuelan más grandes y complejos, la cantidad de datos necesarios para limpiarlos se vuelve abrumadora, exigiendo a menudo más tiempo y recursos de los que la propia computadora cuántica puede proporcionar.

Un equipo de investigadores ha introducido ahora un nuevo enfoque para este problema, uno que combina hábilmente el poder del hardware cuántico con técnicas avanzadas de simulación clásica. Llaman a su método Fórmulas de Multiproducto de Lindblad. En lugar de depender únicamente de la computadora cuántica para generar datos o únicamente de las computadoras clásicas para simular todo el sistema, dividen el trabajo. La máquina cuántica mide los resultados ruidosos, mientras que un sofisticado algoritmo clásico calcula los pesos específicos necesarios para combinar esas mediciones ruidosas en una única predicción precisa. Los investigadores probaron este método híbrido en un modelo de un "cristal de tiempo discreto", un extraño estado de la materia que oscila en el tiempo sin perder energía, utilizando un procesador cuántico con 65 cúbits. Sus resultados muestran que, al utilizar esta técnica, pudieron recuperar una imagen mucho más clara del comportamiento del sistema que la que podrían lograr la computadora cuántica o la computadora clásica por sí solas, incluso cuando las simulaciones clásicas se simplificaron para ejecutarse más rápido.

El núcleo de este nuevo método reside en cómo gestiona la relación entre la ruidosa máquina cuántica y la computadora clásica. Normalmente, cuando los científicos intentan simular un sistema cuántico complejo en una computadora clásica, deben simplificar las matemáticas para que sean manejables. Estas simplificaciones introducen sus propios errores, conocidos como errores de truncamiento. Si el sistema es demasiado complejo, estos errores se vuelven tan grandes que la simulación clásica resulta inútil. Los investigadores se dieron cuenta, sin embargo, de que las cantidades matemáticas específicas necesarias para corregir los errores de la computadora cuántica podrían ser mucho más fáciles de calcular que la respuesta final misma. Utilizaron una técnica que involucra redes bidimensionales de objetos matemáticos, que contrajeron mediante un método llamado propagación de creencias corregida por bucles (loop-corrected belief propagation). Esto permitió calcular los factores de corrección necesarios con alta precisión, a pesar de que calcular la respuesta completa y libre de ruido directamente habría sido demasiado difícil para sus computadoras clásicas.

Para que esto funcionara, el equipo necesitaba generar un conjunto de mediciones ruidosas de la computadora cuántica que variaran de una manera predecible. Tradicionalmente, esto se hace amplificando artificialmente el ruido, un proceso que requiere ejecutar el experimento muchas, muchas veces para obtener un promedio fiable. Esto es lento y costoso. En su lugar, los investigadores introdujeron una técnica que llaman "amplificación ergódica". En lugar de aumentar el ruido, modificaron ligeramente los parámetros del propio circuito cuántico, específicamente la fuerza de las interacciones entre los cúbits. Este cambio hizo que el sistema se comportara como si fuera más ruidoso, sin aumentar realmente el ruido ni requerir tiempo adicional en la máquina cuántica. Esto les permitió reunir los puntos de datos necesarios mucho más rápido, haciendo que todo el proceso fuera significamente más eficiente.

Los investigadores probaron su flujo de trabajo en un modelo específico de un cristal de tiempo discreto bidimensional, un sistema que había sido estudiado anteriormente pero que es difícil de simular con precisión debido a su complejidad. Ejecutaron sus experimentos en una computadora cuántica real llamada ibm_basquecountry, que cuenta con 65 cúbits dispuestos en un patrón específico de hexágono pesado. Compararon tres formas diferentes de obtener la respuesta: una simulación clásica pura que fue simplificada para ejecutarse rápidamente, una simulación clásica pura que se ejecutó con extrema precisión (actuando como referencia) y su nuevo método híbrido. Los resultados fueron sorprendentes. La simulación clásica simplificada falló al predecir el comportamiento correcto, incluso cuando los investigadores intentaron corregir matemáticamente sus errores. Los datos brutos de la computadora cuántica también eran inexactos debido al ruido. Sin embargo, el método híbrido, que combinó los datos cuánticos ruidosos con los factores de corrección clásicos, produjo un resultado que coincidía estrechamente con la simulación de referencia de alta precisión.

Un hallazgo clave del estudio es que los errores introducidos por los cálculos clásicos simplificados no arruinaron el resultado final. Esto puede parecer contraintuitivo: si la parte clásica del cálculo es imperfecta, ¿por qué el resultado final sale tan limpio? Los investigadores explican que los errores en los factores de corrección tienden a cancelarse entre sí cuando se aplican a los datos cuánticos ruidosos. Además, la forma específica en que se comportan los errores significa que, incluso si los factores de corrección son ligeramente erróneos, la respuesta combinada final permanece estable. Esto permite que el método funcione incluso cuando la computadora clásica no es lo suficientemente potente para simular todo el sistema perfectamente. El equipo también descubrió que, al ejecutar la parte clásica de su cálculo en una unidad de procesamiento gráfico (GPU), pudieron acelerar el proceso en un factor de 5.6, haciendo que el método sea aún más práctico para problemas más grandes.

El estudio también destaca la importancia de saber qué tan seguros se puede estar de los resultados. Los investigadores desarrollaron una forma de estimar las barras de error, o el rango de incertidumbre, para su respuesta final. Encontraron que su método proporcionaba una estimación fiable del valor real, con barras de error lo suficientemente pequeñas como para ser útiles. En contraste, otros métodos que dependen del ajuste de datos ruidosos a una curva a menudo luchan por proporcionar estimaciones tan fiables, especialmente cuando los datos son escasos o el ruido es complejo. Al combinar las mediciones cuánticas con los cálculos clásicos, los investigadores pudieron producir un resultado que no solo era más preciso, sino que también venía con una medida clara de su propia fiabilidad.

Si bien el método mostró una gran promesa para este tipo específico de sistema cuántico, los investigadores advierten cuidadosamente que puede no funcionar para todos los posibles circuitos cuánticos. El éxito de la técnica depende de encontrar la forma adecuada de ajustar los parámetros del circuito para generar los puntos de datos necesarios. Si los ajustes son demasiado extremos, las correcciones matemáticas se vuelven inestables y las barras de error crecen demasiado para ser útiles. Para el modelo específico que probaron, los investigadores encontraron un conjunto de ajustes que funcionó perfectamente, pero reconocen que aplicar esto a un tipo de circuito completamente diferente requeriría encontrar un nuevo conjunto de reglas. Sugieren que para algunos circuitos, el método tradicional de amplificar el ruido podría seguir siendo necesario, aunque sea más lento.

El trabajo representa un paso significativo hacia adelante en el campo de la mitigación de errores cuánticos, demostrando que el camino más efectivo hacia adelante puede no ser hacer que las computadoras cuánticas sean perfectas o que las computadoras clásicas sean infinitamente potentes, sino encontrar una manera de que trabajen juntas. Al usar las computadoras clásicas para realizar el trabajo pesado de calcular los factores de corrección, y las computadoras cuánticas para proporcionar los datos brutos que de otro modo serían imposibles de simular, los investigadores han creado un flujo de trabajo que es mayor que la suma de sus partes. Este enfoque abre la puerta al estudio de sistemas cuánticos complejos que antes estaban fuera del alcance, ofreciendo un vistazo a un futuro donde las computadoras cuánticas puedan resolver problemas del mundo real con la ayuda de socios clásicos inteligentes.

Los investigadores concluyen que su método, las Fórmulas de Multiproducto de Lindblad, ofrece una forma robusta de extraer información precisa de dispositivos cuánticos ruidosos. Es un testimonio de la idea de que, en la era de la computación cuántica, la herramienta más poderosa puede ser la capacidad de mezclar las fortalezas de diferentes enfoques computacionales. A medida que el hardware cuántico continúa mejorando, técnicas como esta serán esenciales para desbloquear todo el potencial de estas máquinas, permitiendo a los científicos explorar los extraños y maravillosos comportamientos del mundo cuántico con una claridad que antes era imposible.