VQE 2026: Algoritmo Variacional para Química Cuántica

📅 Articulo actualizado en dos mil veintiseis

📑 Índice de contenidos

📅 Articulo actualizado en dos mil veintiseis

📑 Índice de contenidos

📅 Última actualización: marzo de 2026. Contenido revisado y verificado.

El problema central de la química cuántica computacional

La química, en su nivel más fundamental, es mecánica cuántica aplicada. Las propiedades de cualquier molécula, su estructura, reactividad, espectro y estabilidad, están determinadas por el comportamiento cuántico de sus electrones. Predecir estas propiedades requiere resolver la ecuación de Schrödinger para el sistema de electrones y núcleos que forman la molécula.

El problema es que resolver esta ecuación exactamente es exponencialmente difícil para los ordenadores clásicos. La función de onda que describe el estado de N electrones vive en un espacio de dimensión exponencial: para representar exactamente el estado de cincuenta electrones se necesitaría almacenar más números que átomos hay en el universo observable.

Los químicos computacionales han desarrollado métodos aproximados como DFT (Density Functional Theory) y coupled cluster (CCSD(T)) que funcionan razonablemente bien para muchas moléculas. Sin embargo, estos métodos fallan o son impracticables para sistemas fuertemente correlacionados: moléculas con múltiples centros metálicos, estados de transición de reacciones catalíticas, y sistemas biológicos como los sitios activos de enzimas.

Estos son precisamente los sistemas más relevantes para la industria: los catalizadores que podrían hacer la producción de fertilizantes más eficiente, los sitios activos de proteínas donde se unen los fármacos, y los materiales avanzados para baterías y células solares. La incapacidad de simularlos con precisión es un cuello de botella que frena la innovación en química y farmacia.

VQE: la idea que une lo cuántico con lo clásico

El Variational Quantum Eigensolver fue propuesto en 2014 por Alberto Peruzzo y colaboradores, incluyendo a Alán Aspuru-Guzik, uno de los pioneros de la química cuántica computacional. La idea central es dividir el problema entre un procesador cuántico y un ordenador clásico, aprovechando las fortalezas de cada uno.

El procesador cuántico se encarga de lo que hace bien de forma natural: preparar y manipular estados cuánticos que representan configuraciones electrónicas de la molécula. Un sistema de N electrones en M orbitales se mapea a un sistema de M qubits, donde el estado de cada qubit indica si un orbital está ocupado o vacío.

El ordenador clásico se encarga de la optimización: analiza los resultados de las mediciones cuánticas y ajusta los parámetros del circuito para acercar el estado preparado al estado fundamental de la molécula. Este bucle de preparación cuántica, medición y optimización clásica se repite hasta que la energía converge al mínimo.

La belleza de VQE es que no requiere circuitos cuánticos profundos ni corrección de errores perfecta. Los circuitos son relativamente cortos, del orden de decenas a cientos de puertas, y el optimizador clásico puede compensar parcialmente los errores del hardware buscando el mínimo de energía incluso en presencia de ruido. Esto lo hace compatible con los procesadores de la era NISQ actual.

El principio variacional: por qué funciona

VQE se basa en uno de los principios más fundamentales de la mecánica cuántica: el principio variacional de Rayleigh-Ritz. Este principio establece que para cualquier estado de prueba del sistema, la energía esperada es siempre mayor o igual que la energía del estado fundamental verdadero. Matemáticamente, si psi es cualquier estado normalizado y H es el hamiltoniano del sistema, entonces el valor esperado de H respecto a psi es mayor o igual que la energía del estado fundamental E0.

La consecuencia práctica es que si preparamos una familia de estados de prueba parametrizados y buscamos los parámetros que minimizan la energía esperada, estamos garantizados de que el mínimo encontrado es una cota superior a la energía real. Cuanto más expresiva sea la familia de estados, el ansatz, más cerca estará esta cota del valor real.

En un ordenador cuántico, la energía esperada se estima ejecutando el circuito muchas veces y midiendo los qubits en diferentes bases. El hamiltoniano molecular se descompone en una suma de términos de Pauli, y la energía esperada de cada término se estima midiendo las correlaciones entre los qubits correspondientes. La suma de todas estas contribuciones da la energía total.

Este proceso de estimación requiere muchas ejecuciones del circuito, lo que se traduce en un coste significativo en tiempo de máquina cuántica. Es aquí donde la velocidad del procesador, medida por métricas como CLOPS, se vuelve relevante para la viabilidad práctica de VQE.

Ansätze cuánticos: la forma del circuito importa

La elección del ansatz, el circuito cuántico parametrizado que genera los estados de prueba, es la decisión más importante en VQE. Un ansatz demasiado simple no puede representar el estado fundamental con suficiente precisión. Uno demasiado complejo requiere circuitos profundos que acumulan errores y tiene demasiados parámetros que dificultan la convergencia del optimizador.

El ansatz UCCSD (Unitary Coupled Cluster Singles and Doubles) está inspirado en el método coupled cluster de la química cuántica clásica. Genera estados que incluyen excitaciones simples y dobles de un estado de referencia, capturando las correlaciones electrónicas más importantes. Es el ansatz más fiel a la física del problema pero requiere circuitos profundos con muchas puertas cuánticas CNOT.

El hardware-efficient ansatz (HEA) toma el camino opuesto: ignora la estructura del problema y construye el circuito usando las puertas nativas del procesador en una estructura de capas repetidas. Esto minimiza la profundidad del circuito y aprovecha al máximo la conectividad del hardware, pero no tiene garantía de poder representar el estado fundamental con precisión. Además, los HEA suelen sufrir de barren plateaus, regiones del espacio de parámetros donde los gradientes se vuelven exponencialmente pequeños, haciendo imposible la optimización.

ADAPT-VQE, propuesto por Grimsley y colaboradores en 2019, construye el ansatz de forma adaptativa: empieza con un circuito vacío y añade una puerta a la vez, eligiendo en cada paso la puerta que más reduce la energía. Esto produce circuitos más cortos y mejor adaptados al problema específico, evitando tanto la sobreprofundidad del UCCSD como los barren plateaus del HEA.

El bucle híbrido cuántico-clásico paso a paso

El algoritmo VQE completo sigue un bucle iterativo con pasos claramente definidos. Primero se define el hamiltoniano molecular del sistema, traduciendo la estructura electrónica de la molécula a operadores cuánticos que actúan sobre los qubits.

Segundo, se elige un ansatz y se inicializan sus parámetros, típicamente de forma aleatoria o usando una estimación informada por métodos clásicos como Hartree-Fock. Tercero, se ejecuta el circuito ansatz en el procesador cuántico con los parámetros actuales, preparando el estado de prueba.

Cuarto, se mide la energía esperada del hamiltoniano. Dado que el hamiltoniano se descompone en cientos o miles de términos de Pauli para moléculas realistas, este paso requiere ejecutar el circuito muchas veces con diferentes configuraciones de medición. El número total de ejecuciones necesarias puede ser de millones para obtener una estimación precisa.

Quinto, el optimizador clásico recibe la estimación de energía y calcula nuevos valores para los parámetros del circuito. Los optimizadores más utilizados incluyen COBYLA, SPSA y L-BFGS-B. Sexto, se repiten los pasos tercero a quinto hasta que la energía converge, es decir, hasta que cambiar los parámetros ya no reduce significativamente la energía.

Tabla: tipos de ansatz y sus características

Mapeo de moléculas a qubits: de fermiones a espines

Para ejecutar VQE en un procesador cuántico, la primera tarea técnica es traducir el problema molecular a un problema de qubits. Los electrones son fermiones, partículas que obedecen el principio de exclusión de Pauli, mientras que los qubits son sistemas de dos niveles sin esta restricción. Se necesita un mapeo que preserve la antisimetría fermiónica.

Los dos mapeos más utilizados son la transformación de Jordan-Wigner y la transformación de Bravyi-Kitaev. Jordan-Wigner asigna cada orbital molecular a un qubit: si el qubit está en uno, el orbital está ocupado; si está en cero, está vacío. La antisimetría se preserva mediante cadenas de puertas Z que se extienden a lo largo de todos los qubits, lo que introduce operaciones de largo alcance.

La transformación de Bravyi-Kitaev utiliza una codificación binaria más sofisticada que reduce la longitud de las cadenas de operadores, a costa de una relación menos intuitiva entre qubits y orbitales. Para sistemas grandes, Bravyi-Kitaev produce circuitos más cortos que Jordan-Wigner.

El número de qubits necesarios depende del número de orbitales activos de la molécula. Para el hidrógeno molecular H2, bastan dos a cuatro qubits. Para la cafeína, se necesitarían cientos. Para una enzima completa, decenas de miles. Esta escalabilidad es lo que hace que la promesa de VQE sea a largo plazo: las moléculas que realmente importan para la industria están más allá de las capacidades actuales.

Resultados en hardware real: qué se ha logrado hasta ahora

VQE ha sido demostrado experimentalmente en múltiples plataformas de hardware cuántico. La primera demostración fue en 2014 por Peruzzo y colaboradores usando un procesador fotónico para calcular la energía del helio-hidruro HeH+. Desde entonces, los resultados han escalado gradualmente.

En procesadores superconductores de IBM, se han calculado las curvas de energía de disociación de H2, LiH y BeH2 con precisión química. Google ha utilizado sus procesadores Sycamore para simulaciones de la cadena de hidrógeno y del modelo de Hubbard, obteniendo resultados que, aunque reproducibles clásicamente para los tamaños estudiados, validan la metodología para futuras escalas.

IonQ ha ejecutado VQE para moléculas como H2O con sus procesadores de iones atrapados, aprovechando la conectividad completa para reducir la profundidad de los circuitos UCCSD. Quantinuum ha reportado los resultados de VQE más precisos en hardware, beneficiándose de sus fidelidades de puerta superiores.

El problema honesto es que todos estos resultados son para moléculas que cualquier ordenador clásico moderno puede resolver en fracciones de segundo. La comunidad lo reconoce abiertamente: VQE en hardware NISQ es actualmente una demostración de principio, no una herramienta útil. La utilidad real vendrá cuando los procesadores escalen a cientos de qubits de alta calidad.

Limitaciones de VQE y algoritmos que lo mejoran

VQE tiene varias limitaciones significativas. El problema de los barren plateaus, mencionado anteriormente, hace que la optimización sea exponencialmente difícil para circuitos aleatorios profundos. La estimación de la energía requiere un número enorme de mediciones, que crece con la precisión deseada y el número de términos del hamiltoniano. Y la convergencia del optimizador clásico puede ser lenta y susceptible a mínimos locales.

Varios algoritmos han sido propuestos para superar estas limitaciones. ADAPT-VQE construye el ansatz de forma adaptativa, evitando los barren plateaus. El filtrado cuántico de subespacios (QSQF) y las técnicas de amplificación de señal cuántica reducen el número de mediciones necesarias. Y los métodos de agrupación de términos de Pauli reducen el número de configuraciones de medición diferentes.

QPE (Quantum Phase Estimation), el algoritmo cuántico original para encontrar energías moleculares, ofrece una solución exacta pero requiere circuitos exponencialmente más profundos y corrección de errores cuánticos completa. A largo plazo, QPE reemplazará a VQE para los cálculos más precisos, pero VQE seguirá siendo relevante como método de preparación de estados iniciales para QPE.

El camino a la ventaja cuántica en química

La primera demostración de ventaja cuántica comercial tiene muchas posibilidades de ocurrir en la simulación molecular, y VQE o sus sucesores serán probablemente los algoritmos utilizados. La pregunta es cuándo y para qué sistema.

Los candidatos más discutidos son las moléculas con correlaciones electrónicas fuertes que son intratables para los métodos clásicos más precisos: complejos de metales de transición utilizados en catálisis industrial, como el complejo de hierro-molibdeno en la nitrogenasa que fija nitrógeno; intermediarios de reacciones químicas difíciles de caracterizar experimentalmente; y materiales con propiedades electrónicas exóticas como los superconductores de alta temperatura.

Las estimaciones actuales sugieren que se necesitarán entre cien y trescientos qubits lógicos para simular estos sistemas con precisión química. Con un overhead de corrección de errores de mil a diez mil qubits físicos por qubit lógico, esto se traduce en procesadores de cientos de miles a millones de qubits físicos, una escala que IBM proyecta alcanzar hacia 2030-2033.

Mientras tanto, los algoritmos variacionales como VQE y sus variantes están siendo refinados y probados en problemas de tamaño creciente, acumulando la experiencia y las herramientas de software necesarias para estar preparados cuando el hardware alcance la escala necesaria. Para quienes buscan carreras en computación cuántica, la química cuántica computacional es una de las áreas con mayor demanda de talento.

Preguntas frecuentes

¿Qué es VQE?

Un algoritmo híbrido cuántico-clásico que encuentra la energía del estado fundamental de moléculas usando un circuito cuántico parametrizado optimizado por un ordenador clásico. Es el algoritmo estrella de la era NISQ.

¿Por qué importa para la farmacéutica?

Calcular energías moleculares es clave para diseñar fármacos, catalizadores y materiales. VQE promete resolver moléculas intratables para métodos clásicos.

¿Cómo funciona?

Un circuito cuántico prepara un estado molecular de prueba. Se mide su energía. Un optimizador clásico ajusta los parámetros del circuito para minimizarla. Se repite hasta converger.

¿Qué es un ansatz?

El circuito cuántico parametrizado que genera los estados de prueba. Los principales son UCCSD, hardware-efficient ansatz y ADAPT-VQE, cada uno con diferentes compromisos entre profundidad y precisión.

¿Funciona en hardware actual?

Sí, para moléculas pequeñas como H2 y LiH. Pero estos resultados son reproducibles clásicamente. La ventaja real llegará con cientos de qubits de alta calidad.

Profundiza con nuestras guías sobre programar con Qiskit, las aplicaciones reales en 2026 y el futuro de la IA cuántica.

<\!-- wp:html -->

<\!-- /wp:html -->

Otros algoritmos cuánticos clave

• QAOA — el «primo hermano» de VQE para problemas de optimización combinatoria.
• Algoritmo de Shor — el algoritmo cuántico más famoso, con potencial real disruptivo.
• Computación cuántica: guía completa — el marco conceptual donde encaja VQE.