Meet-in-the-Middle Compilation of the $[\mathrm{CNOT}]$ Class with Fibonacci Anyons

En la búsqueda de la construcción de una máquina capaz de resolver problemas imposibles para las computadoras actuales, los científicos están explorando un camino que se basa en las extrañas reglas de lo muy pequeño. A diferencia de las computadoras estándar, que procesan información utilizando bits que son o bien cero o uno, las computadoras cuánticas utilizan bits cuánticos, o cúbits. Estos cúbits pueden existir en un estado delicado de ser tanto cero como uno al mismo tiempo, lo que les permite realizar cálculos complejos en paralelo. Sin embargo, este estado es increíblemente frágil. La más mínima perturbación causada por el calor, la vibración o el ruido electromagnético puede provocar que la información colapse, un problema conocido como decoherencia. Para solucionar esto, los ingenieros suelen intentar blindar los cúbits o añadir capas adicionales de corrección de errores, pero estos métodos a menudo requieren miles de componentes físicos para crear una sola unidad lógica estable.

Un enfoque diferente, conocido como computación cuántica topológica, intenta resolver esta fragilidad desde la raíz cambiando la naturaleza misma de los portadores de información. En lugar de utilizar partículas estándar, este método utiliza cuasipartículas exóticas llamadas anyones. Imagine estos anyones como hilos moviéndose a través de un espacio bidimensional. Cuando se intercambian dos de ellos, no solo rebotan entre sí; se tejen alrededor del otro, creando una trenza. La información no se almacena en las partículas en sí, sino en la forma de la trenza que forman. Debido a que la información depende únicamente de la forma general del tejido y no de los detalles precisos de cómo se movieron los hilos, está protegida naturalmente contra pequeños errores. Si los hilos se mueven ligeramente, la forma de la trenza permanece igual y la información sobrevive.

El tipo específico de anyon que ha captado la atención de los investigadores es el anyon de Fibonacci. Estas partículas tienen una propiedad única: cuando dos de ellas se fusionan, pueden desaparecer en la nada o combinarse para formar otro anyon de Fibonacci. Esta simple regla crea una rica estructura matemática que, en teoría, permite la computación cuántica universal. Sin embargo, hay un inconveniente. Para realizar un cálculo útil, estos anyones deben organizarse en grupos para representar cúbits lógicos. Cuando los investigadores intentan trenzar seis anyones de Fibonacci para crear una compuerta de dos cúbits —una operación fundamental que vincula dos piezas de información— surge un problema. El espacio matemático donde viven estas trenzas tiene cinco dimensiones, pero un sistema de dos cúbits solo necesita cuatro. Esta quinta dimensión adicional actúa como una fuga. Si la trenza no es perfecta, parte de la información cuántica puede escaparse del espacio de cuatro dimensiones previsto y caer en esta quinta dimensión inutilizable. Una vez que la información se filtra allí, se pierde y el cálculo falla. El objetivo, por lo tanto, es encontrar un patrón de trenzado específico que mantenga la información bloqueada dentro del espacio correcto mientras realiza la operación lógica necesaria.

En un estudio reciente, los investigadores se propusieron encontrar el patrón de trenzado perfecto para esta tarea. Se centraron en una clase específica de operaciones equivalentes a la compuerta CNOT, un bloque de construcción estándar en la computación cuántica que permite que un cúbit controle a otro. El desafío era encontrar una secuencia de movimientos de trenzado que realizara esta compuerta con casi cero fuga. Debido a que el número de posibles secuencias de trenzado crece exponencialmente con el número de movimientos, encontrar la mejor es como buscar una única aguja en un pajar que se hace más grande cada segundo. Los intentos anteriores dependían de conjetzas aleatorias o mejoras iterativas, que a menudo perdían las mejores soluciones.

El equipo de este estudio adoptó un enfoque diferente, utilizando una enorme cantidad de potencia de cómputo para verificar sistemáticamente cada opción posible dentro de un rango definido. Construyeron una canalización especializada que se ejecutaba en procesadores gráficos de alto rendimiento, lo que les permitió probar trenzas mucho más largas de lo que nadie había logrado antes. Comenzaron verificando todas las secuencias posibles utilizando cinco movimientos básicos, extendiendo su búsqueda a una longitud de veintiún pasos. A esta longitud, encontraron una trenza que realizaba la compuerta con un error de fuga de aproximadamente 0.004, lo cual fue mejor que los mejores resultados encontrados mediante el muestreo aleatorio en estudios previos, a pesar de que esas búsquedas aleatorias examinaron secuencias mucho más largas.

Para ir más allá, los investigadores se dieron cuenta de que no necesitaban comprobar cada posibilidad individual. Descubrieron que muchos de los complejos trenzados que buscaban podían construirse utilizando solo tres de los cinco movimientos básicos. Al reducir su búsqueda a este conjunto más pequeño, pudieron explorar secuencias mucho más largas sin quedarse sin tiempo. Aplicaron más atajos inteligentes, buscando únicamente trenzas que comenzaran y terminaran con un movimiento específico, y luego centrándose en trenzas que fueran palíndromos —secuencias que se leen igual hacia adelante que hacia atrás—. Estas restricciones redujeron drásticamente el número de opciones que tenían que comprobar, asegurando al mismo tiempo que no se perdieran las mejores soluciones.

Utilizando estos métodos optimizados, el equipo extendió su búsqueda exhaustiva a trenzas de setenta y dos pasos. En este vasto espacio, encontraron una trenza específica de sesenta y nueve pasos que realizaba la compuerta de dos cúbits con una tasa de error de aproximadamente una parte en diez mil millones. Este es un número increíblemente pequeño, lo que indica que la información se mantuvo casi perfectamente dentro del espacio previsto. Los investigadores también demostraron matemáticamente que la fuga no puede reducirse exactamente a cero para cualquier longitud de trenza finita, pero puede acercarse arbitrariamente a cero a medida que la trenza se alarga. Mostraron que la probabilidad de encontrar un trenzado de baja fuga por puro azar disminuye tan rápidamente con la longitud que la búsqueda aleatoria se vuelve inútil para secuencias largas. En cambio, su método de reducir cuidadosamente el espacio de búsqueda resultó mucho más efectivo.

El estudio demuestra que, al combinar la visión matemática con la potencia de cómputo de fuerza bruta, es posible encontrar formas altamente eficientes de manipular la información cuántica. Los investigadores no solo encontraron un buen trenzado, sino que establecieron un camino claro para encontrar otros mejores en el futuro. Demostraron que las mejores soluciones no están ocultas en el ruido aleatorio, sino que pueden descubrirse comprendiendo la estructura del problema y realizando una búsqueda sistemática. Este trabajo proporciona un ejemplo concreto de cómo se puede aprovechar la protección topológica para crear compuertas cuánticas fiables, acercando el campo a la construcción de una computadora capaz de resolver problemas que están fuera del alcance de las máquinas clásicas. Los hallazgos confirman que, si bien el camino hacia una computadora cuántica topológica plenamente funcional es complejo, las herramientas para navegarlo se están volviendo más afiladas y precisas.