Computación cuántica

El bit es el concepto básico de la teoría clásica de la información. Un bit puede estar en uno de dos estados físicos, que normalmente se denotan como 0 y 1.

El cúbit es la unidad de información cuántica . Un cúbit es un modelo matemático abstracto que se aplica a cualquier sistema físico representado por dicho modelo. Al medirse, un cúbit toma uno de dos estados. ${\displaystyle |0\rangle }$o${\displaystyle |1\rangle }$Sin embargo, los estados cuánticos${\displaystyle |0\rangle }$y${\displaystyle |1\rangle }$pertenecen a un espacio vectorial , lo que significa que pueden multiplicarse por constantes y sumarse, devolviendo un estado cuántico válido. Dicha combinación se conoce como superposición de${\displaystyle |0\rangle }$y${\displaystyle |1\rangle }$. ^{[ 37 ] [ 38 ]}

Un vector bidimensional representa matemáticamente un estado de cúbit. Los físicos suelen usar la notación bra-ket para el álgebra lineal cuántica , escribiendo${\displaystyle |\psi \rangle }$' ket psi ' para un vector etiquetado${\displaystyle \psi }$. Debido a que un cúbit es un sistema de dos estados, cualquier estado del cúbit toma la forma${\displaystyle \alpha |0\rangle +\beta |1\rangle }$, dónde${\displaystyle |0\rangle }$y${\displaystyle |1\rangle }$son los estados base estándar, ^{[ a ]} ​​y${\displaystyle \alpha }$y${\displaystyle \beta }$son las amplitudes de probabilidad , que en general son números complejos . ^{[ 38 ]} Si alguna de ellas${\displaystyle \alpha }$o${\displaystyle \beta }$Si es cero, el cúbit es efectivamente un bit clásico; cuando ambos son distintos de cero, el cúbit está en superposición. Dicho vector de estado cuántico se comporta de manera similar a un vector de probabilidad (clásico) , con una diferencia clave: a diferencia de las probabilidades, las amplitudes de probabilidad no son necesariamente números positivos. ^{[ 40 ]} Las amplitudes negativas permiten la interferencia destructiva de ondas.

Cuando se mide un cúbit en la base estándar , el resultado es un bit clásico. La regla de Born describe la correspondencia de norma al cuadrado entre amplitudes y probabilidades , cuando se mide un cúbit.${\displaystyle \alpha |0\rangle +\beta |1\rangle }$, el estado colapsa a${\displaystyle |0\rangle }$con probabilidad${\displaystyle |\alpha |^{2}}$o para${\displaystyle |1\rangle }$con probabilidad${\displaystyle |\beta |^{2}}$. Cualquier estado de cúbit válido tiene coeficientes${\displaystyle \alpha }$y${\displaystyle \beta }$de tal manera que${\displaystyle |\alpha |^{2}+|\beta |^{2}=1}$. Como ejemplo, medir el cúbit${\displaystyle 1/{\sqrt {2}}|0\rangle +1/{\sqrt {2}}|1\rangle }$produciría cualquiera de los dos${\displaystyle |0\rangle }$o${\displaystyle |1\rangle }$con igual probabilidad.

Dos estados de superposición particularmente importantes son el estado positivo.${\displaystyle |+\rangle =1/{\sqrt {2}}|0\rangle +1/{\sqrt {2}}|1\rangle }$y el estado negativo${\displaystyle |-\rangle =1/{\sqrt {2}}|0\rangle -1/{\sqrt {2}}|1\rangle }$. Si bien ambos producen resultados 0 y 1 con igual probabilidad en la medición de base estándar, se comportan de manera diferente bajo operaciones como la puerta Hadamard , que mapea${\displaystyle |0\rangle \leftrightarrow |+\rangle }$y${\displaystyle |1\rangle \leftrightarrow |-\rangle }$—demostrando que las diferencias de fase relativas contienen información cuántica significativa.

Cada qubit adicional duplica la dimensión del espacio de estados . ^{[ 39 ]} Como ejemplo, el vector ⁠ 1 / √2 ⁠ | 00 ⟩ + ⁠ 1 / √2 ⁠ | 01 ⟩ representa un estado de dos qubits, un producto tensorial del qubit | 0 ⟩ con el qubit ⁠ 1 / √2 ⁠ | 0 ⟩ + ⁠ 1 / √2 ⁠ | 1 ⟩ . Este vector habita un espacio vectorial de cuatro dimensiones generado por los vectores base | 00 ⟩ , | 01 ⟩ , | 10 ⟩ , y | 11 ⟩ .

En general, el espacio vectorial para un sistema de n qubits es 2 ^n- dimensional, lo que dificulta que una computadora clásica simule uno cuántico: representar un sistema de 100 qubits requiere almacenar 2 ¹⁰⁰ valores clásicos.

El estado de esta memoria cuántica de un cúbit se puede manipular aplicando puertas lógicas cuánticas , de forma análoga a como se puede manipular la memoria clásica con puertas lógicas clásicas . Una puerta importante tanto para la computación clásica como para la cuántica es la puerta NOT, que se puede representar mediante una matriz.$${\displaystyle X:={\begin{pmatrix}0&1\\1&0\end{pmatrix}}.}$$Matemáticamente, la aplicación de dicha puerta lógica a un vector de estado cuántico se modela mediante la multiplicación de matrices . Por lo tanto,

${\displaystyle X|0\rangle =|1\rangle }$y${\displaystyle X|1\rangle =|0\rangle }$.

Las matemáticas de las compuertas de un solo cúbit se pueden extender para operar en memorias cuánticas de múltiples cúbits de dos maneras importantes. Una consiste en seleccionar un cúbit y aplicar esa compuerta al cúbit objetivo, dejando el resto de la memoria inalterado. Otra consiste en aplicar la compuerta a su objetivo solo si otra parte de la memoria se encuentra en un estado deseado. Estas dos opciones se pueden ilustrar con otro ejemplo. Los posibles estados de una memoria cuántica de dos cúbits son:$${\displaystyle |00\rangle$$ :={\begin{pmatrix}1\\0\\0\\0\end{pmatrix}};\quad |01\rangle  :={\begin{pmatrix}0\\1\\0\\0\end{pmatrix}};\quad |10\rangle  :={\begin{pmatrix}0\\0\\1\\0\end{pmatrix}};\quad |11\rangle  :={\begin{pmatrix}0\\0\\0\\1\end{pmatrix}}.} La puerta NOT controlada (CNOT) se puede representar entonces utilizando la siguiente matriz:$${\displaystyle \operatorname {CNOT}$$ :={\begin{pmatrix}1&0&0&0\\0&1&0&0\\0&0&0&1\\0&0&1&0\end{pmatrix}}.} Como consecuencia matemática de esta definición,${\textstyle \operatorname {CNOT} |00\rangle =|00\rangle }$,${\textstyle \operatorname {CNOT} |01\rangle =|01\rangle }$,${\textstyle \operatorname {CNOT} |10\rangle =|11\rangle }$, y${\textstyle \operatorname {CNOT} |11\rangle =|10\rangle }$. En otras palabras, el CNOT aplica una puerta NOT (${\textstyle X}$desde antes) al segundo cúbit si y solo si el primer cúbit está en el estado${\textstyle |1\rangle }$. Si el primer cúbit es${\textstyle |0\rangle }$No se realiza ninguna acción sobre ninguno de los cúbits.

En resumen, la computación cuántica puede describirse como una red de compuertas lógicas cuánticas y mediciones. Sin embargo, cualquier medición puede posponerse hasta el final de la computación cuántica, aunque este aplazamiento puede tener un coste computacional; por lo tanto, la mayoría de los circuitos cuánticos representan una red que consta únicamente de compuertas lógicas cuánticas y no de mediciones.

El paralelismo cuántico es una heurística que permite concebir las computadoras cuánticas como la evaluación simultánea de una función para múltiples valores de entrada. Esto se logra preparando un sistema cuántico en una superposición de estados de entrada y aplicando una transformación unitaria que codifica la función a evaluar. El estado resultante codifica los valores de salida de la función para todos los valores de entrada en la superposición, lo que permite el cálculo simultáneo de múltiples salidas. Esta propiedad es clave para la aceleración de muchos algoritmos cuánticos. Sin embargo, el paralelismo en este sentido es insuficiente para acelerar un cálculo, ya que la medición al final del mismo proporciona un único valor. Para ser útil, un algoritmo cuántico debe incorporar algún otro componente conceptual. ^{[ 41 ] [ 42 ]}

Para la computación cuántica se utilizan diversos modelos de computación , que se distinguen por los elementos básicos en los que se descompone el cálculo.

matriz de puertas

Una matriz de puertas cuánticas descompone la computación en una secuencia de puertas cuánticas de pocos cúbits . Una computación cuántica puede describirse como una red de puertas lógicas cuánticas y mediciones. Cualquier medición puede posponerse hasta el final de la computación cuántica, aunque este aplazamiento puede tener un coste computacional; por lo tanto, la mayoría de los circuitos cuánticos representan una red que consta únicamente de puertas lógicas cuánticas y no de mediciones.

Cualquier computación cuántica (en el formalismo anterior, cualquier matriz unitaria de tamaño${\displaystyle 2^{n}\times 2^{n}}$encima${\displaystyle n}$Los cúbits se pueden representar como una red de compuertas lógicas cuánticas de una familia de compuertas relativamente pequeña. Una familia de compuertas que permite esta construcción se conoce como conjunto de compuertas universal , ya que una computadora capaz de ejecutar dichos circuitos es una computadora cuántica universal . Un conjunto común de este tipo incluye todas las compuertas de un solo cúbit, así como la compuerta CNOT. Esto significa que cualquier computación cuántica se puede realizar ejecutando una secuencia de compuertas de un solo cúbit junto con compuertas CNOT. Aunque este conjunto de compuertas es infinito, se puede reemplazar por un conjunto finito recurriendo al teorema de Solovay-Kitaev . Aquí se presenta la implementación de funciones booleanas utilizando las compuertas cuánticas de pocos cúbits. ^{[ 43 ]}

Una computadora cuántica basada en mediciones descompone el cálculo en una secuencia de mediciones de estados de Bell y puertas cuánticas de un solo qubit aplicadas a un estado inicial altamente entrelazado (un estado de clúster ), utilizando una técnica llamada teletransportación de puertas cuánticas .

Una computadora cuántica adiabática , basada en el recocido cuántico , descompone el cálculo en una transformación continua y lenta de un hamiltoniano inicial en un hamiltoniano final, cuyos estados fundamentales contienen la solución. ^{[ 48 ]}

Una computadora cuántica topológica descompone la computación en el entrelazamiento de aniones en una red 2D. ^{[ 49 ]}

El teorema del umbral muestra cómo aumentar el número de cúbits puede mitigar errores, ^{[ 50 ]} sin embargo, la computación cuántica totalmente tolerante a fallos sigue estando fuera de alcance a partir de 2026. ^{[ 51 ]} Según algunos investigadores, las máquinas cuánticas de escala intermedia ruidosas ( NISQ ) pueden tener usos especializados en un futuro próximo, pero el ruido en las puertas cuánticas limita su fiabilidad. ^{[ 51 ]} Científicos de Harvard crearon "circuitos cuánticos" que corrigen errores de manera más eficiente que los métodos alternativos, lo que puede eliminar un obstáculo importante para las computadoras cuánticas prácticas. ^{[ 52 ]} El equipo de investigación de Harvard fue apoyado por el MIT , QuEra Computing , Caltech y Princeton y financiado por el programa de Optimización con Dispositivos Cuánticos de Escala Intermedia Ruidosa (ONISQ) de DARPA . ^{[ 53 ] [ 54 ]}

La teletransportación cuántica es un protocolo mediante el cual Alice puede transmitir el estado cuántico de un cúbit a Bob utilizando un par entrelazado compartido (e-bit) y dos bits clásicos de comunicación. El estado del cúbit de Alice no se transmite físicamente; en cambio, se reconstruye en el extremo de Bob a través de resultados de mediciones comunicadas clásicamente y correcciones unitarias locales. Esto demuestra que la comunicación cuántica requiere tanto entrelazamiento como comunicación clásica; ninguna de las dos por sí sola es suficiente. La teletransportación no puede utilizarse para transmitir información más rápido que la luz, ya que los bits clásicos deben viajar a través de canales normales.

La codificación superdensa es el protocolo complementario: utilizando un e-bit compartido y enviando solo un cúbit, Alice puede transmitir dos bits clásicos a Bob. Esto parece contradecir el teorema de Holevo —que establece que un solo cúbit puede transportar como máximo un bit de información clásica—, pero el entrelazamiento compartido sortea este límite. De este modo, la codificación superdensa demuestra que el entrelazamiento puede duplicar eficazmente la capacidad de transmisión de información clásica de la comunicación cuántica.

Dado que la química y la nanotecnología dependen de la comprensión de los sistemas cuánticos, y estos sistemas son imposibles de simular eficientemente de forma clásica, la simulación cuántica puede ser una aplicación importante. ^{[ 64 ]} La química computacional cuántica es prometedora para la computación cuántica, particularmente para problemas en estructura electrónica, dinámica química y espectroscopia; las implementaciones útiles siguen estando limitadas por el hardware. ^{[ 65 ]} La simulación cuántica podría usarse para simular el comportamiento de átomos y partículas en condiciones inusuales, como las reacciones dentro de un colisionador . ^{[ 66 ]} En junio de 2023, científicos informáticos de IBM informaron que una computadora cuántica produjo mejores resultados para un problema de física que una supercomputadora convencional. ^{[ 67 ] [ 68 ]}

Aproximadamente el 2 % de la producción energética mundial anual se utiliza para la fijación de nitrógeno con el fin de producir amoníaco para el proceso Haber en la industria de fertilizantes agrícolas. Las simulaciones cuánticas podrían utilizarse para comprender este proceso y aumentar la eficiencia energética. ^{[ 69 ] [ 70 ] [ 71 ] [ 72 ]}

La criptografía digital permite que las comunicaciones permanezcan privadas, impidiendo que terceros no autorizados accedan a ellas. El cifrado convencional, que consiste en ocultar un mensaje con una clave mediante un algoritmo, se basa en la dificultad de revertir dicho algoritmo. El cifrado es la base de las firmas digitales y los mecanismos de autenticación. La computación cuántica podría ser lo suficientemente potente como para que las reversiones difíciles sean factibles, permitiendo la lectura de mensajes que utilizan cifrado convencional. ^{[ 73 ]}

Así, en teoría, la computación cuántica puede utilizarse para atacar los sistemas criptográficos actuales. Se cree que la factorización de enteros , que sustenta la seguridad de los sistemas criptográficos de clave pública , es computacionalmente inviable en una computadora clásica para enteros grandes que son producto de unos pocos números primos (por ejemplo, el producto de dos primos de 300 dígitos). ^{[ 74 ]} Por el contrario, una computadora cuántica podría resolver este problema exponencialmente más rápido utilizando el algoritmo de Shor para factorizar el entero. ^{[ 75 ]} Esto permitiría a una computadora cuántica romper muchos sistemas criptográficos ampliamente utilizados , en el sentido de que un algoritmo de tiempo polinomial (en el número de dígitos del entero) podría hacerlo. En particular, la mayoría de los cifrados de clave pública populares se basan en la dificultad de factorizar enteros o el logaritmo discreto . En particular, los algoritmos RSA , Diffie-Hellman y Diffie-Hellman de curva elíptica podrían romperse. Estos se utilizan para proteger páginas web, correos electrónicos cifrados y muchos otros datos. Incumplir estas normas tendría importantes repercusiones para la privacidad y la seguridad electrónicas.

Identificar sistemas criptográficos que sean seguros contra algoritmos cuánticos es un tema de investigación activa dentro del campo de la criptografía postcuántica . ^{[ 76 ] [ 77 ]} Algunos algoritmos de clave pública se basan en problemas que el algoritmo de Shor no puede resolver, como el criptosistema de McEliece , que se basa en un problema difícil en la teoría de la codificación . ^{[ 76 ] [ 78 ]} No se sabe que los criptosistemas basados ​​en retículos sean susceptibles a las computadoras cuánticas, y encontrar un algoritmo de tiempo polinomial para resolver el problema del subgrupo oculto diedral , que rompería muchos criptosistemas basados ​​en retículos, es un problema abierto bien estudiado. ^{[ 79 ]} Aplicar el algoritmo de Grover para romper un algoritmo simétrico (de clave secreta) por fuerza bruta requiere aproximadamente 2 ^{n /2} invocaciones del algoritmo criptográfico subyacente, en comparación con aproximadamente 2 ⁿ en el caso clásico, ^{[ 80 ]} lo que significa que las longitudes de las claves simétricas se reducen efectivamente a la mitad: AES-256 tendría una seguridad comparable contra tal ataque a la de AES-128 contra la búsqueda clásica por fuerza bruta.

Los algoritmos postcuánticos están diseñados para ejecutarse en una computadora clásica, pero son difíciles de descifrar. La criptografía cuántica reemplaza los algoritmos de cifrado convencionales con técnicas basadas en la mecánica cuántica, como el entrelazamiento. En principio, el cifrado cuántico no puede ser descifrado ni siquiera por una computadora cuántica. Esta ventaja conlleva un costo significativo en infraestructura, a la vez que impide la descifración legítima de mensajes. ^{[ 73 ]}

El ejemplo más conocido de un problema que permite una aceleración cuántica polinomial es la búsqueda no estructurada, que implica encontrar un elemento marcado en una lista de${\displaystyle n}$elementos en una base de datos. Esto se puede resolver mediante el algoritmo de Grover utilizando${\displaystyle O({\sqrt {n}})}$consultas a la base de datos, cuadráticamente menos que la${\displaystyle \Omega (n)}$consultas requeridas para algoritmos clásicos. En este caso, la ventaja no solo es demostrable, sino también óptima: se ha demostrado que el algoritmo de Grover proporciona la máxima probabilidad posible de encontrar el elemento deseado para cualquier número de búsquedas en el oráculo. Muchos ejemplos de aceleraciones demostrables para problemas de consulta se basan en el algoritmo de Grover, incluyendo el algoritmo de Brassard, Høyer y Tapp para encontrar colisiones en funciones de dos a uno, ^{[ 81 ]} y el algoritmo de Farhi, Goldstone y Gutmann para evaluar árboles NAND. ^{[ 82 ]}

Los problemas que pueden abordarse eficientemente con el algoritmo de Grover tienen las siguientes propiedades: ^{[ 83 ] [ 84 ]}

• La colección de posibles respuestas no tiene una estructura que permita realizar búsquedas.
• El número de posibles respuestas a comprobar es el mismo que el número de entradas al algoritmo,
• Existe una función booleana que evalúa cada entrada y determina si es la respuesta correcta.

Para problemas con todas estas propiedades, el tiempo de ejecución del algoritmo de Grover en una computadora cuántica se escala como la raíz cuadrada del número de entradas (o elementos en la base de datos), a diferencia del escalado lineal de los algoritmos clásicos. Una clase general de problemas a los que se puede aplicar el algoritmo de Grover ^{[ 85 ]} es un problema de satisfacibilidad booleana , en el que el algoritmo itera a través de todas las posibles respuestas. Un ejemplo y posible aplicación de esto es un programa para descifrar contraseñas que intenta adivinar una contraseña. Romper cifrados simétricos con este algoritmo es de interés para las agencias gubernamentales. ^{[ 86 ]}

El recocido cuántico utiliza el teorema adiabático para realizar cálculos. Un sistema se sitúa en el estado fundamental para un hamiltoniano simple, que evoluciona hacia un hamiltoniano más complejo cuyo estado fundamental representa la solución al problema en cuestión. El teorema adiabático establece que, si la evolución es suficientemente lenta, el sistema permanece en su estado fundamental durante todo el proceso. El recocido cuántico puede resolver modelos de Ising y el problema de optimización binaria cuadrática sin restricciones (QUBO), que es computacionalmente equivalente y que, a su vez, puede utilizarse para codificar una amplia gama de problemas de optimización combinatoria . ^{[ 87 ]}La optimización adiabática puede ser útil para resolver problemas de biología computacional . ^{[ 88 ]}

Dado que las computadoras cuánticas pueden producir resultados que las computadoras clásicas no pueden producir de manera eficiente, y dado que la computación cuántica es fundamentalmente álgebra lineal, es posible que existan algoritmos cuánticos que puedan acelerar las tareas de aprendizaje automático . ^{[ 51 ] [ 89 ]} Sin embargo, la literatura revisada señala que muchas de las ventajas propuestas para el aprendizaje automático cuántico se basan en suposiciones sobre la codificación eficiente de datos o el acceso continuo al hardware cuántico, y no se han traducido en una ventaja práctica hasta 2024. ^{[ 90 ] [ 91 ]} Por ejemplo, se cree que el algoritmo HHL proporciona una aceleración con respecto a sus contrapartes clásicas. ^{[ 51 ] [ 92 ]} Grupos de investigación han explorado hardware de recocido cuántico para entrenar máquinas de Boltzmann y redes neuronales profundas . ^{[ 93 ] [ 94 ] [ 95 ]}

Se han explorado modelos de química generativa profunda para posibles aplicaciones en el descubrimiento de fármacos . Se ha explorado hardware cuántico a corto plazo para el modelado generativo molecular para el descubrimiento de fármacos. En 2023, investigadores informaron un modelo generativo híbrido cuántico-clásico basado en una máquina de Boltzmann restringida, implementado en un dispositivo de recocido cuántico disponible comercialmente, para generar nuevas moléculas pequeñas con propiedades fisicoquímicas comparables a los compuestos medicinales. ^{[ 96 ] [ 97 ]} Sin embargo, el inmenso tamaño y complejidad del espacio estructural de todas las posibles moléculas relevantes plantean obstáculos significativos, que podrían superarse en el futuro mediante computadoras cuánticas. Las computadoras cuánticas son naturalmente buenas para resolver problemas cuánticos complejos de muchos cuerpos ^{[ 23 ]} y, por lo tanto, pueden aplicarse a aplicaciones que involucran química cuántica. Los modelos generativos mejorados cuánticamente ^{[ 98 ]} incluyendo redes generativas adversarias cuánticas (GAN) ^{[ 99 ]} pueden desarrollarse en algoritmos de química generativa.

La inteligencia artificial se ha explorado como herramienta para descubrir y optimizar algoritmos cuánticos. AlphaEvolve , un sistema de Google DeepMind basado en grandes modelos de lenguaje y algoritmos evolutivos , se ha descrito como un agente de codificación para el descubrimiento científico y algorítmico. ^{[ 100 ]} En la investigación de computación cuántica, los circuitos cuánticos optimizados por AlphaEvolve se han utilizado en trabajos sobre computación cuántica de geometría molecular mediante ecos de espín nuclear de muchos cuerpos . ^{[ 101 ]}

Muchos desafíos técnicos se presentan en la construcción de una computadora cuántica a gran escala. ^{[ 104 ]} El físico David DiVincenzo ha enumerado estos requisitos para una computadora cuántica práctica: ^{[ 105 ]}

• Escalable físicamente para aumentar el número de cúbits.
• Qubits que pueden inicializarse con valores arbitrarios.
• Puertas cuánticas más rápidas que el tiempo de decoherencia
• Juego de puertas universales
• Qubits que se pueden leer fácilmente.

El control de sistemas de múltiples cúbits requiere la generación y coordinación rápidas de un gran número de señales eléctricas con una sincronización determinista. Esto ha llevado al desarrollo de controladores cuánticos que permiten la interfaz con los cúbits. Escalar estos sistemas para admitir muchos cúbits representa un desafío adicional. ^{[ 106 ]}

La posibilidad de vulnerar el cifrado de clave pública ha motivado cambios en las estrategias globales de ciberseguridad. El Instituto Nacional de Estándares y Tecnología (NIST) inició procesos detallados de estandarización para la criptografía postcuántica. Estos esfuerzos globales están diseñados para desarrollar, evaluar e implementar algoritmos criptográficos que sean seguros frente a ataques tanto cuánticos como clásicos. ^{[ 107 ]}

Una solución al problema de la escalabilidad consiste en distribuir un cálculo entre varios módulos de procesamiento cuántico más pequeños, en lugar de aumentar el número de cúbits en un único dispositivo. En estas arquitecturas modulares —también conocidas como computación cuántica distribuida (DQC)— cada módulo contiene un número limitado de cúbits, y los módulos se interconectan mediante canales cuánticos (por ejemplo, fibras ópticas) y enlaces de comunicación clásicos, formando un único sistema de computación lógica. ^{[ 123 ]}

En una estrategia, la lógica cuántica entre cúbits en diferentes módulos se aplica mediante teletransportación de compuertas cuánticas , utilizando entrelazamiento remoto entre los módulos, pero operaciones y mediciones locales dentro de cada módulo, y comunicación clásica de los resultados de las mediciones. ^{[ 124 ]} En 2025 se demostraron algoritmos cuánticos distribuidos a través de un enlace de red fotónica entre módulos de iones atrapados, así como compuertas de dos cúbits teletransportadas entre registros de cúbits de estado sólido remotos basados ​​en centros de vacantes de nitrógeno en diamante. ^{[ 123 ] [ 125 ]}

La generación de entrelazamiento remoto de alta tasa y alta fidelidad a través de la red es el principal desafío en los protocolos distribuidos. La detección cuántica podría convertirse en parte integral de una computadora cuántica distribuida. ^{[ 126 ]}

John Preskill acuñó el término supremacía cuántica para describir la hazaña de ingeniería que supone demostrar que un dispositivo cuántico programable puede resolver un problema que supera las capacidades de las computadoras clásicas. ^{[ 127 ] [ 51 ] [ 128 ]} El problema no tiene por qué ser útil, por lo que la prueba de supremacía cuántica podría ser simplemente un punto de referencia futuro. ^{[ 129 ]}

En octubre de 2019, Google Quantum AI , con la ayuda de la NASA , se convirtió en la primera en afirmar haber alcanzado la supremacía cuántica al realizar cálculos en la computadora cuántica Sycamore más de 3.000.000 de veces más rápido que en Summit , considerada entonces la computadora más rápida del mundo. ^{[ 29 ] [ 130 ] [ 131 ]} Esta afirmación fue cuestionada: IBM declaró que Summit puede realizar muestras mucho más rápido de lo afirmado. ^{[ 132 ] [ 133 ]} Posteriormente, los investigadores desarrollaron mejores algoritmos cuánticos para el problema del muestreo, ^{[ 134 ] [ 135 ] [ 136 ]} posiblemente superando a Summit. ^{[ 137 ] [ 138 ] [ 139 ]}

En diciembre de 2020, un grupo de la USTC implementó un tipo de muestreo de bosones en 76 fotones con una computadora cuántica fotónica , Jiuzhang , en busca de la supremacía cuántica. ^{[ 140 ] [ 141 ] [ 142 ]} Los autores afirmaron que una computadora clásica requeriría 600 millones de años para generar la cantidad de muestras que su procesador cuántico generó en 20 segundos. ^{[ 143 ]}

Las afirmaciones exageradas de supremacía cuántica, ^{[ 144 ]} se basaron en tareas que no implican directamente aplicaciones del mundo real. ^{[ 102 ] [ 145 ]}

Un estudio de enero de 2024 informó sobre la verificación de experimentos de supremacía cuántica mediante el cálculo de amplitudes exactas para cadenas de bits generadas experimentalmente utilizando una supercomputadora Sunway, lo que demostró un salto significativo en la capacidad de simulación basada en un algoritmo de contracción de red tensorial de amplitud múltiple . ^{[ 146 ]}

A pesar de las grandes esperanzas puestas en la computación cuántica, el progreso significativo en el hardware y el optimismo sobre las aplicaciones futuras, un artículo de 2023 resumió las computadoras cuánticas actuales como "Por ahora, [no sirven para] absolutamente nada". El artículo afirmaba que las computadoras cuánticas aún no tienen utilidad práctica, aunque es probable que la tengan algún día. ^{[ 102 ]} Otro artículo de 2023 afirmaba que los algoritmos de computación cuántica son "insuficientes para obtener una ventaja cuántica práctica sin mejoras significativas en la pila de software/hardware". Predecía que los candidatos más prometedores para lograr una aceleración con computadoras cuánticas son los "problemas de datos pequeños", por ejemplo, en química y ciencia de los materiales. Concluía que muchos dominios de aplicación, como el aprendizaje automático, "no lograrán una ventaja cuántica con los algoritmos cuánticos actuales en el futuro previsible", e identificaba las limitaciones de E/S que hacen improbable la aceleración para "problemas de big data, sistemas lineales no estructurados y búsqueda en bases de datos basada en el algoritmo de Grover". ^{[ 103 ]}

Esta situación se debe a varias consideraciones actuales y a largo plazo.

• El hardware y los algoritmos informáticos convencionales están optimizados para tareas prácticas y siguen mejorando rápidamente.
• El hardware de computación cuántica genera una gran cantidad de ruido antes de poder completar cualquier tarea útil.
• Los algoritmos cuánticos proporcionan aceleración solo para algunas tareas, y relacionar estas tareas con aplicaciones prácticas es un desafío. Algunas de ellas requieren recursos que superan con creces los disponibles. ^{[ 147 ] [ 148 ]} En particular, procesar grandes cantidades de datos es un desafío. ^{[ 103 ]}
• Algunos algoritmos prometedores han sido "descuantizados", es decir, se han encontrado análogos no cuánticos con una complejidad similar.
• La sobrecarga de la corrección de errores cuánticos puede socavar la aceleración que ofrecen muchos algoritmos cuánticos. ^{[ 103 ]}
• El análisis de la complejidad de los algoritmos puede basarse en suposiciones abstractas que no se cumplen en la práctica. Por ejemplo, es posible que los datos de entrada no estén disponibles codificados en estados cuánticos, y las "funciones oráculo" utilizadas en el algoritmo de Grover suelen tener una estructura interna que puede aprovecharse para desarrollar algoritmos más rápidos.

En particular, construir ordenadores con un gran número de cúbits puede resultar inútil si estos no están bien conectados y no pueden mantener un entrelazamiento suficiente durante el tiempo necesario. Los investigadores suelen elegir tareas novedosas para diferenciar los dispositivos cuánticos y demostrar límites inferiores en la complejidad de los algoritmos clásicos, pero esto no siempre es posible.

Bill Unruh puso en duda la practicidad de las computadoras cuánticas en un artículo publicado en 1994. ^{[ 149 ]} Paul Davies argumentó que una computadora de 400 cúbits entraría en conflicto con el límite de información cosmológica implícito en el principio holográfico . ^{[ 150 ]} Gil Kalai dudó de que alguna vez se lograra la supremacía cuántica. ^{[ 151 ] [ 152 ] [ 153 ]} El físico Mikhail Dyakonov expresó su escepticismo sobre la computación cuántica de la siguiente manera:

^{"Así pues ,} el número de parámetros continuos que describen el estado de un ordenador cuántico tan útil en un momento dado debe ser... aproximadamente 10³⁰⁰ ... ^¿ Podríamos alguna vez aprender a controlar los más de 10³⁰⁰ parámetros continuamente variables que definen el estado cuántico de un sistema así? Mi respuesta es sencilla. No, nunca. " ^{[ 154 ]}

Una computadora cuántica práctica debe usar un sistema físico como registro cuántico programable. ^{[ 156 ]} Los investigadores están explorando varias tecnologías como candidatas para implementaciones confiables de cúbits. ^{[ 157 ]} Los superconductores y los iones atrapados son algunas de las propuestas más desarrolladas, pero los experimentalistas también están considerando otras posibilidades de hardware. ^{[ 158 ]} Por ejemplo, se están explorando enfoques de computación cuántica topológica para sistemas de computación más tolerantes a fallas. ^{[ 159 ]}

Las primeras puertas lógicas cuánticas se implementaron con iones atrapados y se han desarrollado prototipos de máquinas de propósito general con hasta 20 cúbits. Sin embargo, la tecnología detrás de estos dispositivos combina equipos complejos de vacío, láseres y equipos de microondas y radiofrecuencia, lo que dificulta la integración de procesadores a gran escala con equipos informáticos estándar. Además, el propio sistema de iones atrapados presenta desafíos de ingeniería que superar. ^{[ 160 ]}

Los sistemas comerciales más grandes se basan en dispositivos superconductores y han alcanzado una escala de 2000 cúbits. Sin embargo, las tasas de error para máquinas más grandes han sido del orden del 5 %. Tecnológicamente, todos estos dispositivos son criogénicos y la escala a un gran número de cúbits requiere la integración a escala de oblea, lo que representa un serio desafío de ingeniería en sí mismo. ^{[ 161 ]}

Además de las plataformas criogénicas, se han demostrado experimentalmente enfoques a temperatura ambiente para las interfaces espín-fotón. En 2025, investigadores de la Universidad de Stanford desarrollaron un dispositivo a nanoescala en el que una fina capa de diselenuro de molibdeno se integra en un sustrato de silicio nanoestructurado, lo que permite una interfaz espín-fotón que opera en condiciones ambientales utilizando luz "retorcida" estructurada para acoplar grados de libertad electrónicos y fotónicos. ^{[ 162 ] [ 163 ]} Estas interfaces espín-fotón integradas en chips a temperatura ambiente se están investigando como posibles bloques de construcción para redes cuánticas heterogéneas que combinan diferentes modalidades de cúbits y reducen la dependencia de grandes infraestructuras criogénicas. ^{[ 162 ] [ 164 ]}

Cualquier problema computacional que pueda resolver una computadora clásica también puede resolverse con una computadora cuántica. ^{[ 165 ]} Intuitivamente, esto se debe a que todos los fenómenos físicos, incluido el funcionamiento de las computadoras clásicas, pueden describirse utilizando la mecánica cuántica , que es la base del funcionamiento de las computadoras cuánticas.

Por el contrario, cualquier problema que pueda resolver una computadora cuántica también puede resolverse con una computadora clásica. Es posible simular manualmente tanto computadoras cuánticas como clásicas con solo papel y bolígrafo, si se dispone del tiempo suficiente. Formalmente, cualquier computadora cuántica o clásica puede simularse con una máquina de Turing . Las computadoras cuánticas no ofrecen mayor capacidad de cálculo que las computadoras clásicas. Por lo tanto, las computadoras cuánticas no pueden resolver problemas indecidibles como el problema de la parada , y la existencia de computadoras cuánticas no refuta la tesis de Church-Turing . ^{[ 166 ]}

Si bien las computadoras cuánticas no pueden resolver ningún problema que las computadoras clásicas no puedan resolver ya, se sospecha que pueden resolver ciertos problemas más rápido que las computadoras clásicas. Por ejemplo, se sabe que las computadoras cuánticas pueden factorizar números enteros de manera eficiente , mientras que no se cree que esto sea posible para las computadoras clásicas.

La clase de problemas que pueden ser resueltos eficientemente por una computadora cuántica con error acotado se denomina BQP , por "error acotado, cuántico, tiempo polinomial". Más formalmente, BQP es la clase de problemas que pueden ser resueltos por una máquina de Turing cuántica de tiempo polinomial con una probabilidad de error de como máximo 1/3. Como clase de problemas probabilísticos, BQP es la contraparte cuántica de BPP ("error acotado, probabilístico, tiempo polinomial"), la clase de problemas que pueden ser resueltos por máquinas de Turing probabilísticas de tiempo polinomial con error acotado. ^{[ 167 ]}${\displaystyle {\mathsf {BPP\subseteq BQP}}}$pero ninguna prueba demuestra que${\displaystyle {\mathsf {BQP\neq BPP}}}$, lo que intuitivamente significaría que las computadoras cuánticas ofrecen una complejidad temporal superior a la de las computadoras clásicas. ^{[ 168 ]}

Se desconoce la relación exacta de BQP con P , NP y PSPACE . Sin embargo, se sabe que${\displaystyle {\mathsf {P\subseteq BQP\subseteq PSPACE}}}$; es decir, todos los problemas que pueden ser resueltos eficientemente por una computadora clásica pueden ser resueltos eficientemente por una computadora cuántica, y todos los problemas que pueden ser resueltos eficientemente por una computadora cuántica pueden ser resueltos por una computadora clásica con recursos de espacio polinomial.

Se sospecha que BQP es un superconjunto estricto de P, lo que significa que existen problemas que pueden ser resueltos eficientemente por computadoras cuánticas pero que no pueden ser resueltos eficientemente por computadoras clásicas. Por ejemplo, la factorización de enteros y el problema del logaritmo discreto están en BQP y se sospecha que están fuera de P. Sobre la relación de BQP con NP, se sabe poco excepto que los problemas NP que no están en P están en BQP (la factorización de enteros y el problema del logaritmo discreto están ambos en NP, por ejemplo). Se sospecha que${\displaystyle {\mathsf {NP\nsubseteq BQP}}}$; es decir, se cree que algunos problemas verificables eficientemente no son resolubles eficientemente por una computadora cuántica. Una consecuencia directa es que BQP es disjunto de la clase de problemas NP-completos (si un problema NP-completo estuviera en BQP, entonces se seguiría de la NP-dureza que todos los problemas en NP están en BQP). ^{[ 169 ]}

• Computadora cuántica de cúbits de gato : enfoque propuesto basado en cúbits de estado de gato .
• Computadora cuántica de Kane : arquitectura propuesta de computadora cuántica de espín nuclear basada en silicio .
• Computación cuántica óptica lineal : modelo fotónico que utiliza fotones y elementos ópticos lineales.
• Computadora cuántica de átomos neutros : enfoque que utiliza átomos neutros atrapados y controlados con técnicas ópticas.
• Computadora cuántica de resonancia magnética nuclear : un enfoque que utiliza la resonancia magnética nuclear y los estados de espín nuclear molecular.
• Computadora cuántica de cúbits de espín : arquitectura de semiconductores que utiliza estados de espín como cúbits.
• Computación cuántica superconductora : un enfoque que utiliza circuitos electrónicos superconductores.
• Computadora cuántica topológica : enfoque propuesto que utiliza estados topológicos como los aniones .
• Computadora cuántica de iones atrapados : un método que utiliza átomos cargados atrapados como cúbits.