⚛️ física cuántica

Certifying quantum code and circuit distances at scale

Este artículo introduce un método escalable que utiliza funciones de partición tropicales y programación dinámica para certificar exactamente las distancias de códigos y circuitos cuánticos, revelando sobreestimaciones significativas en la literatura previa al tiempo que permite estimaciones de recursos más precisas y la utilización de hardware cuántico defectuoso.

Autor original: Bin Cheng, Naixu Guo, Feng Pan

Publicado 2026-11-06

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autor original: Bin Cheng, Naixu Guo, Feng Pan

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 el autor. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Las computadoras cuánticas prometen resolver problemas que son imposibles para las máquinas actuales, desde el diseño de nuevos materiales hasta la ruptura de códigos complejos. Para lograr esto, deben realizar cálculos con una precisión extrema. Sin embargo, las partículas físicas que almacenan la información en estas máquinas son notablemente frágiles, propensas a errores ante la más mínima perturbación. Para superar esto, los científicos utilizan una técnica llamada corrección de errores cuánticos. Ellos distribuyen una sola pieza de información a través de muchas partículas físicas, creando una unidad lógica que puede sobrevivir si algunas de sus partes fallan. La fuerza de esta protección se mide mediante un valor llamado distancia. Una distancia mayor significa que el sistema puede soportar más errores antes de que la información se pierda. Este número es crítico para los ingenieros; dicta cuántas partículas físicas se necesitan para construir una computadora útil y qué tan confiable será la máquina final. Durante años, los investigadores han dependido de estimaciones para esta distancia, utilizando a menudo búsquedas computacionales que encuentran errores pero que no pueden probar que hayan encontrado los más pequeños posibles.

Un equipo de investigadores ha desarrollado ahora una forma de calcular estas distancias con exactitud, incluso para los sistemas masivos propuestos para el hardware futuro. Trataron el problema de encontrar el error más pequeño como un rompecabezas matemático unificado y lo resolvieron utilizando tres métodos distintos y rigurosos que trabajan en conjunto. En lugar de adivinar o detenerse en el primer error encontrado, su enfoque demuestra que no existe un error más pequeño. Al combinar estos métodos con atajos ingeniosos que reducen el tamaño del problema, pudieron certificar las distancias exactas para códigos cuánticos que involucran hasta 31,200 partículas físicas y circuitos con cientos de miles de puntos potenciales de falla. Este nivel de certeza les permite verificar los diseños de las principales empresas tecnológicas e identificar fallas que los estimaciones anteriores pasaron por alto.

Los investigadores aplicaron su método a una amplia gama de propuestas actuales, incluyendo diseños de Google e IBM. En muchos casos, descubrieron que las estimaciones publicadas eran demasiado optimistas. Por ejemplo, un circuito de memoria específico de IBM, que se asumía tenía una distancia de 18, demostró tener una distancia de solo 16. Esta diferencia es significativa porque cambia la tasa de errores prevista por un factor considerable. En otro caso que involucra un código diseñado por Google, el equipo certificó distancias para sistemas con más de 31,000 cúbits, confirmando valores que anteriormente se desconocían. Su auditoría de veintiséis artículos científicos recientes reveló que diez de ellos contenían distancias sobreestimadas, con algunas discrepancias de hasta ocho unidades. Estos errores no se debieron a una mala matemática en los artículos originales, sino a que los métodos de búsqueda utilizados allí no podían garantizar que hubieran encontrado el error absolutamente más pequeño.

Más allá de corregir números pasados, el equipo utilizó sus herramientas para diseñar mejores circuitos. Probaron miles de programas diferentes para cómo medir los errores en un tipo específico de código cuántico. Descubrieron que, mientras que un programa estándar era óptimo para algunos códigos, estaba lejos de ser el mejor para otros. Al reorganizar el orden de las operaciones, pudieron aumentar la distancia de un circuito de 16 a 18, haciéndolo significativamente más robusto. Este tipo de optimización precisa es esencial para construir máquinas que puedan ejecutar cálculos largos sin fallar. Los investigadores también demostraron cómo su método ayuda en el mundo real de la fabricación. Los chips cuánticos a menudo salen de la fábrica con defectos menores, como un solo sensor roto. Los modelos anteriores sugerían que cualquier chip con un defecto debería ser descartado. Sin embargo, al certificar la distancia de estos chips imperfectos, el equipo demostró que muchos siguen siendo utilizables. Por ejemplo, en un rendimiento de fabricación donde el 99.98% de las conexiones funcionan, mantener los chips con algunos sensores muertos que aún mantienen una distancia alta podría aumentar el número de chips utilizables del 53% al 94%.

El trabajo se basa en un marco unificado que trata tanto al código mismo como al circuito utilizado para medirlo como un solo problema. Los investigadores expresaron la búsqueda del error más pequeño como una "función de partición tropical", un concepto que les permite utilizar algoritmos potentes para encontrar el valor mínimo. Luego emplearon tres solucionadores exactos diferentes: un programa dinámico que recorre el sistema como una escalera, una búsqueda que busca errores dentro de un límite de peso específico, y una búsqueda bidireccional que se encuentra en el medio. Un modelo de costos decide qué solucionador usar para cada parte del problema para asegurar la eficiencia. Cuando un solucionador encuentra un error, el equipo lo verifica reproduciendo la secuencia de fallas en un simulador para asegurar que realmente cause una falla lógica sin activar ninguna alarma. Este proceso produce un certificado: una prueba de que no existe un error más ligero, junto con el error específico que se encontró.

Los resultados tienen implicaciones inmediatas para la arquitectura de las futuras computadoras cuánticas. Para el procesador planeado de IBM, el equipo confirmó que el programa estándar para un bloque de memoria específico tiene una distancia de 16, no de 18 como se asumía previamente. Sin embargo, también identificaron programas alternativos que logran la distancia superior de 18, aunque con un ligero aumento en el tiempo requerido para cada ciclo. Este compromiso entre velocidad y confiabilidad es ahora una cantidad conocida en lugar de una suposición. Del mismo modo, para los códigos hiperbólicos modulares de Google, el equipo proporcionó las primeras distancias exactas para sistemas de esa escala, resolviendo cuestiones que habían permanecido abiertas. La capacidad de certificar estos valores significa que las estimaciones de recursos para futuras máquinas pueden basarse en hechos duros en lugar de límites superiores.

El estudio también abordó el problema de las mediciones lógicas, donde se unen bloques separados de memoria cuántica para realizar operaciones. Los investigadores descubrieron que la distancia de estos sistemas fusionados depende fuertemente de cómo se manejan los cúbits "gauge" adicionales introducidos durante el proceso. Si estos cúbits se dejan libres, la distancia puede disminuir significativamente, pero si se fijan en un estado específico, la distancia se mantiene alta. Esta distinción es crucial para diseñar protocolos de medición que no debiliten accidentalmente la protección contra errores. Los cálculos exactos del equipo mostraron que las estimaciones previas habían pasado por alto estos matices, lo que llevaba a sobreestimaciones del rendimiento.

Al final, el artículo transforma la distancia de un código cuántico de una estimación en una cantidad verificada. Este cambio elimina una fuente importante de incertidumbre en la planificación de las computadoras cuánticas. Los ingenieros ahora pueden comparar diferentes diseños con confianza, sabiendo exactamente cuántos errores puede tolerar cada uno. El método se escala al tamaño de las propuestas más grandes en el horizonte, manejando sistemas con cientos de miles de puntos potenciales de falla. Si bien algunas instancias extremadamente grandes o complejas aún requieren recursos computacionales sustanciales, el equipo ha demostrado que la certificación exacta es posible para la gran mayoría de los diseños actuales. Esta precisión permite una evaluación más realista de lo que las computadoras cuánticas pueden lograr y de cuántos recursos físicos necesitarán realmente.

Resumen Técnico: Certificación de Distancias de Código y de Circuito Cuántico a Escala

Declaración del Problema

La corrección de errores cuánticos (QEC) se basa en la distancia de código ( $d$ ) y la distancia de circuito ( $d_{circ}$ ) para caracterizar la supresión de errores lógicos y guiar las estimaciones de recursos. La distancia de código es el peso mínimo de un operador lógico, mientras que la distancia de circuito es el número mínimo de fallos en un circuito de medición de síndrome que invierte un observable lógico sin activar ningún detector.

Calcular estas distancias es computacionalmente intratable para sistemas de gran escala. Hallar la distancia mínima de un código lineal clásico es un problema NP-duro, y los problemas de distancia de circuito son incluso mayores, involucrando de $10^4$ a $10^5$ mecanismos de fallo en las propuestas actuales de hardware. En consecuencia, muchas distancias publicadas son meramente límites superiores derivados de búsquedas heurísticas (por ejemplo, decodificación aleatorizada, muestreo de conjuntos de información o la búsqueda de errores indetectables de Stim). Estas heurísticas suelen fallar al certificar que los errores encontrados son de peso mínimo, lo que conduce a sobreestimaciones potenciales. Existen métodos exactos como la programación entera, MaxSAT y la enumeración de clústeres conectados, pero estos tienen dificultades para escalar a los circuitos propuestos para el hardware de corto plazo, como los códigos de bicicleta bivariante de IBM o los códigos hiperbólicos modulares de Google. Esta incertidumbre obliga a los estudios de arquitectura a depender de distancias asumidas, introduciendo errores significativos en las tasas de error lógico predichas y en los requisitos de recursos.

Metodología

Los autores proponen un marco unificado para calcular distidades de código y de circuito de forma exacta y a escala, expresándolas como funciones de partición tropical. La distancia se formula como el límite de temperatura cero de la energía libre en el álgebra min-plus:
$Z_M(t) = \min \{ |e| : Me = t \}$
donde $M$ representa la matriz de restricciones (matriz de comprobación para códigos, matriz de detector para circuitos) y $t$ representa las restricciones de síndrome y de etiqueta lógica.

Para evaluar estas funciones, los autores emplean tres algoritmos exactos, coordinados por un modelo de coste:

Programación Dinámica Basada en Rango Densa (Rank DP): Un programa dinámico min-plus que almacena el peso mínimo de asignaciones parciales que comparten el mismo estado de frontera. Su complejidad depende del rango de corte (o ancho de rango) de la descomposición del problema. Es eficiente para problemas con bajo ancho de rango, como los códigos de superficie y los códigos concatenados.
Rank DP con Truncamiento de Peso: Una búsqueda bidireccional que fusiona tablas de programación dinámica hacia adelante y hacia atrás, pero que solo almacena entradas dentro de presupuestos de peso prescritos. Esto combina la búsqueda bidireccional del algoritmo BEAST con la fusión de estados min-plus, lo que lo hace efectivo para problemas donde la distancia es pequeña pero el ancho de rango es alto.
Búsqueda con Límite de Peso: Una búsqueda exhaustiva que explora conjuntos de fallos dentro de presupuestos de peso crecientes. Utiliza ramificación canónica, cubrimientos (límites de programación lineal dual) y tablas de completitud (encuentro en el medio) para podar el espacio de búsqueda. Este método es particularmente efectivo para códigos qLDPC con grandes distancias.

Reducciones y Certificados:
Para manejar circuitos grandes, el método emplea reducciones de circuito:

Reducción de Sector: Restringe los detectores a una única base de memoria.
Colapso de Tiempo: Suma los detectores de cada comprobación a lo largo de todas las rondas, creando un problema más pequeño cuya distancia sirve como un límite inferior para el circuito completo.
Levantamiento (Lifting): Intenta mapear las soluciones de peso mínimo del problema colapsado de vuelta al circuito completo. Si una solución se levanta, el límite inferior coincide, certificando la distancia exacta. Si no, el límite inferior se eleva.

Un resultado se considera certificado solo cuando un límite inferior probado (proveniente de un evaluador exhaustivo) coincide con el peso de un error lógico explícito (límite superior) encontrado por la búsqueda. Para los circuitos, estos errores se verifican mediante la ejecución de los mismos en el simulador Stim.

Contribuciones Clave

Computación Exacta a Escala: El método certifica distancias para códigos de hasta 31,200 qubits (códigos hiperbólicos modulares de Google) y circuitos de memoria con hasta $8 \times 10^5$ mecanismos de fallo (códigos Cornucopia), escalas previamente inalcanzables para los resolvedores exactos.
Superioridad en Benchmarks: En dos benchmarks exhaustivos (74 instancias y 126 instancias independientes), el método certifica más instancias que todos los demás resolvedores exactos probados (incluyendo programación entera, MaxSAT y dist-m4ri) combinados.
Auditoría de la Literatura Publicada: Los autores auditaron 26 artículos recientes (2023–2026). Confirmaron todas las distancias de código exactas reportadas, pero encontraron que 10 artículos contenían distancias de circuito o de código sobreestimadas. La discrepancia máxima fue de al menos 8, con varios casos donde las distancias asumidas eran significativamente superiores a los valores certificados.
Perspectivas de Diseño y Arquitectura:
- Optimización de Programación (Schedule Optimization): Para los códigos de bicicleta bivariante de IBM, los autores evaluaron 8,496 programaciones uniformes de profundidad siete. Encontraron que la programación estándar es óptima para solo un código; para otros, las programaciones optimizadas pueden aumentar la distancia de circuito (por ejemplo, de 10 a 11 para el código gross, o de 16 a 18 para el código two-gross).
- Rendimiento de Chips (Chip Yield): El método certifica distancias para chips con qubits de comprobación "muertos". Demuestran que mantener los chips defectuosos certificados a una distancia $\ge 10$ puede elevar el rendimiento estimado de chips utilizables del 53% (solo chips perfectos) al 94% con un rendimiento de unión del 99.98%.
- Mediciones Lógicas: El estudio certifica distancias para códigos fusionados usados en mediciones lógicas, revelando que la distancia depende de si los qubits de gauge están fijos. Sin fijarlos, las distancias pueden caer significativamente (por ejemplo, a 2), mientras que fijarlos preserva la distancia.

Resultados

Código Two-Gross de IBM: El artículo certifica una distancia de circuito de 16 para el circuito de memoria two-gross de IBM con la programación estándar, contradiciendo el valor asumido de 18 utilizado en estudios de arquitectura. Esto reduce el exponente predicho de la tasa de error lógico en uno. Las programaciones optimizadas pueden alcanzar 18 pero requieren un paso de tiempo adicional por ciclo.
Códigos Hiperbólicos Modulares de Google: El método certifica distancias para códigos de hasta 31,200 qubits, resolviendo intervalos previamente abiertos.
Códigos Cornucopia: La instancia de circuito más grande certificada tiene $8 \times 10^5$ mecanismos de fallo. La distancia certificada implica un orden principal de $p^8$ para las tasas de error lógico, en lugar del $p^9$ asumido en extrapolaciones previas.
Rendimiento: El método resuelve circuitos de memoria de código de superficie hasta distancia 25 en menos de 10 segundos en un solo hilo, superando a otros resolvedores exactos de propósito general que fallan más allá de la distancia 15.

Significancia

El artículo sostiene que las distancias exactas certificadas transforman la distancia de un código o circuito de una estimación en una cantidad verificada. Esto elimina una fuente crítica de error en las comparaciones de códigos, estimaciones de recursos y elecciones arquitectónicas.

Fiabilidad: Evita la sobreestimación de las capacidades de supresión de errores, lo que podría conducir a computadores cuánticos insuficientemente provistos.
Guía de Diseño: Permite la evaluación de cada programación candidata en un espacio de diseño, permitiendo la selección de aquellas que maximizan la distancia de circuito.
Viabilidad del Hardware: Al certificar que los chips defectuosos aún pueden mantener distancias altas, el método respalda estimaciones de rendimiento más realistas para la fabricación de hardware cuántico.
Especificidad del Protocolo: Clarifica que las distancias dependen del protocolo (por ejemplo, si los qubits de gauge están fijos en mediciones lógicas), proporcionando límites precisos para contextos operativos específicos en lugar de supuestos genéricos.

Los autores enfatizan que, aunque algunos problemas siguen siendo costosos (ancho y distancia grandes), la combinación de reducciones, relajaciones y múltiples evaluadores exactos permite a la comunidad ir más allá de los límites superiores heurísticos para los circuitos actualmente propuestos para el hardware.