💡 ¿Qué es la computación cuántica?
Usa superposición y entrelazamiento para resolver problemas imposibles para ordenadores clásicos.
📅 Última actualización: veintiocho de febrero de dos mil veintiséis
📑 Índice de contenidos
- Qué es el volumen cuántico y por qué necesitamos una métrica unificada
- La fórmula del volumen cuántico: cómo se calcula paso a paso
- Factores que determinan el volumen cuántico de un procesador
- Ranking de volumen cuántico: qué procesadores lideran en dos mil veintiséis
- Limitaciones del volumen cuántico como métrica
- CLOPS: la métrica complementaria que IBM creó para resolver las carencias
- Alternativas al volumen cuántico: Q-Score, fidelidad de circuitos y benchmarks de aplicación
- Volumen cuántico y la era NISQ: qué nos dice realmente sobre el estado del sector
- Cómo interpretar el volumen cuántico si eres inversor o profesional
- Preguntas frecuentes
Qué es el volumen cuántico y por qué necesitamos una métrica unificada
Durante los primeros años de desarrollo de la computación cuántica, la forma más común de comparar procesadores era simplemente contar el número de qubits. Un procesador de ciento veintisiete qubits parecía automáticamente superior a uno de cincuenta y cuatro. Pero esta comparación era profundamente engañosa, porque el número de qubits por sí solo no dice nada sobre la calidad de esos qubits, ni sobre la capacidad real del procesador para ejecutar algoritmos útiles.
💡 Pro Tip
Visita iacuanticaavanzada.com para más guías actualizadas.
Imagina que te dicen que un coche tiene un motor de quinientos caballos. Suena impresionante, pero si la transmisión pierde el ochenta por ciento de la potencia, si las ruedas apenas tienen adherencia y si el chasis se desintegra a ciento veinte kilómetros por hora, esos quinientos caballos no significan nada en la práctica. Lo mismo ocurre con los qubits: un procesador puede tener miles de qubits, pero si la decoherencia destruye los estados cuánticos antes de completar el cálculo, o si las puertas cuánticas introducen demasiados errores, el número de qubits es irrelevante.
El equipo de investigación de IBM reconoció este problema en dos mil diecinueve y propuso el volumen cuántico como una métrica holística que captura el rendimiento global de un sistema cuántico en un solo número. La idea era revolucionaria en su simplicidad: en lugar de comparar características aisladas, el volumen cuántico mide la capacidad del procesador para ejecutar circuitos cuánticos aleatorios de tamaño creciente con un nivel de precisión estadísticamente verificable.
La fórmula del volumen cuántico: cómo se calcula paso a paso
El volumen cuántico se define formalmente como dos elevado a n, donde n es el mayor número de qubits sobre los cuales el procesador puede ejecutar circuitos aleatorios de profundidad n con una probabilidad de éxito superior al sesenta y seis coma siete por ciento (dos tercios). En notación matemática: QV = 2^n, donde n = min(ancho, profundidad efectiva).
Para entender esto, descompongamos el proceso de medición. Primero, se genera un conjunto de circuitos cuánticos aleatorios que utilizan n qubits y tienen n capas de puertas cuánticas de dos qubits seleccionadas aleatoriamente del grupo unitario SU(4). Estos circuitos se ejecutan tanto en el procesador cuántico real como en un simulador clásico perfecto. Se comparan los resultados: si la distribución de probabilidad medida en el procesador real está más cerca de la distribución ideal que del azar puro (un problema conocido como heavy output generation), y esto se cumple con un intervalo de confianza del noventa y siete coma cinco por ciento, entonces el procesador «pasa» el test para esa dimensión n.
| Volumen cuántico | Qubits efectivos (n) | Profundidad de circuito | Interpretación |
|---|---|---|---|
| ocho | tres | tres capas | Circuitos muy simples |
| treinta y dos | cinco | cinco capas | Algoritmos básicos |
| ciento veintiocho | siete | siete capas | Complejidad intermedia |
| quinientos doce | nueve | nueve capas | Algoritmos significativos |
| cuatro mil noventa y seis | doce | doce capas | Estado del arte actual |
El aspecto más elegante de la fórmula es que equilibra automáticamente cantidad y calidad. Un procesador con muchos qubits de baja calidad no conseguirá pasar el test para valores altos de n, porque los errores acumulados destruirán la señal. Y un procesador con pocos qubits de altísima calidad tampoco alcanzará un volumen cuántico alto, porque n está limitado por el número de qubits disponibles. Solo los procesadores que combinan ambas cosas alcanzan volúmenes cuánticos elevados.
Factores que determinan el volumen cuántico de un procesador
Cuatro factores principales influyen en el volumen cuántico de un procesador, y entender cada uno es esencial para interpretar correctamente esta métrica y compararla entre fabricantes.
El primero es el número de qubits, que establece el techo teórico del volumen cuántico. Un procesador de veinte qubits no puede tener un QV superior a 2^20 (un poco más de un millón), aunque en la práctica siempre queda muy por debajo de ese límite. Los qubits superconductores de IBM y Google han liderado históricamente en número, mientras que los iones atrapados de IonQ y Quantinuum han compensado con mayor fidelidad por qubit.
El segundo factor es la tasa de error de puerta. Cada vez que se aplica una puerta cuántica (especialmente las puertas de dos qubits como CNOT o CZ), se introduce un pequeño error. Si la tasa de error por puerta es del uno por ciento y el circuito requiere cien puertas, la probabilidad de que el resultado sea correcto cae dramáticamente. Los mejores procesadores actuales logran tasas de error del cero coma uno al cero coma cinco por ciento por puerta de dos qubits, pero incluso estas cifras limitan severamente la profundidad de circuito útil.
El tercer factor es la conectividad del procesador. No todos los qubits pueden interactuar directamente con todos los demás. En los procesadores superconductores, cada qubit suele estar conectado a dos, tres o cuatro vecinos. Si necesitas aplicar una puerta entre qubits no adyacentes, el compilador debe insertar operaciones SWAP adicionales que consumen capas de circuito y añaden errores. Los procesadores de iones atrapados suelen tener conectividad total (cada qubit puede interactuar con cualquier otro), lo que les da una ventaja significativa en volumen cuántico relativo al número de qubits.
El cuarto factor es el tiempo de coherencia, que mide cuánto tiempo mantienen los qubits su estado cuántico antes de que la decoherencia lo destruya. Si las puertas cuánticas tardan demasiado en ejecutarse respecto al tiempo de coherencia, el circuito no puede alcanzar la profundidad necesaria. Los tiempos de coherencia típicos van desde los cien microsegundos en procesadores superconductores hasta los varios segundos en sistemas de iones atrapados, lo que explica parte de la diferencia en volumen cuántico entre ambas tecnologías.
Ranking de volumen cuántico: qué procesadores lideran en dos mil veintiséis
| Fabricante | Procesador | Tecnología | Qubits | Volumen cuántico |
|---|---|---|---|---|
| Quantinuum | H2 | Iones atrapados | cincuenta y seis | sesenta y cinco mil quinientos treinta y seis |
| IonQ | Forte Enterprise | Iones atrapados | treinta y seis | treinta y dos mil setecientos sesenta y ocho |
| IBM | Heron r2 | Superconductores | ciento cincuenta y seis | dieciséis mil trescientos ochenta y cuatro |
| Rigetti | Ankaa-3 | Superconductores | ochenta y cuatro | cuatro mil noventa y seis |
Lo más revelador de esta tabla es que los procesadores de iones atrapados dominan el ranking de volumen cuántico a pesar de tener menos qubits. Quantinuum con cincuenta y seis qubits supera en QV a IBM con ciento cincuenta y seis porque sus tasas de error son significativamente menores y su conectividad es total. Esto ilustra perfectamente por qué contar qubits es una métrica engañosa y por qué IBM creó el volumen cuántico para capturar una imagen más completa del rendimiento.
Limitaciones del volumen cuántico como métrica
A pesar de su utilidad, el volumen cuántico tiene limitaciones importantes que la propia IBM ha reconocido públicamente. La primera y más fundamental es que mide circuitos aleatorios, no aplicaciones reales. Un procesador puede tener un volumen cuántico alto pero rendir mal en algoritmos específicos como Shor o VQE si su topología de conectividad no se adapta bien a la estructura del problema.
La segunda limitación es que el volumen cuántico asume circuitos cuadrados (n qubits por n capas), pero muchos algoritmos reales tienen formas muy diferentes: pueden necesitar pocos qubits con muchísima profundidad, o muchos qubits con poca profundidad. El QV no captura estas asimetrías. Un procesador optimizado para circuitos anchos y poco profundos puede ser más útil para ciertos problemas de quantum machine learning que otro con mayor QV pero peor rendimiento en ese régimen específico.
La tercera limitación es la saturación. A medida que los procesadores mejoran, el volumen cuántico crece exponencialmente (se duplica con cada incremento de n), lo que dificulta la comparación entre generaciones. La diferencia entre un QV de treinta y dos mil y uno de sesenta y cinco mil parece pequeña numéricamente pero implica un qubit efectivo adicional, lo que es un avance considerable. Esta escala logarítmica confunde a inversores y periodistas que interpretan los números de forma lineal.
CLOPS: la métrica complementaria que IBM creó para resolver las carencias
Consciente de las limitaciones del volumen cuántico, IBM introdujo en dos mil veintiuno una métrica complementaria: CLOPS (Circuit Layer Operations Per Second). Mientras que el QV mide qué tan grande y complejo puede ser un circuito ejecutado con fidelidad, CLOPS mide qué tan rápido puede el sistema ejecutar circuitos de forma útil. Es la diferencia entre preguntar «¿cuánto peso puedes levantar?» (QV) y «¿cuántas repeticiones puedes hacer por minuto?» (CLOPS).
CLOPS se calcula ejecutando circuitos parametrizados del tamaño del volumen cuántico del procesador y midiendo cuántas capas de circuito por segundo completa el sistema de extremo a extremo, incluyendo la compilación, la transmisión a la nube, la ejecución y la devolución de resultados. Esto captura no solo el rendimiento del hardware cuántico sino también la eficiencia de todo el stack de software, que es igualmente crítico para aplicaciones reales.
La combinación de QV y CLOPS ofrece una imagen mucho más completa: QV te dice qué problemas puede abordar el procesador, y CLOPS te dice cuántos de esos problemas puede resolver por unidad de tiempo. Para aplicaciones como la optimización de carteras financieras o la simulación molecular donde se necesitan miles de ejecuciones de circuito, CLOPS puede ser más determinante que el propio volumen cuántico.
Alternativas al volumen cuántico: Q-Score, fidelidad de circuitos y benchmarks de aplicación
El volumen cuántico no es la única métrica disponible, y otros actores del sector han propuesto alternativas que enfatizan diferentes aspectos del rendimiento cuántico.
Q-Score de Atos mide el rendimiento del procesador en un problema combinatorio específico (MaxCut), lo que proporciona una evaluación más cercana al rendimiento en aplicaciones reales. La ventaja es que Q-Score compara directamente con soluciones clásicas, permitiendo determinar para qué tamaños de problema el procesador cuántico iguala o supera al mejor algoritmo clásico conocido.
La fidelidad de muestreo de circuitos aleatorios (Random Circuit Sampling) es la métrica que Google utilizó para su demostración de supremacía cuántica con Sycamore. En lugar de medir la probabilidad de éxito binaria como el QV, esta métrica evalúa cuánto se desvía la distribución medida de la distribución ideal, lo que proporciona una granularidad mayor para procesadores de alto rendimiento.
Los benchmarks de aplicación representan el siguiente nivel de evaluación, donde se mide el rendimiento del procesador en problemas concretos del mundo real: simulación molecular, optimización logística, factorización, búsqueda en bases de datos. Estos benchmarks son los más útiles para usuarios finales pero los más difíciles de estandarizar, ya que cada problema tiene requisitos diferentes.
Volumen cuántico y la era NISQ: qué nos dice realmente sobre el estado del sector
En el contexto de la era NISQ, el volumen cuántico es probablemente la métrica más informativa para evaluar el progreso del sector. Su crecimiento exponencial sostenido (los mejores procesadores han duplicado su QV aproximadamente cada año desde dos mil diecinueve) indica que el sector está avanzando de forma consistente, incluso si la corrección de errores cuánticos a gran escala sigue sin estar resuelta.
El hecho de que múltiples fabricantes con tecnologías diferentes (superconductores, iones atrapados, fotónicos) estén alcanzando volúmenes cuánticos significativos es una señal positiva de que el progreso no depende de una sola apuesta tecnológica. Esto reduce el riesgo sistémico para el sector y sugiere que la computación cuántica no es un fenómeno de laboratorio aislado sino una tecnología en maduración con múltiples caminos viables hacia la utilidad comercial.
Sin embargo, es crucial no sobreinterpretar el volumen cuántico. Un QV de sesenta y cinco mil sigue estando muy lejos de lo necesario para ejecutar el algoritmo de Shor capaz de romper la criptografía actual, que requeriría miles de qubits lógicos con tasas de error infinitesimales. El volumen cuántico nos dice que estamos progresando, pero no que estemos cerca de la meta final.
Cómo interpretar el volumen cuántico si eres inversor o profesional
Si estás evaluando inversiones en computación cuántica, el volumen cuántico es uno de los indicadores técnicos que deberías seguir, pero nunca de forma aislada. Una empresa que anuncia un QV récord está demostrando capacidad de ingeniería, pero eso no se traduce automáticamente en ingresos o en ventaja comercial sostenible.
Lo que sí deberías observar es la tasa de crecimiento del QV respecto a la inversión realizada. Una empresa que duplica su volumen cuántico con cada generación de procesador demuestra que está escalando eficientemente. Si la curva de progreso se aplana, puede indicar que están alcanzando los límites de su arquitectura.
Para profesionales técnicos que evalúan plataformas cuánticas para su organización, la recomendación es clara: el volumen cuántico te da una primera aproximación de la capacidad del procesador, pero antes de elegir proveedor, deberías ejecutar tus propios benchmarks específicos al tipo de problema que quieres resolver. Las plataformas cloud de IBM, Google y Microsoft permiten hacer esto de forma gratuita o con créditos de prueba, y el resultado será mucho más relevante que cualquier número de marketing.
Para quienes estén empezando a explorar la computación cuántica desde cero y quieran entender las bases sobre las que se construyen estas métricas, dominar conceptos como la superposición cuántica, el entrelazamiento cuántico y los fundamentos de programación cuántica con Qiskit es el mejor punto de partida para interpretar correctamente la avalancha de métricas y anuncios que genera este sector.
Preguntas frecuentes
¿Qué es el volumen cuántico?
Es una métrica creada por IBM que mide el rendimiento global de un ordenador cuántico. Se calcula como dos elevado a n, donde n es el mayor número de qubits sobre los que el procesador puede ejecutar circuitos aleatorios cuadrados con una tasa de éxito superior al sesenta y seis coma siete por ciento.
¿Un volumen cuántico más alto significa siempre mejor procesador?
No necesariamente. Un QV alto indica buena combinación de qubits, fidelidad y conectividad, pero no dice nada sobre el rendimiento en aplicaciones específicas. Un procesador con menor QV pero optimizado para tu caso de uso concreto puede ser más útil.
¿Por qué IBM dejó de usar el volumen cuántico como métrica principal?
Porque a medida que los procesadores superaron un QV de ciento veintiocho, la métrica empezó a saturarse y perdió capacidad discriminante. IBM introdujo CLOPS como complemento para medir la velocidad práctica del sistema.
¿Cuál es el volumen cuántico más alto alcanzado?
Quantinuum mantiene el récord con su procesador H2 de iones atrapados, que ha demostrado un QV de sesenta y cinco mil quinientos treinta y seis (equivalente a dieciséis qubits efectivos con dieciséis capas de profundidad).
¿Qué volumen cuántico se necesita para aplicaciones comerciales útiles?
Depende enormemente de la aplicación. Para problemas de optimización simples, un QV superior a mil puede ser suficiente. Para simulación molecular de moléculas medianas, se necesitan órdenes de magnitud superiores, algo que la computación cuántica para farmacia espera alcanzar en los próximos años.
Alternativas emergentes al volumen cuántico
Ante las limitaciones del volumen cuántico como métrica universal, varias organizaciones han propuesto alternativas. Los benchmarks de aplicación miden directamente el rendimiento en problemas reales (simulación molecular, optimización, machine learning) en lugar de en circuitos aleatorios. QED-C (Quantum Economic Development Consortium) está desarrollando un conjunto estandarizado de benchmarks de aplicación que permitirá comparar procesadores de diferentes tecnologías en tareas comercialmente relevantes.
Los benchmarks de circuito aleatorio como los que Google utilizó para demostrar supremacía cuántica con Sycamore miden la capacidad bruta de ejecutar circuitos complejos, pero no se traducen directamente en utilidad práctica. Los benchmarks algorítmicos de empresas como IonQ (#AQ, Algorithmic Qubits) intentan medir cuántos qubits son realmente útiles para ejecutar algoritmos completos, descontando los que se pierden por errores. A medida que el hardware madure y la corrección de errores se generalice, las métricas basadas en qubits lógicos y en rendimiento algorítmico desplazarán al volumen cuántico como estándar de la industria.
El futuro de las métricas cuánticas: hacia benchmarks estandarizados
La industria de la computación cuántica se dirige inevitablemente hacia la estandarización de benchmarks. Organismos como el NIST en Estados Unidos y el ETSI en Europa están trabajando en marcos de evaluación que permitan comparar procesadores de diferentes fabricantes bajo condiciones controladas y reproducibles, de forma análoga a cómo los benchmarks SPEC estandarizaron la evaluación de procesadores clásicos hace décadas. Mientras tanto, la combinación de volumen cuántico, CLOPS y benchmarks de aplicación específicos sigue siendo la mejor herramienta disponible para evaluar el rendimiento real de los sistemas cuánticos actuales. Los avances en estándares postcuánticos del NIST demuestran que este tipo de estandarización, aunque lenta, termina llegando y transformando el sector.
⚛️ Más sobre IA Cuántica
<\!-- wp:html -->
<\!-- /wp:html -->
Deja una respuesta