Cúbits lógicos, IA agéntica y computación híbrida marcan el avance cuántico

Matthew Kinsella, CEO de Infleqtion, ha abierto la ponencia ‘The Exponential Quantum Curve’ con el anuncio del principal hito tecnológico de la compañía para 2026, 30 cúbits lógicos en su ordenador cuántico de átomos neutros Sqale a partir de 80 cúbits físicos. El resultado cumple el objetivo anunciado por la compañía un año antes en el mismo congreso.

Para Kinsella, la computación cuántica “son múltiples curvas exponenciales avanzando al mismo tiempo”, haciendo referencia a su capacidad para generar cambio. La inteligencia artificial (IA) está teniendo un efecto directo sobre el desarrollo de la computación cuántica. La combinación de estas tecnologías puede significar un efecto de retroalimentación. “Cuando estas curvas empiezan a moverse juntas, se refuerzan entre sí”, considera. El software y los algoritmos permiten hacer más cosas con menos hardware, mientras la IA acelera el desarrollo y los nuevos clientes proporcionan problemas concretos sobre los que trabajar.

Por eso, sitúa la principal incógnita en el ritmo de adopción. “La mayor sorpresa en computación cuántica podría no ser si resulta útil, sino lo rápido que esto sucede”, afirma.

Infleqtion, 30 cúbits lógicos

Pranav Gokhale, CTO y cofundador de Infleqtion, explica cómo se consigue el nuevo resultado, 30 cúbits lógicos con 80 cúbits físicos. “La arquitectura aprovecha la conectividad de los átomos neutros y organiza los cúbits físicos en diez grupos de ocho para construir las unidades lógicas”, desarrolla.

El sistema, por un lado, realiza puertas de entrelazamiento sin mover los átomos y, por otro, los reorganiza para conseguir diferentes patrones de conectividad. En la demostración se ejecutaron 136 operaciones físicas de entrelazamiento, además de otras operaciones sobre los cúbits, hasta alcanzar aproximadamente 1.000 operaciones físicas.

Gokhale puntualiza que el equipo tuvo que comprobar que los 30 cúbits lógicos no eran sólo el resultado del ruido del sistema. Para ello, “ejecutamos un algoritmo que entrelazaba los 30 cúbits lógicos y comparamos la señal obtenida con lo que cabría esperar del ruido físico”.

Uno de los avances desvelados es que el equipo de software cuántico de Infleqtion colaboró con GPT-5.6 para desarrollar una nueva forma de realizar el entrelazamiento lógico con la mitad de las puertas físicas necesarias hasta entonces. Según Gokhale, esta reducción permite conseguir “una mayor fidelidad y un mayor rendimiento de las ejecuciones destinadas a los clientes”, un desarrollo que muestra, además, cómo la IA puede intervenir en el diseño y optimización de los circuitos.

La demostración de Infleqtion incluye cuatro puertas lógicas no Clifford, denominadas CCZ. Gokhale considera que estas operaciones son especialmente complejas porque permiten construir “una interacción muy compleja entre nuestros cúbits lógicos”. El objetivo es aumentar progresivamente la complejidad de las operaciones hasta superar los límites de la simulación clásica. “A medida que añadimos más y más puertas no Clifford, escapamos del ámbito de lo que los ordenadores clásicos pueden simular”, afirma.

También, la compañía ha desarrollado un sistema que permite elegir entre diferentes modos de funcionamiento según las necesidades de precisión y rendimiento. En el modo de corrección de pérdidas, explica Gokhale, “podemos cuadruplicar el número de ejecuciones con las que resolvemos nuestros problemas a cambio de una precisión ligeramente menor”.

El sistema permite así adaptar el funcionamiento a cada aplicación. “Damos a nuestros clientes un control que pueden ajustar en cualquier punto entre estos dos extremos”, señala el CTO, en referencia al equilibrio entre precisión y capacidad de procesamiento.

Infleqtion está probando un modelo híbrido en el que los circuitos lógicos se entrenan en GPU y después se ejecutan en el sistema cuántico. Gokhale resume que “entrenamiento clásico y ejecución cuántica son fundamentales”. Esta separación, según incide, permite decidir de forma más eficiente qué parte del trabajo debe realizar cada tipo de infraestructura.

La compañía ya está aplicando este modelo con tres clientes. Uno de los casos anunciados públicamente es Welcome Leap Q for Bio, que utiliza computación cuántica para avanzar en el descubrimiento de biomarcadores. La hoja de ruta contempla alcanzar 100 cúbits lógicos en 2028 y 1.000 en 2030. “El siguiente salto pasa por aumentar la capacidad de procesamiento desde las actuales 1.000 operaciones físicas hasta un millón”, concluye.

Microsoft, investigación e IA agéntica

Otra de las ponencias planteadas en el Quantum World Congress traslada el foco desde la arquitectura de los sistemas cuánticos hasta las herramientas que permitirán utilizarlos. Jason Zander, vicepresidente ejecutivo de Microsoft, ha abordado la convergencia entre computación cuántica, IA y computación de alto rendimiento y sus implicaciones para el descubrimiento científico.

Zander destaca que la evolución del hardware está acompañada por una nueva generación de herramientas de software. El ecosistema incluye SDK, compiladores, estimadores de recursos y simuladores, mientras que el nuevo kit de desarrollo cuántico de Microsoft incorpora herramientas para química, Visual Studio Code, Jupyter Notebooks y otros entornos.

Pero la principal transformación, según Zander, puede producirse al combinar estas capacidades con la IA agéntica. “La ingeniería de software agéntica nos permite escribir una cantidad enorme de código”, afirma. “Personalmente, he introducido 400.000 líneas de código por mi cuenta en los últimos seis meses. Todo ello mediante ingeniería agéntica”.

El siguiente paso consiste en trasladar este modelo al ámbito científico, visión que se materializa en Microsoft Discovery, presentado oficialmente en junio. Zander lo describe haciendo hincapié en que “es para los científicos lo que GitHub Copilot o Cloud Code son para los desarrolladores de software”.

La plataforma proporciona acceso a diferentes recursos de computación y está diseñada para mantener procesos de razonamiento durante periodos prolongados. Según Zander, permite utilizar motores capaces de “razonar y pensar durante días o semanas” y acceder a “cualquier tipo de computación” necesario para el problema.

El objetivo es modificar también el perfil de conocimiento necesario para aprovechar estas herramientas. “El futuro de la herramienta no consiste tanto en tener que convertirse en un científico computacional como en utilizar activamente las propias capacidades científicas”, explica.

Cuando los sistemas cuánticos estén disponibles con nuevas capacidades, Microsoft plantea utilizarlos junto a la IA para realizar simulaciones y también para entrenar modelos y mejorar los procesos de cribado científico.

Como resumía Kinsella en el cierre de su intervención, “quizá la mayor sorpresa resida en lo rápido que todo esto va a volverse útil”.