Simulación cuántica mediante combinación estocástica de unitaras

Por qué importa esto para las futuras máquinas cuánticas

Los ordenadores cuánticos actuales son poderosos en teoría pero frágiles en la práctica: disponen de un número modesto de qubits y los programas largos y complejos se descomponen rápidamente ante el ruido. Sin embargo, algunos de los usos más importantes de los ordenadores cuánticos —como simular moléculas, materiales y los propios dispositivos cuánticos ruidosos— requieren tradicionalmente circuitos profundos y muchos qubits auxiliares. Este artículo presenta una nueva manera de ejecutar esas simulaciones exigentes usando únicamente circuitos cortos y compatibles con el hardware, intercambiando profundidad por mediciones adicionales de una forma que se ajusta a las fortalezas de las máquinas actuales.

Una nueva forma de mezclar pasos cuánticos simples

Los autores introducen la “combinación estocástica de unitaras” (SCU), un marco para describir procesos cuánticos complejos como mezclas aleatorias de operaciones mucho más simples. Un proceso o canal cuántico suele escribirse como una suma de transformaciones básicas, cada una con un cierto peso. En lugar de construir un gran circuito que incorpore toda esa suma usando muchos qubits auxiliares —como en el enfoque corriente de “combinación lineal de unitaras”— SCU muestrea de esa lista de transformaciones. Cada ejecución del experimento aplica solo un circuito simple (o un circuito pequeño con un único qubit auxiliar) elegido con la probabilidad adecuada. Repitiendo y promediando los resultados de las mediciones, el efecto global reproduce fielmente el proceso original y complicado.

Circuitos superficiales en lugar de grandes redes auxiliares

Esta estrategia estocástica aborda directamente un cuello de botella clave en los algoritmos cuánticos: el número de qubits ancilla y la profundidad del circuito. Los métodos estándar de combinación lineal empaquetan muchas operaciones en una única rutina coherente, controlada por registros de ancilla y seguida de un delicado paso de “postselección” que a menudo debe repetirse hasta que funciona. Ese diseño es elegante matemáticamente pero castigador para el hardware cercano. SCU, en contraste, utiliza mayoritariamente circuitos sin ancilla y, cuando es necesario, solo un qubit auxiliar medido de forma sencilla. El precio son más repeticiones —más “shots” de medición—, pero la ganancia es disponer de circuitos extremadamente superficiales que son mucho más realistas para los dispositivos actuales.

Probar enlaces cuánticos ruidosos con estados entrelazados

Para demostrar que SCU puede manejar sistemas cuánticos abiertos y ruidosos de verdad, el equipo lo aplica a un estado entrelazado clásico conocido como estado GHZ, construido con ocho qubits en el procesador ibm_hanoi de IBM. En una red real, las operaciones usadas para crear tal entrelazamiento sufren pérdidas de energía y otras imperfecciones. Los autores modelan esto mediante un sencillo proceso de amortiguamiento aplicado después de cada puerta de dos qubits, implementado vía SCU como elecciones aleatorias entre unos pocos circuitos cortos. Luego miden cuánto se parece el estado resultante a un GHZ ideal usando un método basado en coherencias cuánticas múltiples, que explora tanto las poblaciones como las delicadas relaciones de fase. A lo largo de varias intensidades de ruido, las señales medidas y las fidelidades globales siguen de cerca las predicciones teóricas, con desviaciones atribuibles principalmente al ruido de fondo del hardware más que al propio método SCU.

Replantear cómo simular dinámicas cuánticas

Más allá de canales ruidosos estáticos, el artículo aborda uno de los retos centrales de la computación cuántica: simular cómo evolucionan los sistemas cuánticos en el tiempo bajo un Hamiltoniano. Basándose en SCU, los autores desarrollan dos nuevos algoritmos. El primero, llamado muestreo convexo de Taylor, reordena la serie matemática estándar para la evolución temporal en una mezcla ponderada de bloques unitarios que pueden muestrearse de forma estocástica. El segundo complementa las familiares “fórmulas de producto” de Suzuki–Trotter tratando sus términos de error como correcciones adicionales a muestrear en lugar de aceptarlos simplemente como limitaciones fijas. De forma llamativa, para ambos algoritmos el número de puertas cuánticas necesarias no se dispara cuando se exige una mayor resolución energética; en cambio, los costes vienen gobernados principalmente por cuánto sobrecoste de muestreo adicional se esté dispuesto a tolerar.

Reducir el número de puertas para modelos de imanes cuánticos

Para cuantificar la ganancia, los autores estiman los recursos necesarios para simular el modelo de Ising en campo transversal, un banco de pruebas estándar que describe una cadena de espines en un campo magnético. Comparan sus métodos basados en SCU con alternativas líderes, incluido el esquema aleatorizado qDRIFT y fórmulas de producto de orden superior. Para tamaños de sistema que abarcan desde decenas hasta cientos de qubits y para objetivos de precisión muy estrictos, sus enfoques reducen el número requerido de puertas de dos qubits hasta varios órdenes de magnitud. Incluso tras contabilizar las repeticiones de medición adicionales implicadas por el muestreo estocástico, el tiempo total de ejecución puede reducirse sustancialmente porque cada circuito individual es mucho más corto y menos propenso a errores.

Qué significa esto de cara al futuro

En términos prácticos, este trabajo muestra que muchas simulaciones cuánticas exigentes pueden reconstruirse alrededor de circuitos cortos y fáciles de ejecutar combinados con un muestreo aleatorio inteligente. En lugar de intentar emular perfectamente un proceso complicado de una sola vez, SCU reparte la tarea en un conjunto de experimentos simples y deja que la estadística haga el trabajo pesado. Esta estrategia abre un camino para estudiar redes cuánticas ruidosas y dinámicas cuánticas intrincadas en el hardware actual y del futuro cercano, y sugiere que el uso inteligente de la aleatoriedad puede ser un ingrediente clave para acercar simulaciones cuánticas realistas a la práctica.

Cita: Peetz, J., Smart, S.E. & Narang, P. Quantum simulation via stochastic combination of unitaries. npj Quantum Inf 12, 52 (2026). https://doi.org/10.1038/s41534-025-01168-w

Palabras clave: simulación cuántica, algoritmos estocásticos, sistemas cuánticos abiertos, dinámica hamiltoniana, hardware cuántico ruidoso