Google ha presentado Quantum Echoes, un algoritmo que sitúa a la computación cuántica un paso más cerca de su utilidad práctica al combinar rendimiento extremo y resultados comprobables. Ejecutado en el chip Willow, este enfoque se ha publicado en Nature y se acompaña de un trabajo adicional en arXiv centrado en sus primeras aplicaciones experimentales.
La propuesta no solo presume de velocidad: el cálculo que un superordenador tardaría en torno a tres años se resuelve en poco más de dos horas con Willow, un salto que equivale a unas 13.000 veces de mejora. Lo relevante, subrayan los investigadores, es que esas respuestas pueden verificarse de manera independiente, algo clave para pasar del laboratorio a problemas del mundo real.
Qué es Quantum Echoes y cómo funciona
Quantum Echoes se basa en los correladores fuera de orden temporal (OTOC), una herramienta que rastrea cómo se propaga y se entrelaza la información en sistemas cuánticos complejos. En la práctica, el algoritmo hace avanzar el sistema, introduce una pequeña perturbación y invierte la evolución temporal para escuchar el “eco” que deja esa información.
Ese eco, similar a un sonar que revela detalles sumergidos, permite medir con precisión fenómenos que los métodos clásicos no alcanzan o resultan prohibitivos de calcular. El protocolo de inversión de tiempo genera una interferencia entre la ida y la vuelta que amplifica señales sutiles del sistema.
La clave del anuncio es la verificabilidad: los resultados pueden contrastarse con otros procesadores cuánticos o, en ciertos casos, con mediciones físicas en la naturaleza. Este criterio establece un listón práctico que va más allá de demostraciones difíciles de reproducir.
El desarrollo ha contado con el equipo de Google Quantum AI y colaboradores académicos, con UC Berkeley entre las instituciones implicadas. Voces del proyecto como Hartmut Neven y Tom O’Brien destacan que la combinación de algoritmos y hardware actual hace viable este tipo de medidas a escala moderada.
Velocidad, verificabilidad y el papel del hardware
El hito no se limita a la rapidez —13.000× frente al mejor algoritmo clásico—, sino a obtener un resultado que puede repetirse y comprobarse. Esta dualidad (velocidad + verificación) sostiene la idea de “ventaja cuántica práctica”.
Para lograrlo, el hardware es determinante. Willow apuesta por cúbits superconductores con tasas de error muy bajas y compuertas de alta velocidad, dos requisitos imprescindibles para que la inversión temporal funcione sin que el ruido arruine la señal del eco.
Aun así, el mayor reto técnico sigue siendo el ruido. Reducir los errores y mantener la coherencia durante protocolos largos es fundamental. El siguiente gran objetivo en la hoja de ruta de Google es un cúbit lógico de larga duración, paso previo a ordenadores con corrección de errores a gran escala.
La compañía estima que, con mejoras graduales en hardware y software, podrían verse aplicaciones reales en un horizonte aproximado de cinco años, especialmente en dominios donde modelar la física cuántica es nativo (química, materiales o determinadas simulaciones).
Aplicaciones: de la RMN a la química y los materiales
Una de las primeras demostraciones conecta Quantum Echoes con la resonancia magnética nuclear (RMN), usada para deducir la estructura molecular. El algoritmo actúa como una “regla cuántica” capaz de inferir distancias y ángulos entre átomos, empujando el alcance de la espectroscopia más allá de sus límites habituales.
En colaboración con la Universidad de California, Berkeley, se probó el método en dos moléculas (una con 15 átomos y otra con 28). Los resultados concordaron con RMN tradicional y, además, aportaron detalles adicionales que no suelen verse con técnicas estándar, validando el enfoque.
Más allá de moléculas individuales, esta combinación de RMN y computación cuántica podría acelerar ámbitos como el descubrimiento de fármacos o la caracterización de polímeros y componentes de baterías. También asoma potencial para estudiar imanes o incluso ciertos procesos caóticos relevantes en física fundamental.
- Química y biotecnología: medir cómo se unen candidatos a fármaco a sus dianas.
- Ciencia de materiales: analizar estructuras moleculares en polímeros, catalizadores y electrolitos.
- Espectroscopia avanzada: extender el rango de distancias medibles en RMN con mayor sensibilidad.
Los autores señalan ejemplos como tolueno y dimetilbifenilo en un estudio en fase de preprint (arXiv), con precisión comparable a mediciones convencionales. Aunque falta revisión por pares, la prueba de concepto sugiere un camino “cuantoscópico” para observar lo que antes quedaba fuera de alcance.
Qué dice la comunidad científica
Para Hartmut Neven, líder de Google Quantum AI, el valor del trabajo es doble: resultados útiles y verificables, y un protocolo que se aplica a problemas físicos de interés. Su expectativa es ver las primeras aplicaciones específicas en un plazo razonable.
Tom O’Brien subraya que la utilidad depende de poder comprobar lo que calcula un ordenador cuántico. Los OTOC y la inversión temporal ofrecen un modo directo de observar cómo se dispersa y recupera la información en sistemas reales.
El investigador Ashok Ajoy, especialista en RMN, destaca que este enfoque puede reforzar la espectroscopia y abrir puertas en diseño de materiales y fármacos, gracias a la capacidad de medir interacciones entre espines incluso a distancias elevadas.
Otras voces académicas, como la de Carlos Sabín, piden prudencia: aunque el avance es notable, queda trabajo para escalar el método con tasas de error aún más bajas. La lectura general es que se trata de un paso preliminar sólido hacia casos prácticos.
El proyecto de Quantum Echoes dibuja una transición interesante: algoritmos cuánticos que no solo superan al cálculo clásico en tiempo, sino que producen datos contrastables y útiles para la química y los materiales. Con mejoras en Willow y la llegada de cúbits lógicos, el “eco” que hoy escuchamos podría convertirse en una herramienta cotidiana de laboratorio.