Mitigación de Errores Cuánticos (QEM): Guía y Técnicas Clave

Un cúbit superconductor de tipo transmon pierde su coherencia en apenas 100 microsegundos. Además, una puerta lógica de dos cúbits en los procesadores actuales más punteros presenta una tasa de error de entre el 0,1 % y el 1 %. A simple vista puede parecer una cifra asumible, pero al ejecutar un circuito de 200 puertas esos errores se multiplican en cascada. El resultado final medido apenas guarda relación con el estado cuántico ideal programado: la señal queda sepultada bajo el ruido.

He aquí la gran paradoja de la era NISQ. Disponemos de ordenadores cuánticos con 50, 100 e incluso más de 1000 cúbits —capacidad de cómputo con la que los superordenadores clásicos ya sufren serios problemas de cálculo—, pero el nivel de ruido de fondo es tan elevado que los datos en bruto carecen con frecuencia de validez científica. Simplemente no podemos «confiar a ciegas en el hardware».

Ante esta tesitura, esperar una década a que maduren arquitecturas completamente tolerantes a fallos no es una opción viable. La solución que la comunidad investigadora respalda de forma unánime desde 2019 es la mitigación de errores cuánticos (QEM, por sus siglas en inglés): una familia de metodologías que asume la imperfección del hardware físico para extraer magnitudes reproducibles mediante un refinado postprocesamiento estadístico clásico sobre las lecturas del circuito.

Desmitificando la mitigación de errores cuánticos: rescatar la verdad del ruido

Conviene acotar con absoluta precisión técnica qué es la mitigación de errores cuánticos, un término a menudo distorsionado en notas de prensa divulgativas.

La QEM no es un método para reparar cúbits estropeados. No blinda estados cuánticos durante la ejecución de los algoritmos ni añade redundancia espacial. Opera bajo un paradigma radicalmente distinto: se ejecuta el circuito ruidoso de forma masiva, se recopila una amplia distribución de lecturas y, a continuación, se aplica una corrección estadística clásica a los valores de expectación para reconstruir matemáticamente lo que habría obtenido un circuito ideal sin decoherencia.

La gran ventaja reside en esta separación de responsabilidades: el procesador cuántico ejecuta el muestreo con sus imperfecciones inherentes, mientras que el ordenador clásico asume el esfuerzo computacional de discernir entre señal física y ruido ambiental. En su esencia técnica, la QEM constituye un contraataque algorítmico y estadístico frente a los límites físicos del silicio y los superconductores.

Desde el punto de vista práctico, esto marca un punto de inflexión: los esquemas estándar de mitigación (como ZNE, PEC o la corrección del readout) implican un consumo cero de cúbits físicos adicionales; prescinden por completo de matrices auxiliares (ancillas), circuitos de detección de síndromes o sistemas de control criogénico en tiempo real. Aunque variantes sofisticadas como la destilación virtual requieren copias de estados, la mitigación de errores cuánticos convencional opera íntegramente sobre la topología nativa de su chip.

Bajo el capó: las cuatro técnicas clave de mitigación cuántica

Extrapolación a ruido cero (Zero-Noise Extrapolation, ZNE)

La premisa tras la extrapolación a ruido cero (ZNE), propuesta originalmente por Temme et al., destaca por su elegancia: si el ruido degrada una medición de manera predecible, es viable amplificar deliberadamente ese ruido, analizar la curva de deterioro del resultado y extrapolar matemáticamente la solución hacia el límite teórico de ruido nulo.

En la práctica, el circuito se ejecuta primero con el nivel de ruido basal del dispositivo (factor de escala λ = 1). Posteriormente, se amplifica el ruido de forma controlada —insertando parejas de puertas identidad (las cuales, en procesadores reales, añaden dispersión estocástica) o dilatando los pulsos de microondas— para generar niveles efectivos correspondientes a λ = 2, λ = 3 o λ = 4. Se mide el observable de interés en cada etapa, se ajusta la serie de datos a una curva (lineal, cuadrática, Richardson o exponencial) y se calcula la asíntota cuando λ tiende a cero. Ese valor de corte constituye la estimación mitigada.

El concepto es análogo a tomar una fotografía a través de un cristal empañado: si bien no podemos eliminar el vaho de golpe, al medir cómo se oscurece la imagen a través de cristales con grosores conocidos, podemos reconstruir con precisión la escena original sin cristal.

La técnica ZNE es agnóstica respecto al hardware, no requiere modelizar el canal de ruido en detalle y se ha consolidado como el estándar de mitigación por defecto en entornos como IBM Quantum, Rigetti y los principales centros de supercomputación europeos. Su limitación estriba en que asume un comportamiento suave y analítico del ruido; si el chip experimenta fluctuaciones no estacionarias, la extrapolación puede perder precisión.

Cancelación probabilística de errores (Probabilistic Error Cancellation, PEC)

Si ZNE representa una aproximación empírica por extrapolación, la cancelación probabilística de errores (PEC) —introducida en los estudios fundacionales sobre cuasiprobabilidades— funciona como una intervención quirúrgica. El principio rector es el siguiente: si se caracteriza con rigor el canal de ruido exacto de cada puerta lógica (por ejemplo, un canal despolarizante con parámetros conocidos), es factible invertirlo matemáticamente mediante distribuciones cuasiprobabilísticas con coeficientes negativos.

PEC descompone las operaciones ideales en combinaciones lineales de circuitos ruidosos implementables físicamente. Al realizar el muestreo estocástico de estas configuraciones y ponderar algebraicamente los resultados según el signo asignado a cada peso, los términos negativos restan de manera efectiva la contribución sistemática del ruido físico.

Funciona de forma idéntica a unos auriculares con cancelación activa de ruido: el micrófono capta la interferencia exterior, el procesador genera una onda desfasada a 180° y la interferencia destructiva neutraliza el sonido residual. De manera equivalente, PEC genera «circuitos de antiruido» que anulan el sesgo térmico y cuántico en el valor medio.

No obstante, la penalización es severa: exige una tomografía de procesos o cycle benchmarking extremadamente detallado, y la sobrecarga en el número de ejecuciones (shots) escala exponencialmente con la profundidad del circuito. Para 50 puertas cuánticas bastan unas 10⁴ repeticiones; para 200 puertas, el requisito puede superar fácilmente las 10⁸ lecturas.

Mitigación de errores de lectura (Readout Error Mitigation)

Representa la técnica más inmediata y de mayor impacto operativo. El proceso de medición cuántica dista de ser ideal: un cúbit colapsado en |0⟩ puede registrarse erróneamente como «1» entre un 2 % y un 5 % de las veces en el hardware actual debido a solapamientos en los clasificadores de señal discriminante.

Para resolver este problema de confusión clásica, se calibran estados computacionales conocidos (|0...0⟩, |1...1⟩ y bases intermedias), registrando las lecturas obtenidas para construir una matriz de confusión M, donde M[i][j] define la probabilidad condicional de medir el estado i cuando el estado preparado era j. En el flujo de cómputo, basta invertir dicha matriz o aplicar una regularización por mínimos cuadrados al histograma de resultados brutos.

Cualquier flujo de trabajo profesional enfocado en la mitigación de errores cuánticos parte invariablemente de esta corrección previa de lectura.

Regresión con datos de Clifford (CDR) y verificación de simetrías

El protocolo CDR aprovecha una asimetría algorítmica fundamental: los circuitos compuestos exclusivamente por puertas de Clifford pueden simularse de forma óptima en ordenadores convencionales (según el teorema de Gottesman-Knill), pero al ejecutarse sobre un procesador físico experimentan el mismo perfil de ruido térmico y de control. Al simular circuitos cuasi-Clifford cercanos al objetivo en un clúster clásico y compararlos con su respuesta en el chip físico, se entrena una función de regresión lineal capaz de mapear valores ruidosos a valores exactos. Dicho modelo predictivo se extrapola posteriormente al algoritmo objetivo no simulable.

Por su parte, la verificación de simetrías opera bajo restricciones de la física fundamental. Fenómenos moleculares o de materia condensada conservan invariantes claros (conservación del número de partículas, paridad de espín o simetrías de gauge). Toda medición que viole estas reglas de conservación físicas queda clasificada como artefacto del ruido y se descarta de la muestra estadística, purificando la señal con un coste computacional mínimo.

El dilema habitual: mitigación de errores cuánticos (QEM) frente a corrección de errores cuánticos (QEC)

Comprendidos los mecanismos de la mitigación, surge la pregunta recurrente en debates técnicos: si la mitigación de errores cuánticos es tan versátil, ¿por qué la industria sigue destinando millones a la corrección de errores cuánticos? ¿Acaso no persiguen el mismo fin?

La respuesta categórica es no. Representan estrategias desacopladas tanto en filosofía matemática como en diseño ingenieril; equipararlas induce a errores críticos en la planificación de arquitecturas de cálculo.

La corrección de errores cuánticos (QEC) es un protocolo en tiempo real, implementado en hardware y con preservación del estado cuántico. Codifica un único cúbit lógico en un entramado de múltiples cúbits físicos (en arquitecturas como el surface code, se requieren entre 1000 y 2000 cúbits físicos por cada cúbit lógico funcional). Mide de forma continuada los síndromes de error y aplica correcciones activas mientras el cómputo sigue en curso, garantizando tolerancia total a fallos.

En contraste, la mitigación de errores cuánticos (QEM) es un protocolo a posteriori, basado en software y orientado a la recuperación de valores esperados. El estado cuántico en el procesador se degrada y pierde coherencia sin intervención externa. La QEM asume esa pérdida irreversible y plantea una alternativa: estimar con precisión el promedio de un observable combinando múltiples muestras estadísticas del sistema. El cálculo es viable, pero traslada la carga al tiempo de muestreo.

Una metáfora náutica ilustra esta discrepancia técnica: la QEC equivale a construir un submarino con casco de titanio estanco e impenetrable al agua, permitiendo una expedición ilimitada en el fondo marino. La QEM, por su parte, reconoce que el navío presenta pequeñas vías de agua, instala sensores volumétricos de alta resolución para cuantificar con precisión el caudal filtrado y descuenta ese peso del registro de carga al atracar en el puerto. El buque completa la misión y el informe de carga es exacto, pero el casco físico ha terminado anegado.

La aritmética desaconseja esperar pasivamente a la QEC plena: los procesadores punteros actuales rondan el millar de cúbits físicos. Si un algoritmo exige 100 cúbits lógicos libres de fallos, la infraestructura demandaría entre 100 000 y 200 000 cúbits físicos con fidelidades de puerta por encima del umbral de fallo (10⁻³). La ingeniería cuántica actual dista de esos órdenes de magnitud. Por tanto, la mitigación de errores cuánticos no es un apaño temporal: es el único cauce operativo para obtener ciencia reproducible en las máquinas de hoy.

El coste oculto: la hipoteca del sobrecoste de muestreo

Un análisis riguroso de la mitigación de errores cuánticos debe desgranar su verdadero compromiso ingenieril para huir de expectativas infundadas.

La QEM no suprime el problema del ruido: permuta consumo de cúbits espaciales por volumen de disparos temporales (shots). Al evitar cúbits auxiliares, el precio a pagar se abona en tiempo de computación. En esquemas rigurosos como PEC, el coste de muestreo escala según γ^d, donde γ depende de la tasa de error por puerta física y d representa la profundidad del circuito. En procesadores superconductores punteros, con fallos en puertas de dos cúbits de 10⁻³, el factor oscila entre γ ≈ 1,02 y 1,05. A profundidad 50, el cálculo exige entre 3 y 10 veces más muestras; a profundidad 200, entre 50 y 1000 veces más. Más allá de 500 operaciones, el coste muestral colapsa termodinámicamente: requeriría más lecturas de las que permite la frecuencia de repetición del procesador durante la edad del universo.

ZNE ofrece un despliegue más flexible al prescindir del desglose fino de matrices de ruido, si bien decae ante perfiles de ruido no markovianos. CDR, por su parte, se supedita a observables que correlacionen sólidamente con estados Clifford.

No existen atajos en mecánica cuántica: la mitigación de errores cuánticos amplía el rango útil de los procesadores NISQ de una profundidad casi testimonial a ventanas de entre 100 y 300 puertas para observables específicos. Supone un salto cualitativo sobresaliente, pero sujeto a límites matemáticos infranqueables.

Impacto experimental real: hitos logrados mediante QEM

Lejos de ser una hipótesis confinada a artículos teóricos, la mitigación de errores cuánticos sostiene los principales hitos experimentales de los últimos años:

En 2023, los investigadores de IBM acoplaron ZNE y mitigación de lectura sobre un procesador Eagle de 127 cúbits para calcular la dinámica temporal del modelo de Ising bidimensional. La simulación alcanzó una escala inalcanzable para redes de tensores clásicas sin aproximaciones agresivas. Las curvas cuánticas mitigadas coincidieron con las predicciones físicas en rangos donde la verificación clásica por fuerza bruta resultaba computacionalmente prohibitiva.

En el campo de la química computacional, los algoritmos variacionales cuánticos (VQE) orientados al cálculo de estados fundamentales en moléculas como H₂O, LiH o compuestos con metales de transición integran de forma sistemática corrección de lectura combinada con extrapolación ZNE. Este postprocesamiento permite alcanzar una resolución dentro de la «precisión química» (1,6 mHartree); sin mitigar, las mismas matrices energéticas arrojan números sin sentido molecular.

Equipos del MIT y del ETH Zúrich aplican con éxito la verificación de simetrías y CDR al estudio de teorías de gauge en retículos y sistemas magnéticos frustrados, extrayendo funciones de correlación espacial inaccesibles a través de los datos brutos del procesador.

La conclusión operativa es concluyente: la mitigación de errores cuánticos no transforma un chip NISQ en una máquina ideal, pero lo convierte en una herramienta científica productiva para resolver problemas bien formulados con circuitos de profundidad controlada.

Preguntas frecuentes sobre mitigación de errores cuánticos (FAQ)