⚛️ quantum physics

Standard estimators cannot represent fault-tolerant workloads at measured error rates: evaluated, evidence-based uncertainty for quantum resource estimation

Este artículo demuestra que los estimadores de recursos cuánticos estándar, que típicamente reportan estimaciones de un solo punto, fallan al representar con precisión las cargas de trabajo tolerantes a fallos en tasas de error medidas experimentalmente, al revelar que las incertidumbres realistas del hardware expanden los intervalos de recursos en órdenes de magnitud, introducen desacuerdos estructurales entre los modelos de costo y causan que las herramientas existentes colapsen por completo para algoritmos críticos como AES-256.

Autores originales: Furqan Nasir, Sher Jeel Ahmad

Publicado 2026-10-08

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Furqan Nasir, Sher Jeel Ahmad

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Para comprender lo que está en juego en esta investigación, uno primero debe comprender la naturaleza de la máquina que busca predecir. Las computadoras cuánticas no son simplemente versiones más rápidas de las computadoras portátiles que usamos hoy en día; son dispositivos que aprovechan las extrañas reglas del mundo subatómico para resolver problemas que a las máquinas ordinarias les tomaría miles de años descifrar. Entre los problemas más famosos de estos se encuentra romper el cifrado que protege la banca mundial, los secretos gubernamentales y las comunicaciones privadas. Para lograr esto, una computadora cuántica debe ser "tolerante a fallos", lo que significa que puede corregir sus propios errores mientras se ejecuta. Estas máquinas aún no han sido construidas, pero los gobiernos y las agencias de seguridad ya están planificando su llegada. Necesitan saber cuándo una computadora cuántica será lo suficientemente poderosa como para romper los códigos actuales para poder cambiar a otros nuevos e inquebrantables a tiempo. Esta planificación depende de estimaciones de cuántos componentes físicos, o cúbits, necesitaría una máquina de este tipo. Durante años, estas estimaciones se han reportado como números únicos y precisos, como si el futuro fuera un destino fijo en lugar de un paisaje de posibilidades.

Un equipo de investigadores ha desafiado ahora esta certeza. Construyeron una nueva forma de observar estas estimaciones, una que trata las incógnitas del hardware no como valores fijos a ser ignorados, sino como un rango de posibilidades a ser medido. En lugar de preguntar, "¿Cuántos cúbits se necesitan si todo sale perfecto?", preguntaron, "¿Cuántos cúbits se necesitan dado lo que realmente hemos medido en el laboratorio hasta ahora?". Los investigadores tomaron las tasas de error reales de cinco de los chips cuánticos más grandes construidos por importantes empresas y alimentaron sus modelos con estos números del mundo real. Encontraron que cuando se utiliza la realidad desordenada e imperfecta del hardware actual en lugar de una suposición idealizada y optimista, el panorama cambia drásticamente. El número de componentes requeridos no solo aumenta un poco; explota. El rango de resultados posibles se vuelve tan amplio que un número único carece de sentido. Para una tarea como romper un código de cifrado estándar de 2048 bits, el número de componentes requeridos podría ser cuarenta veces mayor o menor que la estimación más común, siendo el resultado más probable casi cinco veces superior a la suposición estándar.

El estudio también reveló un desacuerdo oculto entre las herramientas utilizadas para realizar estas predicciones. Los investigadores pasaron el mismo conjunto de datos del mundo real a través de cinco métodos de cálculo diferentes, incluyendo dos herramientas de software populares utilizadas por la industria. A pesar de que estas herramientas fueron construidas por diferentes grupos y utilizan una lógica interna distinta, coincidieron entre sí solo dentro de un estrecho margen de aproximadamente el diez por ciento. Sin embargo, al compararse con el espectro completo de resultados de los cinco métodos, discreparon consistentemente por un factor de dos. Esto significa que incluso si elige la herramienta más popular, es probable que esté pasando por alto una enorme capa de incertidumbre simplemente porque la herramienta misma está construida sobre un conjunto específico de supuestos que podrían no coincidir con la realidad. Los investigadores demostraron que esta incertidumbre no es un detalle menor; es una característica estructural del campo que los informes de un solo número ocultan por completo.

Quizás el hallazgo más sorprendente es que las herramientas estándar utilizadas por la industria a menudo ni siquiera pueden manejar los datos del hardware real. Cuando los investigadores introdujeron las tasas de error reales medidas en laboratorios en estas herramientas de software populares, las herramientas no pudieron producir una respuesta para la gran mayoría de los escenarios. Para la tarea de romper el cifrado, una herramienta se negó a calcular un resultado para más del ochenta por ciento de las tasas de error realistas, mientras que otra falló para casi el noventa y cinco por ciento. En un caso extremo, el número de operaciones requeridas para romper un tipo específico de cifrado fue tan grande que causó un desbordamiento en el contador del software, provocando el colapso total del cálculo. Esto sugiere que la generación actual de herramientas de planificación está calibrada para un mundo perfecto que no existe. Están diseñadas para trabajar con supuestos optimistas y, al enfrentarse al rendimiento real de las máquinas actuales, simplemente se rompen.

Los investigadores no se limitaron a señalar estos problemas; construyeron un marco para medirlos y probaron sus propios métodos para asegurar que fueran fiables. Utilizaron un plan preregistrado, lo que significa que decidieron exactamente cómo analizarían los datos antes de siquiera comenzar, evitando así seleccionar accidentalmente resultados que parecieran favorables. Su análisis confirmó que los amplios rangos que encontraron eran reales y no simplemente el resultado de una mala matemática. También verificaron sus predicciones contra un historial de mediciones de hardware y descubrieron que su método capturaba correctamente la incertidumbre del factor dominante: la tasa de error de las operaciones básicas de la máquina. El estudio concluye que para cualquiera que tome decisiones críticas sobre cuándo cambiar a nuevos sistemas de seguridad, confiar en un solo número es peligroso. La respuesta honesta no es un punto en una gráfica, sino un intervalo amplio que reconoce la brecha entre lo que esperamos y lo que realmente hemos construido. Hasta que las herramientas puedan representar el rango completo del rendimiento del mundo real, el cronograma para la llegada de computadoras cuánticas potentes sigue siendo mucho más incierto de lo que sugieren los titulares optimistas.

Resumen Técnico: Incertidumbre Basada en la Evidencia en la Estimación de Recursos Cuánticos Tolerantes a Fallos

Planteamiento del Problema
Las estimaciones actuales de recursos cuánticos tolerantes a fallos se reportan casi universalmente como valores de punto único (por ejemplo, un número específico de cúbits físicos o horas de tiempo de ejecución). Estas estimaciones dependen de parámetros de hardware inciertos —críticamente, la tasa de error de la puerta de dos cúbits física— y de modelos de costos divergentes. La convención de planificación de la comunidad suele fijar la tasa de error en $10^{-3}$ . Sin embargo, los dispositivos superconductores de grandes arreglos (por ejemplo, Google Willow, IBM Heron, USTC Zuchongzhi-3) han demostrado tasas de error de error mediano más cercanas a $4 \times 10^{-3}$ .

El artículo argumenta que las estimaciones de un solo número no logran capturar dos realidades críticas:

Incertidumbre Paramétrica: La brecha entre la convención de planificación optimista ( $10^{-3}$ ) y el rendimiento del hardware medido ( $\approx 4 \times 10^{-3}$ ) no se propaga hacia los números finales de recursos.
Incertidumbre Estructural: Diferentes modelos de costos (escalado analítico, cirugía de red, herramientas de terceros) producen resultados distintos para los mismos insumos, una discrepancia que los puntos de estimación ocultan.

Consecuentemente, los responsables de la toma de decisiones con respecto a la migración de la criptografía post-cuántica y las afirmaciones de ventaja cuántica están confiando en estimaciones que pueden ser tanto sistemáticamente sesgadas como carentes de cuantificación de la incertidumbre.

Metodología
Los autores desarrollaron un marco abierto y agnóstico a las herramientas para propagar priors basados en evidencia a través de múltiples estimadores de recursos. La metodología consta de cuatro componentes principales:

Biblioteca de Priors Basados en la Evidencia: En lugar de asumir valores fijos, el marco construye priors a partir de mediciones experimentales publicadas. Para el parámetro dominante (tasa de error de la puerta de dos cúbits física), se ajustó una distribución lognormal mediante máxima verosimilitud ponderada utilizando cinco dispositivos superconductores de gran arreglo y un dispositivo de fluxonium de pequeña escala. Este prior tiene una mediana de $4.0 \times 10^{-3}$ , cuatro veces el valor de planificación convencional. Otros parámetros (tiempo de ciclo, rendimiento de la fábrica, sobrecarga de enrutamiento, tiempo de reacción del decodificador) se ajustaron de manera similar a partir de los datos disponibles.
Propagación de Incertidumbre Agnóstica a la Herramienta: El marco utiliza el muestreo de transformación inversa (Monte Carlo, muestreo de hipercubo latino, secuencias de Sobol) para extraer vectores de parámetros de los pors. Estos vectores se introducen en cinco modelos de costo de código de superficie distintos:
- Tres modelos de conteo de teselas/analíticos transparentes (basados en las construcciones de Fowler et al., Litinski, y Fowler/Gidney).
- Dos estimadores de terceros: el Azure Quantum Resource Estimator (QRE) y Qualtran (que implementa los costos de estados mágicos de Gidney/Fowler).
- El marco registra extracciones "censuradas" donde una herramienta falla al computar una estimación (por ejemplo, debido a límites de distancia de código o presupuestos de error de la fábrica).
Análisis de Sensibilidad: Para atribuir la varianza de la salida a insumos específicos, los autores emplean efectos de Shapley (que manejan entradas correlacionadas) junto con índices de Sobol. Esto identifica qué parámetros impulsan la amplitud de los intervalos de recursos.
Evaluación Pre-registrada: El estudio utiliza un protocolo de tres capas registrado antes de las ejecuciones de confirmación:
- Capa 1: Corrección numérica de la propagación contra benchmarks de forma cerrada.
- Capa 2: Cobertura predictiva de los priors mediante validación de "dejar fuera una fuente" (leave-one-source-out).
- Capa 3: Re-estimación retrospectiva (exploratoria) para probar si los priors ajustados a partir de datos anteriores habrían contenido mediciones posteriores.

Resultados Clave
Aplicado a cargas de trabajo canónicas (RSA-2048, ECC-256, AES-256 y una simulación del modelo de Hubbard) en una arquitectura de código de superficie superconductora, el marco arroja tres hallazgos acoplados:

La Incertidumbre Paramétrica es Grande: Al propagar el prior de la tasa de error basado en la evidencia (mediana $\approx 4 \times 10^{-3}$ ), el intervalo de recursos del 90% para cúbits físicos abarca aproximadamente 40 veces (la relación entre el percentil 95 y el 5). La mediana de esta distribución se sitúa aproximadamente 4.6 veces por encima de la estimación de punto convencional calculada a $10^{-3}$ . Para RSA-2048, el intervalo oscila entre $2.86 \times 10^7$ y $1.18 \times 10^9$ cúbits físicos.
El Desacuerdo Estructural es Real: A través de cinco modelos de costo estructurados independientemente, existe una dispersión de factor de dos estable en las estimaciones de recursos medianas para insumos coincidentes. Notablemente, dos herramientas de terceros (Azure QRE y Qualtran), que están de acuerdo dentro de un ~10%, caen ambas dentro de la banda establecida por los modelos analíticos transparentes. Esto confirma que la incertidumbre de la forma del modelo es una característica estructural, no un artefacto de una sola herramienta.
Los Estimadores Estándar No Pueden Representar las Tasas de Error Medidas: Una parte significativa del espacio de parámetros basado en la evidencia queda fuera del "sobre representable" de las herramientas estándar.
- Para RSA-2048, el estimador Azure censura el 81% de las extracciones, y Qualtran censura el 95%.
- Para ECC-256, las fracciones censuradas son del 87% y 99.7%, respectivamente.
- AES-256 es 100% censurado por ambas herramientas; su conteo de puertas ( $6 \times 10^{43}$ ) también desborda el contador de enteros de 64 bits del estimador Azure.
- Las herramientas fallan porque sus configuraciones por defecto (por ejemplo, el límite de distancia de código de Azure de 50, el presupuesto de error de fábrica fijo de Qualtran) están sintonizadas para la convención de $10^{-3}$ y no pueden acomodar las tasas de error más altas demostradas por el hardware.

Significancia y Reivindicaciones
El artículo afirma que su contribución principal no es un nuevo método estadístico (la maquinaria de incertidumbre es estándar), sino la aplicación basada en la evidencia de estos métodos a la estimación de recursos tolerantes a fallos.

Evaluación sobre Aseveración: El estudio proporciona un marco evaluado y pre-registrado que produce intervalos en lugar de estimaciones de punto único. Los autores demuestran que el parámetro dominante (tasa de error) está bien calibrado dentro de su estimando (la cobertura de la Capa 2 alcanza aproximadamente el ~99% para la métrica ponderada por sensibilidad).
Colapso de las Herramientas Estándar: El hallazgo más trascendental es que las herramientas estándar "fallan precisamente donde el hardware opera". En las tasas de error medidas, las cargas de trabajo canónicas a menudo caen fuera de la región representable de las herramientas actuales, un hecho completamente oculto por la convención optimista de $10^{-3}$ .
Implicaciones para la Toma de Decisiones: Para las partes interesadas que cronometran la migración a la criptografía post-cuántica, la "convención optimista" es engañosa. El costo real de los recursos no solo es mayor (mediana de 4.6x), sino también mucho más incierto (intervalo de 40x). Además, el desacuerdo de factor de dos entre los modelos implica que cualquier estimación de una sola herramienta conlleva una banda de incertidumbre estructural oculta.

Los autores concluyen que los recursos deben reportarse como intervalos acompañados de la fracción del espacio de parámetros que la herramienta no puede representar, en lugar de como números únicos. El marco está diseñado como una "estimación viva" que puede reajustarse a medida que la base de evidencia del hardware crezca y las tasas de error mejoren.

Más como este