La estimación de fase cuántica (QPE, por sus siglas en inglés) es el procedimiento que calcula el «ángulo» —la fase— que un operador cuántico asocia a uno de sus estados propios. Es una de las subrutinas más importantes de toda la computación cuántica: es el corazón del algoritmo de Shor, el motor del cálculo de energías en química cuántica y una pieza del algoritmo HHL para resolver sistemas de ecuaciones lineales.
📋 Resumen rápido: muchos operadores cuánticos, al actuar sobre un estado especial (un «autoestado»), no lo cambian salvo por un giro de fase e2πiθ. Ese número θ codifica información valiosísima: puede ser el periodo de una función, la energía de una molécula o un autovalor de una matriz. La QPE extrae θ con precisión arbitraria usando un registro auxiliar de qubits y una transformada de Fourier cuántica inversa. Cuantos más qubits auxiliares, más decimales de θ obtienes. Su gran limitación: exige circuitos profundos, fuera del alcance del hardware ruidoso actual.
Última actualización: julio de 2026.
Qué es la fase que estima el algoritmo
En mecánica cuántica, un operador que evoluciona un sistema (una puerta, la dinámica de un Hamiltoniano) es una transformación «unitaria» U. Algunos estados son especiales para U: al aplicarles el operador, no se transforman en otra cosa, solo se multiplican por un factor de fase e2πiθ. Se llaman autoestados, y ese θ —un número entre 0 y 1— es su fase asociada. En términos físicos, la fase suele estar ligada a una cantidad medible: una energía, una frecuencia, un periodo.
El detalle crucial es que esa fase no se puede leer midiendo directamente. Una fase global es invisible a la medición: si preparas el autoestado y lo mides, no obtienes θ por ningún lado. La genialidad de la QPE es un truco de «transferencia»: conseguir que esa fase, imposible de observar en el estado original, se escriba como un número binario en un registro aparte que sí podemos medir. Es, en el fondo, un conversor de información de fase a información de posición.
Un poco de historia: Kitaev y el problema del subgrupo oculto
La formulación moderna de la estimación de fase se debe a Alexei Kitaev, que en 1995 la presentó como pieza de un enfoque general para una familia de problemas conocida como «problema del subgrupo oculto abeliano». Bajo ese paraguas caben la factorización, el logaritmo discreto y el cálculo de órdenes: problemas aparentemente distintos que comparten la misma estructura profunda y que se resuelven, todos, detectando periodicidad mediante la transformada de Fourier cuántica. La QPE es la herramienta que unifica ese zoo de problemas, y por eso se estudia como una de las subrutinas fundamentales de la disciplina.
Cómo funciona: registro de conteo y QFT inversa
El algoritmo usa dos registros de qubits. Uno guarda el autoestado; el otro, el «registro de conteo», empieza en superposición uniforme y servirá para escribir la respuesta.
- Superposición: se aplican puertas de Hadamard al registro de conteo para ponerlo en todos los valores a la vez.
- Aplicaciones controladas de U: cada qubit de conteo controla aplicar U un número distinto de veces (1, 2, 4, 8…). Así, la fase θ se va «acumulando» en las amplitudes del registro de conteo, cada vez con más peso, como si cada qubit midiera un dígito binario distinto de θ.
- Transformada de Fourier inversa: se aplica la QFT inversa al registro de conteo. Esto convierte la fase acumulada, dispersa entre las amplitudes, en un número binario concreto.
- Medición: al medir el registro de conteo se obtiene, con altísima probabilidad, la representación binaria de θ.
Un ejemplo concreto
Imagina el operador más simple posible: una puerta de fase que deja el estado |0⟩ intacto y multiplica el estado |1⟩ por e2πiθ. Su autoestado es |1⟩, y su fase es exactamente ese θ. Si preparamos el registro auxiliar en |1⟩ y aplicamos la puerta un número creciente de veces controlada por cada qubit de conteo, la fase θ queda escrita en el registro de conteo. La QFT inversa la «revela» y, al medir, leemos los bits de θ. Con este ejemplo mínimo se entiende la mecánica sin ecuaciones: la fase invisible se ha convertido en un número que aparece en pantalla.
Precisión: cuántos qubits hacen falta
La precisión depende del tamaño del registro de conteo: con n qubits auxiliares se obtienen aproximadamente n bits de θ. Y aquí está la eficiencia: duplicar la precisión cuesta solo unos qubits más, no el doble de recursos. Hay un matiz de probabilidad: si θ no cae exactamente en un valor de n bits, la medición devuelve el valor más cercano con alta probabilidad, y valores vecinos con probabilidad decreciente. Para garantizar un número concreto de bits correctos con una confianza alta, se añaden unos pocos qubits extra al registro de conteo. Es un compromiso limpio entre precisión, fiabilidad y recursos.
La QPE dentro del algoritmo de Shor
El algoritmo de Shor factoriza convirtiendo el problema en «encontrar el periodo» de una función exponencial modular. Ese periodo se obtiene, en realidad, estimando la fase de un operador de multiplicación modular. Dicho de otro modo: dentro de Shor late una estimación de fase cuántica. Por eso QPE, QFT y Shor forman una misma familia conceptual, con la QFT como la pieza más interna y la QPE como el procedimiento que la envuelve para extraer un número útil.
La QPE en química cuántica
Una de las promesas más serias de la computación cuántica es calcular la energía del estado fundamental de moléculas, algo que se atasca en los superordenadores clásicos cuando el sistema crece. La energía de una molécula es, matemáticamente, un autovalor de su Hamiltoniano; y estimar autovalores es exactamente lo que hace la QPE. En teoría, la QPE ofrece la ruta más precisa para estos cálculos, con una exactitud que escala de forma controlada con el número de qubits auxiliares.
El problema es práctico: la QPE exige circuitos muy profundos y un estado inicial de buena calidad (idealmente, ya cercano al autoestado que buscas). Ambas cosas están fuera del alcance del hardware ruidoso actual. Por eso, en la era NISQ, se usa a menudo el algoritmo variacional VQE, que reparte el trabajo entre un ordenador cuántico poco profundo y uno clásico, tolerando mejor el ruido a cambio de menos precisión. La QPE es el objetivo «de libro»; el VQE es el atajo viable de hoy.
QPE frente a VQE de un vistazo
- Qué calculan: ambos estiman autovalores (energías), pero la QPE los lee directamente y el VQE los minimiza por aproximaciones sucesivas.
- Profundidad de circuito: la QPE necesita circuitos profundos; el VQE, cortos y repetidos.
- Tolerancia al ruido: baja en la QPE, alta en el VQE.
- Precisión: alta y garantizada en la QPE; limitada por el ansatz y el optimizador en el VQE.
- Cuándo brilla cada uno: VQE hoy, en dispositivos NISQ; QPE mañana, con corrección de errores.
La QPE en el algoritmo HHL
El algoritmo HHL resuelve sistemas de ecuaciones lineales, un problema omnipresente en ingeniería, física y aprendizaje automático. Su idea es invertir una matriz operando sobre sus autovalores, y para conocer esos autovalores usa… una estimación de fase cuántica. La QPE escribe los autovalores en un registro, una rotación controlada los invierte, y luego se «descomputa» la QPE para dejar el sistema limpio. Es otro ejemplo de la QPE como engranaje central: casi nunca es el algoritmo final, casi siempre es el paso que hace posible el resto.
Implementar la QPE en Qiskit
Los SDK cuánticos incluyen la estimación de fase como bloque reutilizable. En Qiskit puede construirse combinando el operador controlado y la QFT inversa:
from qiskit import QuantumCircuit
from qiskit.circuit.library import QFT
n = 3 # qubits de conteo (precision)
qc = QuantumCircuit(n + 1, n)
qc.h(range(n)) # superposicion del registro de conteo
qc.x(n) # preparar el autoestado |1> (ejemplo)
# aplicaciones controladas de U con repeticiones 2^k:
# for k in range(n): repetir la puerta controlada 2**k veces
qc.append(QFT(n).inverse(), range(n)) # QFT inversa
qc.measure(range(n), range(n))
El resultado medido, leído como fracción binaria, aproxima θ. Aumentar n añade decimales de precisión. Para experimentar, conviene empezar con una fase sencilla (por ejemplo 1/4 o 1/8) y comprobar que el circuito la recupera con exactitud.
La variante iterativa y el problema de los recursos
La QPE estándar necesita mantener la coherencia durante muchas operaciones controladas y una QFT inversa completa: demasiado para procesadores NISQ. Existe una versión iterativa que estima θ bit a bit reutilizando un único qubit de conteo, midiendo y realimentando el resultado de forma clásica. Reduce la anchura del circuito a cambio de repetir el experimento, y es la que más se acerca a lo ejecutable en hardware real de hoy.
Aun así, la QPE completa a la escala que necesita, por ejemplo, la factorización de claves reales, requiere miles de qubits lógicos y una profundidad enorme. Eso solo será posible con corrección de errores cuánticos madura: qubits lógicos estables construidos a partir de muchos qubits físicos. La QPE es, en ese sentido, un algoritmo de la era de la tolerancia a fallos más que de la era NISQ. Su importancia teórica es máxima; su despliegue a gran escala, todavía futuro.
El reto de preparar el autoestado
La QPE tiene un requisito que las explicaciones suelen pasar por alto: necesita que el registro principal contenga un autoestado del operador, o algo muy parecido. Si en su lugar introduces una superposición de varios autoestados —lo habitual cuando no conoces la solución de antemano—, la QPE no falla, pero devuelve la fase de uno de esos autoestados, elegido al azar con probabilidad proporcional a cuánto se parezca tu estado inicial a cada uno.
Esto tiene una consecuencia práctica enorme. En química, preparar un buen estado de partida cercano al estado fundamental de una molécula es un problema difícil por sí mismo, a veces tan difícil como el cálculo posterior. Si tu estado inicial se parece poco al autoestado que buscas, la probabilidad de leer su fase es baja y tendrás que repetir muchas veces. Por eso, en la práctica, la QPE rara vez se usa «a ciegas»: se combina con métodos que preparan un estado inicial de calidad razonable, y la fase leída se interpreta siempre a la luz de ese solapamiento. Ignorar este detalle es una de las causas más comunes de expectativas irreales sobre lo que la QPE puede hacer hoy.
Conteo cuántico: contar soluciones con QPE
Una aplicación elegante y menos conocida es el conteo cuántico. El algoritmo de Grover encuentra una solución dentro de un conjunto no ordenado, pero no dice cuántas hay. Resulta que el operador de Grover tiene una fase asociada que codifica precisamente el número de soluciones del problema.
Aplicando la estimación de fase a ese operador se puede contar cuántas soluciones existen sin enumerarlas una por una, con una ventaja cuadrática sobre el conteo clásico. Es la base de algoritmos de estimación de cantidades —por ejemplo, aproximar integrales o probabilidades— que en su versión cuántica heredan esa aceleración. Un buen ejemplo de cómo la QPE se convierte en la navaja suiza de los algoritmos cuánticos: allí donde una cantidad interesante queda escondida en una fase, la estimación de fase la saca a la luz.
Una intuición final: la fase como un reloj
Una metáfora ayuda a fijar la idea. Piensa en cada aplicación del operador U como el tic de un reloj que avanza la manecilla un ángulo θ. Con una sola mirada al reloj no puedes saber a qué velocidad gira. Pero si lo observas tras 1, 2, 4 y 8 tics —justo lo que hacen los distintos qubits del registro de conteo, cada uno aplicando el operador un número distinto de veces— puedes reconstruir con precisión el ángulo de cada tic.
La QFT inversa es el «cálculo» que combina esas observaciones a distintas escalas de tiempo en una única lectura del ritmo. La estimación de fase es, en esencia, medir la velocidad de un reloj cuántico observándolo a varias escalas a la vez. Cuantas más escalas (más qubits de conteo), más cifras decimales obtienes de esa velocidad.
Preguntas frecuentes
¿Para qué sirve la estimación de fase cuántica?
Para extraer un número (la fase θ) codificado en un operador cuántico. Ese número puede ser un periodo, la energía de una molécula o un autovalor, según el problema. Por eso aparece en Shor, en química cuántica y en el algoritmo HHL.
¿Qué relación hay entre la QPE y la QFT?
La QFT inversa es el último paso de la QPE: convierte la fase acumulada en un número binario medible. La QPE es una aplicación directa de la transformada de Fourier cuántica.
¿Cuántos qubits necesita la QPE?
El registro de conteo determina la precisión: con n qubits se obtienen aproximadamente n bits de la fase. Para garantizar más bits correctos con alta probabilidad se añaden unos pocos qubits extra.
¿Por qué no se usa la QPE en los ordenadores cuánticos actuales?
Porque requiere circuitos muy profundos y estados iniciales precisos, algo inviable con el ruido de la era NISQ. Para química se prefiere el VQE, más tolerante al ruido, aunque menos exacto.
¿Qué diferencia hay entre la QPE y el VQE?
La QPE lee autovalores directamente con circuitos profundos y alta precisión; el VQE los minimiza con circuitos cortos y realimentación clásica, tolerando el ruido a cambio de menos exactitud. VQE es el atajo de hoy; QPE, el objetivo con corrección de errores.
¿La QPE necesita corrección de errores?
Para problemas reales a gran escala, sí. Su profundidad exige qubits lógicos estables, propios de la era de la tolerancia a fallos. En hardware actual solo se ejecutan versiones reducidas o iterativas.
⚠️ Aviso: contenido divulgativo. Para implementaciones consulta la documentación oficial de tu SDK cuántico y bibliografía especializada.