¿Cuál es la diferencia entre computación clásica y cuántica? Explicado sin rodeos

Pídele a tu portátil que calcule la ruta más rápida para repartir paquetes en 50 ciudades. Lo intentará. Y tardará lo que tarda un reloj de arena en contar granos uno a uno. No porque el procesador sea malo, sino porque está construido sobre una idea muy sencilla: hacer las cosas en orden.

Ese es exactamente el punto donde la diferencia entre computación clásica y cuántica deja de ser un debate académico y se convierte en algo concreto. Los chips de silicio que llevas en el bolsillo llegaron a un techo físico. La ley de Moore — esa observación empírica de que el número de transistores se duplica cada dos años — se está desacelerando de forma palpable. TSMC y Samsung fabrican nodos de 3 nanómetros, pero el coste de cada nueva generación se dispara y las ganancias de rendimiento ya no justifican la inversión. Además, está el problema del calor: más transistores en menos espacio significa más disipación, y ahí es donde el famoso "muro de Dennard" cerró el paso a las frecuencias de reloj desbocadas hace más de una década. Por eso los procesadores actuales tienen más núcleos, no más gigahercios.

Los transistores ya miden apenas unos nanómetros. A esa escala, los electrones empiezan a atravesar las barreras de silicio por efecto túnel, un fenómeno puramente cuántico que convierte el interruptor en una puerta con goteras. No puedes hacerlos mucho más pequeños sin que la mecánica cuántica sabotee su funcionamiento.

El cimiento clásico: cómo piensa tu ordenador actual

Tu ordenador, tu móvil, el servidor donde se aloja esta página… todos funcionan con la misma moneda de cambio: el bit. Un bit vale 0 o 1. Punto. No hay término medio.

Imagina un interruptor de luz de toda la vida. Arriba, encendido (1). Abajo, apagado (0). Cada transistor dentro de un procesador es exactamente eso: un interruptor microscópico fabricado con semiconductores de silicio, donde una puerta controla el paso de electrones entre la fuente y el drenador. En un chip moderno como el Apple M3 o el Intel Core i9 de 14.ª generación, hay decenas de miles de millones de estos interruptores comprimidos en un área menor que una uña. Cada uno se abre y se cierra miles de millones de veces por segundo.

La arquitectura que orquesta todo este ballet se llama Von Neumann: los datos viajan entre la memoria y la unidad de procesamiento a través de un bus compartido. Funciona. Pero ese trayecto — el famoso "cuello de botella de Von Neumann" — consume energía y tiempo. Cada vez que la CPU pide un dato a la RAM, hay una espera. Las memorias caché L1, L2 y L3 intentan mitigar el problema guardando lo más usado cerca del procesador, pero el fondo del asunto no cambia: los datos tienen que moverse físicamente.

Los bits binarios trabajan en fila. Si un problema tiene un millón de combinaciones posibles, el ordenador clásico las revisa una tras otra. Puede ser rapidísimo en cada revisión, pero la fila sigue siendo una fila. Esa es la arquitectura que sostiene toda la industria del software desde los años 50. Y funciona maravillosamente bien para casi todo lo que haces a diario: editar un documento, jugar a un videojuego, enviar un email.

El problema aparece cuando la fila se hace infinita. Simular una molécula compleja para diseñar un fármaco. Optimizar las rutas de mil camiones de reparto en tiempo real. Romper un sistema de criptografía basado en factorizar números gigantescos. En estos terrenos, revisar posibilidades una a una no es lento: es inviable.

Para que te hagas una idea, un procesador de 3 GHz ejecuta unos 3.000 millones de ciclos por segundo. Un algoritmo que necesite revisar 2 elevado a 256 combinaciones — el espacio de búsqueda de una clave AES-256 — tardaría más tiempo que la edad del universo, incluso con todos los superordenadores del planeta trabajando en paralelo. Ese es el tipo de problema donde la computación clásica choca contra un muro de complejidad algorítmica, no de velocidad bruta.

El salto cuántico: qué hace tan especial a un cúbit

Un cúbit (o qubit, por sus siglas en inglés) no es un bit mejorado. Es una bestia distinta. Y la diferencia no está en la velocidad de cada operación, sino en cuántas operaciones puedes hacer al mismo tiempo.

Aquí es donde conviene aclarar algo que muchos artículos confunden: un cúbit no es "más datos". Es una unidad de información que obedece a las reglas de la mecánica cuántica, no a las de la lógica booleana. Matemáticamente, un bit clásico vive en un espacio de dos puntos discretos {0, 1}. Un cúbit vive en una esfera — la esfera de Bloch — donde cada punto de la superficie representa un estado cuántico válido. Los polos norte y sur corresponden a |0⟩ y |1⟩ (la notación de Dirac que usan los físicos), pero cualquier otro punto de la esfera es una combinación lineal de ambos: α|0⟩ + β|1⟩, donde α y β son amplitudes de probabilidad. Cuando mides el cúbit, colapsa a 0 o 1 con probabilidades dadas por |α|² y |β|².

Volvamos al interruptor de luz. Un bit clásico es ese interruptor quieto: o arriba o abajo. Un cúbit es como una moneda girando sobre la mesa mientras está en el aire. Mientras gira, no es cara ni cruz. Es las dos cosas a la vez. Solo cuando la moneda se detiene y la miras — cuando mides el cúbit — se decide por un valor concreto.

Ese estado intermedio, esa capacidad de ser 0 y 1 simultáneamente, es lo que los físicos llaman superposición. Y no es una metáfora bonita: es el comportamiento real de partículas subatómicas como electrones o fotones cuando nadie las está observando directamente.

Pero hay un detalle crucial que separa la realidad del marketing: no puedes "leer" todas esas superposiciones a la vez. Cuando mides un sistema cuántico, solo obtienes un resultado. La ventaja viene de diseñar algoritmos que manipulan las amplitudes de probabilidad antes de medir — amplificando las respuestas correctas y cancelando las incorrectas mediante interferencia destructiva, como ondas en un estanque que se anulan entre sí. Es esa interferencia, no la superposición sola, lo que da poder a la computación cuántica.

Superposición: el arte de estar en dos estados a la vez

Piensa en una biblioteca con 8 libros. Si quieres encontrar el que tiene una página subrayada, un ordenador clásico abre el primero, busca, cierra, abre el segundo, busca, cierra… y así hasta encontrarlo. Como máximo, 8 intentos.

Un procesador cuántico con cúbits en superposición abre los 8 libros a la vez. No porque sea más rápido mirando cada página, sino porque no necesita elegir qué libro mirar primero. La información está en todos los estados simultáneamente.

La matemática detrás de esto es lo que marca la diferencia real: con cada cúbit adicional, el espacio de posibilidades se duplica. Dos cúbits pueden representar 4 estados a la vez. Tres cúbits, 8. Con 300 cúbits, el número de estados simultáneos supera la cantidad de átomos en el universo observable. No es que la máquina sea más rápida; es que el tablero de juego es otro.

Pero ojo, hay una distinción fundamental que los artículos divulgativos suelen omitir: tener un millón de estados en superposición no equivale a tener un millón de procesadores clásicos trabajando en paralelo. El truco del procesamiento en paralelo cuántico es algorítmico, no arquitectónico. Un algoritmo como el de Grover, por ejemplo, puede buscar un elemento en una base de datos no ordenada de N elementos en √N pasos en lugar de N/2. Para un millón de registros, un ordenador clásico necesita 500.000 intentos de media; Grover lo resuelve en 1.000. Esa es la aceleración cuadrática real, no mágica, pero sí demostrable.

Y el algoritmo de Shor, publicado en 1994 por Peter Shor en Bell Labs, es aún más contundente: factoriza un número entero en tiempo polinómico, mientras que el mejor algoritmo clásico conocido (la criba general del cuerpo de números) requiere tiempo subexponencial. Esta diferencia — entre polinómico y exponencial — es la que hace que la criptografía RSA de 2.048 bits, que protege la mayoría de las comunicaciones seguras actuales, sea vulnerable a un ordenador cuántico suficientemente grande.

Entrelazamiento: conexión instantánea a distancia

Si la superposición ya suena a ciencia ficción, el entrelazamiento cuántico es donde Einstein perdió la compostura y lo llamó «acción fantasmal a distancia».

Imagina dos monedas girando en habitaciones separadas, a kilómetros de distancia. Las lanzas al aire. Cuando una se detiene y muestra cara, la otra — instantáneamente — muestra cruz. No hay señal entre ellas. No hay cable, no hay wifi, no hay nada viajando por el espacio. Simplemente están conectadas de una forma que la física clásica no puede explicar.

Eso es el entrelazamiento: una correlación entre partículas que permanece sin importar la distancia que las separe. En 1964, el físico John Bell formuló un teorema que permitía verificar experimentalmente si estas correlaciones eran reales o si había "variables ocultas" que la mecánica cuántica no capturaba. Los experimentos de Alain Aspect en 1982 — y los de Anton Zeilinger y Nicolas Gisin después — confirmaron de forma inequívoca que las desigualdades de Bell se violan. No hay variables ocultas. El entrelazamiento es real. Los tres compartieron el Nobel de Física en 2022 por esto.

En computación cuántica, esto significa que puedes vincular cúbits para que la medición de uno afecte inmediatamente al estado del otro. Es lo que permite a los algoritmos cuánticos coordinar cálculos en ese enorme espacio de superposiciones sin perder el hilo. Sin entrelazamiento, un ordenador cuántico sería poco más que una colección de bits aleatorios.

Diferencia entre computación clásica y cuántica: la tabla comparativa

Por qué la computación cuántica no jubilará a tu PC

Aquí va la parte que los titulares sensacionalistas suelen omitir: un ordenador cuántico no va a sustituir al que tienes en casa. No va a ejecutar Word más rápido. No va a mejorar los gráficos de tus videojuegos. Y desde luego no lo vas a tener encima de la mesa.

Hay razones físicas de peso. Los cúbits son extraordinariamente frágiles. Cualquier vibración, cualquier fluctuación de temperatura, cualquier partícula que choque contra ellos — lo que los físicos llaman decoherencia cuántica — destruye la superposición y arruina el cálculo. Para evitarlo, los procesadores cuánticos actuales operan dentro de criostatos de dilución que los mantienen a temperaturas más frías que el espacio interestelar: alrededor de 15 milikelvin, es decir, 0,015 grados por encima del cero absoluto. El diluidor de helio-3 y helio-4 que hace posible esto cuesta cientos de miles de euros y ocupa una habitación entera.

El procesamiento en paralelo que ofrecen los cúbits es brutal, pero solo para cierto tipo de problemas. Aquellos donde necesitas explorar un abismo de combinaciones simultáneamente: factorizar números enormes (lo que afecta directamente a los sistemas de cifrado RSA que protegen tus transacciones bancarias), simular interacciones moleculares para descubrir nuevos medicamentos, o calcular la ruta óptima entre miles de variables logísticas.

Para abrir una hoja de cálculo, un bit clásico es perfecto. No necesitas una moneda girando en el aire para sumar dos columnas de Excel. La computación cuántica no es un procesador más rápido; es un instrumento diferente para un tipo de problema diferente.

Esto nos lleva a un concepto que deberías conocer: la era NISQ, por sus siglas en inglés (Noisy Intermediate-Scale Quantum). Es el periodo en el que estamos ahora. Máquinas con decenas a cientos de cúbits, demasiado ruidosas para corrección de errores a gran escala, pero lo suficientemente interesantes para que investigadores exploren algoritmos híbridos — combinaciones de procesamiento clásico y cuántico — en problemas reales de química computacional y optimización financiera. No es la computación cuántica perfecta que prometen los vídeos de marketing. Es algo más desordenado, más interesante y más honesto.

Preguntas frecuentes

¿Es la computación cuántica más rápida para todo?

No. La ventaja cuántica solo se manifiesta en problemas con estructuras matemáticas muy concretas. El algoritmo de Shor, por ejemplo, factoriza números exponencialmente más rápido que cualquier método clásico, lo que tiene implicaciones directas para la criptografía. El algoritmo de Grover acelera búsquedas en bases de datos no ordenadas con una aceleración cuadrática. Pero para tareas secuenciales —ordenar una lista, renderizar una imagen, comprimir un archivo, ejecutar una red neuronal— un procesador clásico sigue siendo más eficiente y, sobre todo, mucho más práctico.

¿Qué es la decoherencia cuántica y por qué es un problema?

La decoherencia cuántica es lo que ocurre cuando el entorno «interfiere» con los cúbits. Imagina que intentas mantener una moneda girando sobre la mesa, pero cada vez que pasa alguien cerca, la corriente de aire la tambalea y termina cayendo antes de tiempo. Eso es la decoherencia: el calor, las radiaciones electromagnéticas, incluso las vibraciones sísmicas más leves hacen que los cúbits pierdan su estado de superposición y produzcan resultados erróneos.

Por eso los ordenadores cuánticos necesitan ese blindaje extremo, esas temperaturas cercanas al cero absoluto y esas salas con aislamiento sísmico. Gestionar la decoherencia es, hoy por hoy, el mayor obstáculo para construir máquinas cuánticas más grandes y estables. La corrección cuántica de errores — empaquetar muchos cúbits físicos ruidosos en un solo cúbit lógico estable — es la solución teórica, pero el coste en recursos es enorme y estamos lejos de implementarla a la escala necesaria.