Demostración de sustitutos predictivos eficientes para procesadores cuánticos a gran escala

Por qué esto importa para la informática del futuro

Los ordenadores cuánticos prometen abordar problemas que desbordan a las máquinas actuales, desde simular materiales nuevos hasta explorar estados exóticos de la materia. Sin embargo, los procesadores cuánticos de última generación son caros, delicados y escasos, lo que limita quién puede usarlos y con qué frecuencia. Este estudio presenta una forma de “encapsular” el comportamiento típico de un gran procesador cuántico en un modelo clásico eficiente, de modo que muchas tareas puedan realizarse en un ordenador común tras un acceso limitado al dispositivo cuántico real.

Capturando la huella de un ordenador cuántico

Los autores se centran en una cantidad clave que aparece en muchos algoritmos cuánticos: el valor medio de una medición realizada tras ejecutar un circuito cuántico en un procesador ruidoso. En lugar de simular cada detalle microscópico, construyen lo que llaman sustitutos predictivos. Son modelos de aprendizaje clásicos entrenados con datos recogidos de un chip cuántico superconductores real. Una vez entrenado, el sustituto puede predecir rápidamente promedios de medición para nuevas configuraciones de circuitos, sin volver a usar el hardware cuántico, y refleja automáticamente el ruido y las imperfecciones reales del chip.

Dos tipos de representantes digitales

El equipo diseña y analiza dos tipos de sustitutos adecuados para distintos casos de uso. El primero, llamado h_cs, maneja circuitos cuyos parámetros de control varían de forma independiente y admite muchas mediciones locales a la vez. Se basa en la idea de las sombras clásicas, una técnica que comprime la información de mediciones aleatorizadas en una representación clásica compacta. El segundo, llamado h_qs, se orienta a situaciones donde muchos parámetros del circuito están ligados, como ocurre a menudo en simulaciones cuánticas de materiales, química o aprendizaje automático. Está diseñado para trabajar con entradas correlacionadas extraídas de distribuciones arbitrarias, lo que se ajusta mejor a cargas de trabajo científicas realistas.

Poniendo a trabajar a los representantes

Para probar estas ideas, los investigadores usan un procesador cuántico superconductores con hasta 42 qubits operativos. Primero muestran que h_cs puede predecir de forma fiable la energía de un imán cuántico modelo, un modelo de Ising en campo transversal unidimensional, a lo largo de muchas elecciones de los parámetros del modelo. Luego emplean este sustituto para preentrenar una rutina ampliamente utilizada llamada el variational quantum eigensolver. La optimización se realiza totalmente en un ordenador clásico guiada por el sustituto, y solo después se comprueba y refina ligeramente en el chip cuántico real. Este enfoque reduce el número de mediciones cuánticas requeridas por órdenes de magnitud, y aun así alcanza estimaciones de energía más bajas que ejecutar la optimización cuántica completa desde cero.

Revelando fases ocultas de materia excitada

El segundo sustituto, h_qs, se aplica a una tarea más exótica: identificar fases especiales en una cadena de espines que es impulsada periódicamente en el tiempo, conocidas como fases topológicas protegidas por simetría de Floquet. Tradicionalmente, mapear estas fases requiere muchas mediciones repetitivas en el dispositivo cuántico a medida que cambian los parámetros de control. En su lugar, los autores entrenan una familia de sustitutos que aprenden cómo la magnetización local a lo largo de la cadena responde al impulso. Usando solo cálculos clásicos con los modelos entrenados, reconstruyen firmas de oscilaciones de borde de larga persistencia y localizan la transición entre la fase protegida y una fase térmica sin rasgos, en concordancia con experimentos directos en hardware cuántico.

Qué significa esto para el acceso al poder cuántico

Al demostrar que estos sustitutos se pueden entrenar de forma eficiente y mostrando que escalan hasta decenas de qubits en un dispositivo real, el trabajo sugiere una nueva forma de compartir recursos cuánticos escasos. Un conjunto limitado de mediciones en un procesador avanzado puede destilarse en un modelo clásico reutilizable que muchos usuarios pueden consultar a bajo coste. Aunque tales sustitutos no reemplazan a los ordenadores cuánticos, pueden reducir drásticamente la frecuencia con la que necesitamos ejecutarlos para tareas basadas en valores medios de medición, acercando los estudios asistidos por cuántica de materiales, química y nuevas fases de la materia al uso científico cotidiano.

Cita: Liao, WY., Du, Y., Wang, X. et al. Demonstration of efficient predictive surrogates for large-scale quantum processors. Nat Commun 17, 4731 (2026). https://doi.org/10.1038/s41467-026-72506-5

Palabras clave: procesadores cuánticos, modelos predictivos sustitutos, variational quantum eigensolver, simulación cuántica digital, fases de Floquet

Mira más en el sitio web del grupo de investigación: http://staff.ustc.edu.cn/~quanhhl/