La tecnología cuántica ha sido un poder oculto en las sombras, ignorado durante décadas por el gran público mientras se convertía en uno de los campos más relevantes de la ciencia moderna.
Durante casi un siglo, lo cuántico sonaba a ciencia ficción: teoría pura, matemáticas abstractas y debates entre físicos en salas de conferencias. Eso ya no es así.
Entender la historia de la computación cuántica ayuda a situar con claridad dónde se encuentra hoy el sector.
El camino desde la física teórica hasta el hardware funcional ha durado décadas y ha pasado por fases distintas. Este artículo traza ese recorrido: de los fundamentos teóricos al trabajo de ingeniería actual.
Los fundamentos: 1900–1980
La base teórica de la computación cuántica nació de la física de principios del siglo XX.
En 1900, Max Planck propuso que la energía está cuantizada, abriendo el campo de la mecánica cuántica. Después, Albert Einstein, Niels Bohr, Erwin Schrödinger y Werner Heisenberg ampliaron el marco teórico y establecieron principios esenciales:
- Superposición
- Funciones de onda
- Principio de incertidumbre
- Estados de energía cuantizados
Estos conceptos serían más tarde la base de la computación cuántica. Sin embargo, en aquel momento no se planteó una aplicación computacional directa. Esa conexión llegaría décadas después, cuando los físicos empezaron a pensar en los límites de la simulación clásica.
La era teórica: 1980–1994
La idea de una computación basada en sistemas cuánticos tomó forma durante este periodo.
En mayo de 1981, Richard Feynman argumentó en una conferencia que simular sistemas cuánticos en ordenadores clásicos se vuelve exponencialmente ineficiente a medida que crece el sistema. Propuso que una máquina gobernada por la mecánica cuántica podría simular sistemas cuánticos sin esa sobrecarga. El artículo se publicó en 1982.
En 1985, David Deutsch, de la Universidad de Oxford, formalizó el concepto. Su artículo en Proceedings of the Royal Society describía un ordenador cuántico universal e introducía el paralelismo cuántico: la capacidad de un sistema cuántico para procesar múltiples estados simultáneamente.
El campo ganó urgencia en 1994, cuando Peter Shor desarrolló un algoritmo cuántico capaz de factorizar números enteros grandes de forma eficiente. Dado que la factorización de enteros es la base de esquemas de cifrado como RSA, este resultado convirtió la computación cuántica en una preocupación criptográfica real, además de computacional.
En 1996, Lov Grover introdujo un algoritmo cuántico de búsqueda con una aceleración cuadrática frente a la búsqueda clásica. Ambos algoritmos demostraron que los sistemas cuánticos podían superar a los clásicos en problemas específicos y bien definidos.
Los primeros sistemas experimentales: 1998–2010
El trabajo experimental comenzó a finales de los años 90 utilizando resonancia magnética nuclear (RMN), que permitía manipular pequeños números de qubits mediante estados de espín molecular.
En 1998, los investigadores de Oxford Jonathan Jones y Michele Mosca realizaron la primera demostración experimental de un algoritmo cuántico: un sistema de RMN de 2 qubits para resolver el problema de Deutsch. Ese mismo año, Isaac Chuang, Neil Gershenfeld y Mark Kubinec demostraron el algoritmo de búsqueda de Grover en un sistema de RMN de 2 qubits usando moléculas de cloroformo en IBM Almaden y UC Berkeley.
Durante este periodo se desarrollaron en paralelo múltiples enfoques de hardware:
- Iones atrapados
- Qubits superconductores
- Átomos neutros
- Sistemas fotónicos
Cada uno presentaba compromisos distintos en tiempo de coherencia, fidelidad de puerta y escalabilidad. Ninguno alcanzó una escala útil para la computación práctica.
En febrero de 2007, D-Wave presentó públicamente un prototipo de 16 qubits de recocido cuántico en el Computer History Museum de California. El quantum annealing es un enfoque especializado orientado a problemas de optimización, no a la computación de propósito general. Los sistemas de D-Wave siguen siendo objeto de debate sobre su clasificación y sus ventajas frente al hardware clásico.
La era NISQ: 2016–presente
La decisión de IBM de abrir el acceso en la nube al hardware cuántico en 2016 marcó un cambio profundo. El IBM Quantum Experience permitió a usuarios ejecutar programas en hardware cuántico real desde el navegador, ampliando la participación más allá de los grandes laboratorios.
El número de qubits creció gradualmente, pero las tasas de error siguieron siendo altas. En 2018, John Preskill, del Instituto Tecnológico de California, acuñó el término NISQ (Noisy Intermediate-Scale Quantum) para describir sistemas cuánticos capaces de realizar algunas tareas fuera del alcance clásico, pero demasiado ruidosos para una computación general fiable.
En octubre de 2019, Google informó de que su procesador Sycamore de 53 qubits completó una tarea de muestreo en 200 segundos, cuando según sus estimaciones el superordenador clásico más rápido del mundo tardaría 10.000 años. IBM cuestionó la estimación clásica en semanas. En 2022, investigadores de la Academia China de Ciencias demostraron que la misma tarea podía completarse en horas usando algoritmos clásicos acelerados por GPU.
Desde entonces, el campo sigue en el régimen NISQ, pero el enfoque ha cambiado. En lugar de aumentar solo el número de qubits, la investigación se centra en mejorar la calidad del sistema: tasas de error, qubits lógicos y formas tempranas de corrección de errores.
Avances clave recientes
IBM – Quantum Utility (junio de 2023): IBM y UC Berkeley publicaron en Nature resultados con el procesador Eagle de 127 qubits, mostrando resultados precisos en una simulación física más allá de lo que los superordenadores clásicos podían verificar por fuerza bruta. Usaron extrapolación de ruido cero en lugar de corrección completa de errores. IBM lo describió como la entrada en la era de la “utilidad cuántica”.
Harvard, QuEra, MIT, NIST/UMD: Un equipo liderado por Harvard, con QuEra, MIT y NIST/UMD, publicó en Nature la primera demostración de un procesador lógico cuántico programable a gran escala: 48 qubits lógicos ejecutando algoritmos complejos sobre hasta 280 qubits físicos usando matrices reconfigurables de átomos neutros. El sistema mostró que aumentar la distancia del código de corrección de errores reducía la tasa de error lógico, la primera confirmación experimental de esa relación a esta escala. Mikhail Lukin, codirector de la Harvard Quantum Initiative, afirmó: “las ideas fundamentales de la corrección de errores cuántica y la tolerancia a fallos están empezando a dar fruto”.
Google Willow: El chip Willow de Google demostró corrección de errores cuántica por debajo del umbral: el punto en el que añadir más qubits físicos reduce la tasa de error lógico en lugar de aumentarla. Era un requisito teórico desde los años 90, pero no se había demostrado en un sistema físicamente relevante a esta escala.
IBM Quantum Loon: El procesador Quantum Loon de IBM demostró todos los componentes de hardware necesarios para la computación cuántica tolerante a fallos en un solo chip, incluyendo arquitectura compatible con qLDPC, c-couplers para conectividad de qubits de largo alcance y decodificación de errores en tiempo real por debajo de 480 nanosegundos. IBM también informó de una aceleración de 10x en la decodificación de corrección de errores, un año antes de su calendario interno.
Quantinuum – 94 qubits lógicos beyond break-even (marzo de 2026): Quantinuum demostró cálculos cuánticos con hasta 94 qubits lógicos protegidos contra errores en un procesador de iones atrapados, logrando un rendimiento beyond break-even: los qubits codificados superaron al hardware sin protección. El trabajo sigue siendo parcialmente tolerante a fallos y depende de postselección, pero representa la mayor computación lógica con qubits demostrada hasta la fecha en un sistema de iones atrapados.
En paralelo, el NIST publicó sus primeros estándares de criptografía post-cuántica en agosto de 2024, con una guía de transición que pide que RSA-2048 y ECC-256 queden obsoletos en 2030 y se prohíban después de 2035.
Hitos clave
| Año | Evento | Notas |
|---|---|---|
| 1900 | Cuantización de Planck | Fundamento de la mecánica cuántica |
| 1981 | Propuesta de Feynman | Concepto de simulación cuántica |
| 1985 | Modelo universal de Deutsch | Origen formal de la teoría de la computación cuántica |
| 1994 | Algoritmo de Shor | Implicaciones criptográficas establecidas |
| 1996 | Algoritmo de Grover | Aceleración cuadrática en búsqueda |
| 1998 | Primera demostración RMN de 2 qubits | Problema de Deutsch resuelto en Oxford |
| 2007 | Prototipo D-Wave Orion | Demostración de recocido cuántico de 16 qubits |
| 2016 | IBM Quantum Experience | Primer acceso en la nube a hardware cuántico |
| 2018 | Preskill acuña “NISQ” | Define la era actual del hardware |
| 2019 | Google Sycamore | Demostración de brecha de rendimiento |
| 2021 | IBM Eagle (127 qubits) | Primer procesador que supera los 100 qubits |
| 2023 | IBM + UC Berkeley, utilidad cuántica | Resultados con 127 qubits más allá de la verificación clásica por fuerza bruta |
| 2023 | Harvard, QuEra, MIT, NIST/UMD – 48 qubits lógicos | Primer procesador lógico cuántico a gran escala |
| 2024 | NIST publica estándares PQC | ML-KEM, ML-DSA, SLH-DSA finalizados |
| 2024 | Google Willow | Corrección de errores por debajo del umbral |
| 2025 | IBM Quantum Loon | Todos los componentes FTQC en un solo chip |
| 2026 | Quantinuum, 94 qubits lógicos | Mayor demostración beyond break-even con iones atrapados |
Lo que viene
La computación cuántica está pasando de demostraciones de concepto a trabajo sostenido de ingeniería sobre los sistemas necesarios para el uso práctico.
El reto central es la computación cuántica tolerante a fallos: que los qubits lógicos, codificados sobre muchos qubits físicos, puedan ejecutar cálculos largos de forma fiable.
La encuesta de Riverlane en 2025 con más de 300 profesionales del sector señaló 2028 como una fecha informal de referencia para una integración tolerante a fallos significativa. La hoja de ruta de IBM apunta a Starling en 2029. El Departamento de Energía de EE. UU. anunció en abril de 2026 un Grand Challenge con el objetivo de un primer ordenador cuántico tolerante a fallos para 2028. El físico de Yale Steven Girvin describió ese plazo a Science como “un objetivo muy optimista pero digno”.
El progreso depende de avances continuos en:
- Códigos de corrección de errores
- Fidelidad de los qubits físicos
- Velocidad de decodificación
- Rendimiento de fabricación
Ninguno de estos elementos es una barrera fundamental, pero todos exigen un trabajo de ingeniería sostenido que todavía no tiene una fecha de entrega confirmada.
Preguntas frecuentes
¿Por qué son tan importantes las tasas de error en la computación cuántica?
Las operaciones cuánticas son frágiles y propensas a errores por interferencias ambientales (decoherencia). Unas tasas de error altas hacen que los cálculos pierdan precisión. Para la computación cuántica práctica, las tasas de error deben ser lo bastante bajas como para que la corrección de errores reduzca los fallos más rápido de lo que se acumulan. Ese umbral lo alcanzó Google Willow en 2024, un momento clave para el campo.
¿Qué diferencia hay entre qubits lógicos y qubits físicos?
Los qubits físicos son los dispositivos cuánticos reales: circuitos superconductores, iones atrapados, etc. Debido a los errores, se necesitan múltiples qubits físicos para codificar de forma fiable un único qubit lógico mediante corrección de errores. Los sistemas actuales tienen sobre todo qubits físicos; los ordenadores tolerantes a fallos tendrán muchos qubits lógicos. La transición de qubits físicos a lógicos es uno de los principales desafíos de ingeniería.
¿Qué plataforma cuántica ganará?
Aún no está claro. Los qubits superconductores (IBM, Google), los iones atrapados (Quantinuum, IonQ), los qubits topológicos (Microsoft), los enfoques fotónicos (Xanadu) y los átomos neutros tienen fortalezas distintas.
El ganador puede depender de la aplicación concreta, y cada vez hay más evidencia de que convivirán múltiples plataformas en lugar de imponerse una sola tecnología.