Hispanopedia Wiki
Articulo de referencia

Computación cuántica ruidosa de escala intermedia

La computación cuántica de escala intermedia ruidosa ( NISQ ) se caracteriza por procesadores cuánticos que contienen hasta 1000 cúbits , los cuales aún no son lo suficientement...

Hispanopedia WikiContenido en espanolLectura gratuita

La computación cuántica de escala intermedia ruidosa ( NISQ ) se caracteriza por procesadores cuánticos que contienen hasta 1000 cúbits , los cuales aún no son lo suficientemente avanzados para la tolerancia a fallos ni lo suficientemente grandes para lograr la ventaja cuántica . [ 1 ] [ 2 ] Estos procesadores, que son sensibles a su entorno (ruidosos) y propensos a la decoherencia cuántica , aún no son capaces de realizar una corrección continua de errores cuánticos . Esta escala intermedia se define por el volumen cuántico , que se basa en un número moderado de cúbits y fidelidad de puerta . La era NISQ es el estado actual de la tecnología de computación cuántica , [ 3 ] [ 4 ] [ 5 ] y el término fue acuñado por John Preskill en 2018. [ 6 ] [ 4 ]

Según el esquema de Microsoft Azure Quantum , la computación NISQ se considera de nivel 1, el más bajo de los niveles de implementación de computación cuántica. [ 7 ] [ 8 ]

En octubre de 2023, el procesador cuántico de 1180 cúbits de Atom Computing superó por primera vez la marca de los 1000 cúbits. [ 9 ] Sin embargo, a partir de 2024, solo dos procesadores cuánticos superan los 1000 cúbits, siendo la norma los procesadores cuánticos con menos de 1000 cúbits. [ 10 ]

Algoritmos

Los algoritmos NISQ son algoritmos cuánticos diseñados para procesadores cuánticos en la era NISQ. Ejemplos comunes son el solucionador de autovalores cuántico variacional (VQE) y el algoritmo de optimización aproximada cuántica (QAOA), que utilizan dispositivos NISQ pero descargan algunos cálculos a procesadores clásicos. [ 4 ] Estos algoritmos han tenido éxito en química cuántica y tienen aplicaciones potenciales en varios campos, incluyendo física, ciencia de materiales, ciencia de datos, criptografía, biología y finanzas. [ 4 ] Sin embargo, debido al ruido durante la ejecución del circuito, a menudo requieren técnicas de mitigación de errores. [ 11 ] [ 2 ] [ 12 ] [ 13 ] Estos métodos constituyen una forma de reducir el efecto del ruido ejecutando un conjunto de circuitos y aplicando posprocesamiento a los datos medidos. A diferencia de la corrección de errores cuánticos , donde los errores se detectan y corrigen continuamente durante la ejecución del circuito, la mitigación de errores solo puede utilizar el resultado de los circuitos ruidosos.

El panorama del hardware cuántico

Los dispositivos NISQ actuales suelen contener entre 50 y 1000 cúbits físicos , y los sistemas líderes de IBM, Google y otras compañías superan estos límites. Sin embargo, estos cúbits son inherentemente "ruidosos": sufren de decoherencia , errores de puerta y errores de medición que se acumulan durante el cálculo. [ 14 ] Las fidelidades de puerta rondan el 99-99,5 % para operaciones de un solo cúbit y el 95-99 % para puertas de dos cúbits, lo que, si bien es impresionante, aún introduce errores significativos en circuitos con miles de operaciones.

El desafío fundamental reside en la escala exponencial del ruido cuántico. Con tasas de error superiores al 0,1 % por puerta lógica, los circuitos cuánticos pueden ejecutar aproximadamente 1000 puertas lógicas antes de que el ruido sature la señal. Esta limitación restringe severamente la profundidad y complejidad de los algoritmos que pueden implementarse con éxito en el hardware actual, lo que hace necesario el desarrollo de algoritmos NISQ especializados que funcionen dentro de estas limitaciones. [ 6 ] [ 15 ]

Eigensolver cuántico variacional

El solucionador de valores propios cuántico variacional representa uno de los algoritmos NISQ más exitosos, diseñado específicamente para aplicaciones de química cuántica. VQE aborda el problema fundamental de encontrar la energía del estado fundamental de los sistemas moleculares, un cálculo que aumenta exponencialmente con el tamaño del sistema en computadoras clásicas, pero que potencialmente puede resolverse en tiempo polinomial en dispositivos cuánticos. [ 16 ]

Fundamentos matemáticos e implementación

VQE opera según el principio variacional de la mecánica cuántica, que establece que el valor esperado de cualquier función de onda de prueba proporciona una cota superior para la energía del estado fundamental real. El algoritmo construye un circuito cuántico parametrizado llamado ansatz ∣ ψ ( θ )⟩, para aproximar el estado fundamental de un hamiltoniano molecular.H^:mi(θ)=⟨ψ(θ)∣H^∣ψ(θ)⟩{\displaystyle {\hat {H}}:\quad E(\theta )=\langle \psi (\theta )\mid {\hat {H}}\mid \psi (\theta )\rangle }[ 17 ]

El procesador cuántico prepara el estado de prueba y mide el valor esperado del hamiltoniano, mientras que un optimizador clásico ajusta iterativamente los parámetros θ para minimizar la energía. Este enfoque híbrido aprovecha la superposición cuántica para explorar espacios de configuración molecular exponencialmente grandes, al tiempo que se basa en técnicas de optimización clásicas bien establecidas. [ 17 ]

Aplicaciones y logros en el mundo real

VQE se ha demostrado con éxito en diversos sistemas moleculares, desde moléculas diatómicas simples como H₂ y LiH hasta sistemas más complejos que incluyen moléculas de agua y pequeños compuestos orgánicos . La colaboración de Google con la Universidad de Columbia demostró cálculos VQE en 16 cúbits para estudiar átomos de carbono en estructuras cristalinas de diamante , lo que representó el mayor cálculo de química cuántica hasta ese momento. [ 18 ] [ 19 ] [ 20 ]

El algoritmo ha demostrado ser particularmente valioso para el estudio de reacciones químicas, estados de transición y propiedades de estados excitados. Implementaciones recientes han alcanzado una precisión química (dentro de 1 kcal/mol) para moléculas pequeñas, lo que demuestra el potencial de la ventaja cuántica en el descubrimiento de materiales y las aplicaciones de desarrollo de fármacos . [ 21 ]

Retos y soluciones para la ampliación de escala

A pesar de sus éxitos, VQE se enfrenta a importantes desafíos de escalabilidad. El número de mediciones requeridas crece polinómicamente con el número de cúbits, mientras que el panorama de optimización se vuelve cada vez más complejo para sistemas más grandes. El enfoque de orbitales moleculares de fragmentos (FMO) combinado con VQE ha demostrado ser prometedor para abordar la escalabilidad, permitiendo la simulación eficiente de sistemas moleculares más grandes al dividirlos en fragmentos manejables. [ 18 ]

Algoritmo de optimización aproximada cuántica

QAOA representa un algoritmo NISQ paradigmático para resolver problemas de optimización combinatoria que afectan a industrias que van desde las finanzas hasta la logística. Desarrollado por Farhi y sus colegas, QAOA codifica los problemas de optimización como hamiltonianos de Ising y utiliza operadores de evolución cuántica alternados para explorar espacios de soluciones.

Estructura y metodología del algoritmo

QAOA construye un circuito cuántico que consta depag{\displaystyle p}capas, cada una con una evolución hamiltoniana de costemi−iγjH^do{\displaystyle e^{-i\gamma _{j}{\hat {H}}_{C}}}seguido de una evolución hamiltoniana del mezcladormi−iβjH^METRO{\displaystyle e^{-i\beta _{j}{\hat {H}}_{M}}}:

|ψ(γ,β)⟩=∏j=1pagmi−iβjH^METROmi−iγjH^do|+⟩⊗norte{\displaystyle |\psi (\gamma ,\beta )\rangle =\prod _{j=1}^{p}e^{-i\beta _{j}{\hat {H}}_{M}}e^{-i\gamma _{j}{\hat {H}}_{C}}|+\rangle ^{\otimes n}}

La optimización clásica ajusta los ángulos.{γj,βj}{\displaystyle \{\gamma _{j},\beta _{j}\}}para maximizar la probabilidad de medir buenas soluciones. [ 22 ] [ 23 ]

Puntos de referencia de rendimiento y ventaja cuántica

Trabajos teóricos y experimentales recientes han demostrado el potencial de QAOA para obtener una ventaja cuántica en clases de problemas específicas. Para el problema de corte máximo en grafos aleatorios, se ha demostrado que QAOA con una profundidad p = 11 supera a los algoritmos de programación semidefinida estándar. Aún más notablemente, QAOA puede explotar efectos cuánticos no adiabáticos a los que los algoritmos clásicos no pueden acceder, lo que podría sortear las limitaciones fundamentales que restringen los métodos de optimización clásicos. [ 24 ] [ 25 ] [ 26 ]

Las implementaciones experimentales en hardware cuántico han mostrado resultados prometedores para problemas con hasta 20-30 variables, aunque las limitaciones actuales del hardware restringen las aplicaciones prácticas a problemas de tamaño relativamente pequeño. El rendimiento del algoritmo mejora con la profundidad del circuito p , pero las restricciones NISQ limitan la profundidad alcanzable, lo que crea una compensación fundamental entre la calidad de la solución y los requisitos de hardware. [ 27 ] [ 28 ]

Mitigación de errores: Cómo hacer que la computación cuántica ruidosa sea práctica

Dado que los dispositivos NISQ carecen de corrección completa de errores cuánticos, las técnicas de mitigación de errores se vuelven esenciales para obtener resultados significativos a partir de cálculos cuánticos ruidosos. Estas técnicas operan mediante el posprocesamiento de los datos medidos en lugar de corregir activamente los errores durante el cálculo, lo que las hace adecuadas para implementaciones de hardware a corto plazo. [ 29 ] [ 30 ]

Extrapolación sin ruido

La extrapolación de ruido cero (ZNE) representa una de las técnicas de mitigación de errores más utilizadas, que amplifica artificialmente el ruido del circuito y extrapola los resultados al límite de ruido cero. [ 31 ] El método supone que los errores escalan de forma predecible con los niveles de ruido, lo que permite a los investigadores ajustar funciones polinómicas o exponenciales a datos ruidosos e inferir resultados libres de ruido. [ 32 ]

Las implementaciones recientes de ZNE asistida por pureza han demostrado un rendimiento mejorado al incorporar información adicional sobre la degradación del estado cuántico. Este enfoque puede extender la eficacia de ZNE a regímenes de error más elevados donde fallan los métodos de extrapolación convencionales, aunque requiere una mayor sobrecarga de medición.

Verificación de simetría y cancelación probabilística de errores

La verificación de simetría aprovecha las leyes de conservación inherentes a los sistemas cuánticos para detectar y corregir errores. En los cálculos de química cuántica, simetrías como la conservación del número de partículas o la conservación del espín proporcionan potentes mecanismos de detección de errores. Cuando los resultados de las mediciones violan estas simetrías, pueden descartarse o corregirse mediante postselección. [ 33 ]

La cancelación probabilística de errores reconstruye las operaciones cuánticas ideales como combinaciones lineales de operaciones ruidosas que pueden implementarse en hardware. Si bien este enfoque puede lograr un sesgo cero en principio, la sobrecarga de muestreo suele aumentar exponencialmente con las tasas de error, lo que limita las aplicaciones prácticas a escenarios con ruido relativamente bajo.

Sobrecarga de rendimiento y compensaciones

Las técnicas de mitigación de errores aumentan inevitablemente los requisitos de medición, con costos generales que oscilan entre 2 y 10 veces o más, dependiendo de las tasas de error y del método específico empleado. Esto crea una disyuntiva fundamental entre la precisión y los recursos experimentales, lo que exige una optimización cuidadosa para cada aplicación. [ 13 ]

Estudios comparativos recientes que analizan diferentes estrategias de mitigación han demostrado que la verificación de simetría suele ofrecer el mejor rendimiento para aplicaciones químicas, mientras que ZNE destaca en problemas de optimización con menos simetrías inherentes. La elección de la estrategia de mitigación influye significativamente en el rendimiento general del algoritmo y debe adaptarse a los tipos de problemas específicos y a las características del hardware. [ 34 ]

Ventaja cuántica: situación actual y perspectivas de futuro

La cuestión de la ventaja cuántica en la era NISQ sigue siendo objeto de intenso debate, y los diferentes marcos teóricos de la complejidad ofrecen conclusiones diversas sobre la potencia computacional de los dispositivos cuánticos ruidosos. Si bien los trabajos teóricos sugieren que los algoritmos NISQ ocupan una clase de complejidad computacional estrictamente entre la computación clásica ( BPP ) y la computación cuántica ideal ( BQP ), las demostraciones experimentales de una ventaja cuántica práctica siguen siendo esquivas. [ 35 ]

Separaciones y limitaciones teóricas

Resultados recientes de la teoría de la complejidad demuestran que los dispositivos NISQ no pueden alcanzar aceleraciones cuadráticas similares a las de Grover para problemas de búsqueda no estructurados, lo que limita fundamentalmente su ventaja para ciertas clases de algoritmos. Sin embargo, los algoritmos NISQ aún pueden lograr ventajas exponenciales sobre los métodos clásicos para problemas estructurados específicos, como el problema de Bernstein-Vazirani , donde la ventaja cuántica solo requiere una complejidad de consulta logarítmica .

Para los problemas de aprendizaje de estados cuánticos, los dispositivos NISQ presentan limitaciones exponenciales en comparación con las computadoras cuánticas tolerantes a fallos, lo que subraya la importancia de la corrección de errores para ciertas aplicaciones. Estas perspectivas teóricas ayudan a definir los límites de la potencia computacional de NISQ y a orientar los esfuerzos de desarrollo de algoritmos. [ 36 ]

Era más allá de NISQ

La creación de una computadora con decenas de miles de cúbits y suficiente corrección de errores acabaría con la era NISQ. [ 1 ] Estos dispositivos más allá de NISQ podrían, por ejemplo, implementar el algoritmo de Shor para números muy grandes y romper el cifrado RSA . [ 37 ]

En abril de 2024, investigadores de Microsoft anunciaron una reducción significativa en las tasas de error que requería solo 4 cúbits lógicos, lo que sugiere que la computación cuántica a gran escala podría estar a años de distancia en lugar de décadas. [ 38 ]

Planes de desarrollo y proyecciones de plazos para la industria.

Las principales empresas de computación cuántica han publicado ambiciosas hojas de ruta para lograr la computación cuántica tolerante a fallos en la presente década. IBM se ha comprometido a entregar una computadora cuántica tolerante a fallos a gran escala, IBM Quantum Starling, para 2029. Este sistema tiene como objetivo ejecutar circuitos cuánticos que comprenden 100 millones de puertas cuánticas en 200 cúbits lógicos, lo que representa una capacidad computacional que requiere la memoria de más de1048{\displaystyle 10^{48}}supercomputadoras clásicas para simular. El enfoque de IBM se basa en códigos de verificación de paridad cuántica de baja densidad (qLDPC) y códigos de bicicleta bivariados para minimizar la sobrecarga física de cúbits requerida para la tolerancia a fallos. [ 15 ]

Quantinuum ha anunciado una hoja de ruta acelerada para lograr la computación cuántica tolerante a fallos universal para 2029-2030, basándose en sus recientes avances en la implementación tolerante a fallos de puertas Clifford y no Clifford. Su arquitectura de iones atrapados ha demostrado los mayores volúmenes cuánticos y los tiempos de coherencia más largos de la industria , lo que los posiciona como un candidato líder para los primeros sistemas tolerantes a fallos. Otras compañías, incluyendo Google , están explorando enfoques alternativos, como implementaciones de código de superficie y nuevas arquitecturas de cúbits, para lograr plazos similares. [ 39 ] [ 40 ]

Análisis independientes sugieren que las aplicaciones cuánticas prácticas podrían surgir alrededor de 2035-2040, suponiendo un crecimiento exponencial continuo en las capacidades del hardware cuántico. [ 41 ] Sin embargo, estas proyecciones dependen críticamente de avances simultáneos en múltiples dominios técnicos, incluyendo hardware de cúbits, sistemas de control, algoritmos de corrección de errores y pilas de software cuántico. La transición de NISQ a la computación cuántica tolerante a fallos representa uno de los desafíos tecnológicos más importantes en la física y la ingeniería modernas, y requiere una colaboración e inversión internacionales sostenidas para hacer realidad su potencial transformador. [ 42 ] [ 43 ]

Véase también

Referencias

  1. 1 2 "Los ingenieros demuestran una ventaja cuántica" . ScienceDaily . Consultado el 29 de junio de 2021 .
  2. 1 2 "¿Qué es la computación cuántica?" . TechSpot . 28 de junio de 2021 . Consultado el 29 de junio de 2021 .
  3. ↑ "Científicos de la computación cuántica: Dales limones y harán limonada" . www.aps.org . Consultado el 29 de junio de 2021 .
  4. 1 2 3 4 Brooks, Michael (2019-10-03). "Más allá de la supremacía cuántica: la búsqueda de computadoras cuánticas útiles" . Nature . 574 (7776): 19– 21. Bibcode : 2019Natur.574...19B . doi : 10.1038/d41586-019-02936-3 . ISSN 0028-0836 . PMID 31578489 .  
  5. ↑ "Computadoras cuánticas en 2023: cómo funcionan, qué hacen y hacia dónde se dirigen" . The Conversation . 19 de octubre de 2023. Consultado el 15 de enero de 2024 .
  6. 1 2 Preskill, John (2018-08-06). "Computación cuántica en la era NISQ y más allá" . Quantum . 2 79. arXiv : 1801.00862 . Bibcode : 2018Quant...2...79P . doi : 10.22331/q-2018-08-06-79 . S2CID 44098998. Archivado del original el 14-11-2021 . Recuperado el 29-06-2021 . 
  7. ↑ Matt Swayne (noviembre de 2023). "Krysta Svore de Microsoft Quantum ofrece un vistazo al futuro cuántico" . The Quantum Insider . Consultado el 1 de julio de 2024 .
  8. ↑ "Azure Quantum | Niveles de implementación de computación cuántica" . quantum.microsoft.com . Consultado el 2 de julio de 2024 .
  9. ↑ Alex Wilkins. "Computadora cuántica que bate récords tiene más de 1000 cúbits" . New Scientist . Consultado el 18 de abril de 2024 .
  10. ↑ Karmela Padavic-Callaghan. "La computadora cuántica 'Condor' de IBM tiene más de 1000 cúbits" . New Scientist . Consultado el 18 de abril de 2024 .
  11. ↑ "Las computadoras cuánticas ya están desentrañando los misterios de la naturaleza" . Wired UK . ISSN 1357-0978 . Consultado el 29 de junio de 2021 . 
  12. ↑ Ritter, Mark B. (2019). "Algoritmos cuánticos a corto plazo para sistemas cuánticos de muchos cuerpos" . Journal of Physics: Conference Series . 1290 (1) 012003. Bibcode : 2019JPhCS1290a2003R . doi : 10.1088/1742-6596/1290/1/012003 . ISSN 1742-6588 . 
  13. 1 2 Cai, Zhenyu; Babbush, Ryan; Benjamin, Simon C.; Endo, Suguru; Huggins, William J.; Li, Ying; McClean, Jarrod R.; O'Brien, Thomas E. (2023-12-13). "Mitigación de errores cuánticos" . Rev. Mod. Phys . 95 (3): 032338. arXiv : 2210.00921 . Bibcode : 2023RvMP...95d5005C . doi : 10.1103/RevModPhys.95.045005 .
  14. ↑ González-García, Guillermo; Trivedi, Rahul; Cirac, J. Ignacio (2022-12-05). "Propagación de errores en dispositivos NISQ para resolver problemas de optimización clásicos" . PRX Quantum . 3 (4) 040326. arXiv : 2203.15632 . Bibcode : 2022PRXQ....3d0326G . doi : 10.1103/PRXQuantum.3.040326 .
  15. 1 2 "IBM traza un camino claro hacia la computación cuántica tolerante a fallos | Blog de computación cuántica de IBM" . www.ibm.com . Consultado el 6 de agosto de 2025 .
  16. ↑ Tilly, Jules; Chen, Hongxiang; Cao, Shuxiang; Picozzi, Dario; Setia, Kanav; Li, Ying; Grant, Edward; Wossnig, Leonard; Rungger, Ivan (2022-08-25), "The Variational Quantum Eigensolver: A review of methods and best practices", Physics Reports , 986 : 1– 128, arXiv : 2111.05176 , Bibcode : 2022PhR...986....1T , doi : 10.1016/j.physrep.2022.08.003
  17. 1 2 Tilly, Jules; Chen, Hongxiang; Cao, Shuxiang; Picozzi, Dario; Setia, Kanav; Li, Ying; Grant, Edward; Wossnig, Leonard; Rungger, Ivan (2022-08-25), "The Variational Quantum Eigensolver: A review of methods and best practices", Physics Reports , 986 : 1– 128, arXiv : 2111.05176 , Bibcode : 2022PhR...986....1T , doi : 10.1016/j.physrep.2022.08.003
  18. 1 2 Lim, Hocheol; Kang, Doo Hyung; Kim, Jeonghoon; Pellow-Jarman, Aidan; McFarthing, Shane; Pellow-Jarman, Rowan; Jeon, Hyeon-Nae; Oh, Byungdu; Rhee, June-Koo Kevin; No, Kyoung Tai (2024-01-29). "Solucionador de autovalores cuántico variacional basado en orbitales moleculares de fragmentos para química cuántica en la era de la computación cuántica" . Scientific Reports . 14 (1): 2422. Bibcode : 2024NatSR..14.2422L . doi : 10.1038/s41598-024-52926-3 . ISSN 2045-2322 . PMC 10825197. PMID 38287087 .   
  19. ↑ "Algoritmos cuánticos híbridos para Monte Carlo cuántico" . research.google . Consultado el 6 de agosto de 2025 .
  20. ↑ Fedorov, Dmitry A.; Peng, Bo; Govind, Niranjan; Alexeev, Yuri (2022-01-06). "Método VQE: una breve reseña y desarrollos recientes" . Materials Theory . 6 (1): 2. arXiv : 2103.08505 . Bibcode : 2022MatTh...6....2F . doi : 10.1186/s41313-021-00032-6 . ISSN 2509-8012 . 
  21. ↑ "Computación cuántica para química cuántica: simulación de reacciones moleculares" . Quantum News . 1 de septiembre de 2024. Consultado el 6 de agosto de 2025 .
  22. ↑ Sturm, Andreas (23 de enero de 2023). "Teoría e implementación del algoritmo de optimización aproximada cuántica: una introducción comprensible y un estudio de caso utilizando Qiskit y computadoras cuánticas de IBM". arXiv : 2301.09535 [ quant-ph ].
  23. ^ Ceroni, Jack (18 de noviembre de 2020). "Introducción a QAOA" . Demostraciones de PennyLane .
  24. ↑ Zhou, Leo; Wang, Sheng-Tao; Choi, Soonwon; Pichler, Hannes; Lukin, Mikhail D. (2020-06-24). "Algoritmo de optimización aproximada cuántica: rendimiento, mecanismo e implementación en dispositivos de próxima generación" . Physical Review X. 10 ( 2) 021067. arXiv : 1812.01041 . Bibcode : 2020PhRvX..10b1067Z . doi : 10.1103/PhysRevX.10.021067 .
  25. ↑ Zhou, Leo; Wang, Sheng-Tao; Choi, Soonwon; Pichler, Hannes; Lukin, Mikhail D. (2019-11-09), "Algoritmo de optimización aproximada cuántica: rendimiento, mecanismo e implementación en dispositivos de próxima generación", Physical Review X , 10 (2) 021067, arXiv : 1812.01041 , Bibcode : 2020PhRvX..10b1067Z , doi : 10.1103/PhysRevX.10.021067
  26. ↑ Farhi, Edward; Goldstone, Jeffrey; Gutmann, Sam; Zhou, Leo (2019). "El algoritmo de optimización aproximada cuántica y el modelo de Sherrington-Kirkpatrick en tamaño infinito". Quantum . 6 759. arXiv : 1910.08187 . doi : 10.22331/q-2022-07-07-759 .
  27. ↑ He, Zichang; Amaro, David; Shaydulin, Ruslan; Pistoia, Marco (24-05-2025). "Rendimiento de la optimización aproximada cuántica con detección de errores cuánticos" . Communications Physics . 8 (1): 217. arXiv : 2409.12104 . Bibcode : 2025CmPhy...8..217H . doi : 10.1038/s42005-025-02136-8 . ISSN 2399-3650 . 
  28. ↑ He, Zichang; Amaro, David; Shaydulin, Ruslan; Pistoia, Marco (23-05-2025), "Rendimiento de la optimización aproximada cuántica con detección de errores cuánticos", Communications Physics , 8 (1) 217, arXiv : 2409.12104 , Bibcode : 2025CmPhy...8..217H , doi : 10.1038/s42005-025-02136-8
  29. ↑ Suzuki, Yasunari; Endo, Suguru; Fujii, Keisuke; Tokunaga, Yuuki (2022-03-18). "Mitigación de errores cuánticos como técnica universal de reducción de errores: aplicaciones desde el NISQ hasta las eras de la computación cuántica tolerante a fallos" . PRX Quantum . 3 (1) 010345. arXiv : 2010.03887 . Bibcode : 2022PRXQ....3a0345S . doi : 10.1103/PRXQuantum.3.010345 .
  30. ↑ Cai, Zhenyu; Babbush, Ryan; Benjamin, Simon C.; Endo, Suguru; Huggins, William J.; Li, Ying; McClean, Jarrod R.; O'Brien, Thomas E. (2023-12-13). "Mitigación de errores cuánticos" . Reviews of Modern Physics . 95 (4) 045005. arXiv : 2210.00921 . Bibcode : 2023RvMP...95d5005C . doi : 10.1103/RevModPhys.95.045005 .
  31. ↑ Giurgica-Tiron, Tudor; Hindy, Yousef; LaRose, Ryan; Mari, Andrea; Zeng, William J. (14 de enero de 2021), "Extrapolación digital de ruido cero para la mitigación de errores cuánticos", 2020 IEEE International Conference on Quantum Computing and Engineering (QCE) , pp. 306–316 , arXiv : 2005.10921 , doi : 10.1109/QCE49297.2020.00045 , ISBN  978-1-7281-8969-7
  32. ^ Jin, Tian-Ren; Shi, Yun-Hao; Wang, Zheng-An; Li, Tian-Ming; Xu, Kai; Fan, Heng (2024). "Extrapolación de ruido cero asistida por pureza para la mitigación de errores cuánticos". Tecnologías cuánticas avanzadas . 7 (12) 2400150. arXiv : 2310.10037 . doi : 10.1002/qute.202400150 .
  33. ↑ Cai, Zhenyu (2021). "Mitigación de errores cuánticos mediante expansión de simetría". Quantum . 5 548. arXiv : 2101.03151 . Bibcode : 2021Quant...5..548C . doi : 10.22331/q-2021-09-21-548 .
  34. ↑ Pelofske, Elijah; Russo, Vincent; Larose, Ryan; Mari, Andrea; Strano, Dan; Bärtschi, Andreas; Eidenbenz, Stephan; Zeng, William (2024-09-19). "Increasing the Measured Effective Quantum Volume with Zero Noise Extrapolation" . ACM Transactions on Quantum Computing . 5 (3): 21:1–21:18. doi : 10.1145/3680290 .
  35. ↑ Chen, Sitan; Cotler, Jordan; Huang, Hsin-Yuan; Li, Jerry (26-09-2023). "La complejidad de NISQ" . Nature Communications . 14 (1): 6001. arXiv : 2210.07234 . Bibcode : 2023NatCo..14.6001C . doi : 10.1038 / s41467-023-41217-6 . ISSN 2041-1723 . PMC 10522708. PMID 37752125 .   
  36. ↑ Chen, Sitan; Cotler, Jordan; Huang, Hsin-Yuan; Li, Jerry (2022-10-13), "La complejidad de NISQ", Nature Communications , 14 (1) 6001, arXiv : 2210.07234 , Bibcode : 2023NatCo..14.6001C , doi : 10.1038/s41467-023-41217-6 , PMC 10522708 , PMID 37752125  
  37. ↑ O'Gorman, Joe; Campbell, Earl T. (2017-03-31). "Computación cuántica con fábricas de estados mágicos realistas". Physical Review A . 95 (3) 032338. arXiv : 1605.07197 . Bibcode : 2017PhRvA..95c2338O . doi : 10.1103/PhysRevA.95.032338 . ISSN 2469-9926 . S2CID 55579588 .  
  38. ↑ Maria Korolov. "Lo que significa el hito de Microsoft en la corrección de errores para la computación cuántica utilizable" . Network World . Consultado el 1 de julio de 2024 .
  39. ↑ "Quantinuum supera el último gran obstáculo para ofrecer computadoras cuánticas escalables, universales y tolerantes a fallos para 2029" . www.quantinuum.com . Consultado el 6 de agosto de 2025 .
  40. ^ Acharya, Rajeev; Abanin, Dmitry A.; Aghababaie-Beni, Laleh; Aleiner, Igor; Andersen, Trond I.; Ansmann, Markus; Arute, Frank; Arya, Kunal; Asfaw, Abraham; Astrakhantsev, Nikita; Atalaya, Juan; Babbush, Ryan; Tocino, Dave; Ballard, Brian; Bardin, Joseph C. (febrero de 2025). "Corrección de errores cuánticos por debajo del umbral del código de superficie" . Naturaleza . 638 (8052): 920– 926. arXiv : 2408.13687 . Código Bib : 2025Natur.638..920G . doi : 10.1038/s41586-024-08449-y . ISSN 1476-4687 . PMC 11864966 . PMID 39653125 .   
  41. ↑ "Hoja de ruta" . Quandela . Consultado el 6 de agosto de 2025 .
  42. ^ Cheng, Bin; Deng, Xiu-Hao; Gu, Xiu; Él, Yu; Hu, Guangchong; Huang, Peihao; Li, junio; Lin, Ben-Chuan; Lu, Dawei (7 de marzo de 2023), "Computadoras cuánticas ruidosas de escala intermedia", Fronteras de la física , 18 (2) 21308, arXiv : 2303.04061 , Bibcode : 2023FrPhy..1821308C , doi : 10.1007/s11467-022-1249-z
  43. ↑ John, Preskill (2018). "Computación cuántica en la era NISQ y más allá" . Quantum . 2 79. arXiv : 1801.00862 . Bibcode : 2018Quant...2...79P . doi : 10.22331/q-2018-08-06-79 . Archivado del original el 14 de noviembre de 2021. Consultado el 29 de junio de 2021 .
  • Conferencia de John Preskill sobre la era NISQ