Borrado degenerado cuántico y decodificación

Por qué perder qubits es un problema grave

Los futuros ordenadores cuánticos se construirán a partir de bits cuánticos frágiles, o qubits, que están constantemente en riesgo de desaparecer o filtrarse fuera del sistema. En muchas de las plataformas de hardware líderes —desde átomos ultrafríos hasta circuitos superconductores— el modo de fallo dominante no es un empujón sutil sino la pérdida total: un qubit simplemente desaparece. Este artículo plantea una pregunta práctica con enormes implicaciones: ¿podemos diseñar códigos de corrección de errores cuánticos y decodificadores rápidos que deshagan casi por completo este tipo de pérdida, mientras usan la menor cantidad posible de hardware y tiempo de procesamiento adicionales?

Convertir la pérdida de qubits en un ruido más manejable

En experimentos modernos a menudo se puede detectar cuando un qubit se ha filtrado y marcar su ubicación. Esto se denomina conversión a erasure (borrado): la complicada pérdida física se convierte en un «borrado» bien definido en una posición conocida. En un canal de borrado de este tipo existe un límite teórico claro sobre cuán eficientemente podemos proteger la información cuántica: como máximo una fracción 1 − 2p de los qubits físicos puede almacenar información útil si cada qubit se borra con probabilidad p. Hasta ahora, solo se conocía que una clase especial de códigos topológicos bidimensionales alcanzaba ese límite bajo borrados, y lo hacía a costa de una tasa de información que tiende a cero cuando los sistemas crecen. Eso los hace caros en hardware y motiva la búsqueda de mejores códigos y decodificadores más rápidos adaptados a los borrados.

Construir códigos de alta tasa que se aproximen al límite final

Los autores demuestran que varias familias de códigos cuánticos de paridad dispersa baja (QLDPC), en particular los códigos bicycle y los códigos de producto elevado (lifted-product), pueden de hecho alcanzar o aproximarse al límite de capacidad de borrado en un amplio rango de tasas de código. Usando una decodificación óptima en sentido matemático (máxima verosimilitud), implementada mediante eliminación gaussiana, estos códigos corrigen borrados tan bien como lo permite la teoría: la tasa alcanzable se ajusta estrechamente a 1 − 2p para probabilidades de error prácticas. El mismo marco también cubre los familiares códigos topológicos bidimensionales, confirmando que su mejor rendimiento posible ante borrados se recupera cuando se decodifican de forma óptima.

De la decodificación óptima lenta a esquemas rápidos y casi óptimos

El inconveniente es que la decodificación de máxima verosimilitud escala mal: el álgebra lineal requerida crece aproximadamente con el cubo del número de qubits, demasiado lenta para operar en tiempo real en un procesador cuántico grande. Para superar esto, el artículo desarrolla una familia de decodificadores por propagación de creencias (BP) que funcionan esencialmente en tiempo lineal respecto al tamaño del sistema. Estos decodificadores tratan el código como una red gráfica de restricciones y pasan iterativamente “mensajes” a lo largo de las aristas para inferir el patrón de errores más plausible. Crucialmente, están diseñados para explotar una característica exclusivamente cuántica llamada degeneración: muchos patrones de error distintos pueden tener exactamente el mismo efecto sobre la información codificada. Al dirigir las actualizaciones BP hacia cualquier miembro de estos grandes y simétricos conjuntos de errores equivalentes, los decodificadores encuentran buenas soluciones sin necesitar identificar el error microscópico exacto.

Refinar el paso de mensajes para manejar patrones de error difíciles

Los autores introducen variaciones de BP que incorporan ideas de optimización por descenso de gradiente y efectos de memoria tipo redes neuronales. Una versión simple de “flip” actualiza valores duros de bits y ocasionalmente toma un paso codicioso cuando el progreso se estanca, mientras que versiones más avanzadas “soft” operan con valores de confianza graduada en lugar de decisiones estrictas 0/1. Estos decodificadores suaves moderan y reciclan mensajes pasados, ajustan sus tamaños de paso y, en algunos casos, tratan conjuntamente diferentes tipos de errores cuánticos en lugar de por separado. El resultado es un conjunto de algoritmos que, para las familias de códigos probadas, alcanzan umbrales muy cercanos a los de máxima verosimilitud, pero con un tiempo de ejecución que crece solo linealmente con el número de qubits y de forma moderada al disminuir la tasa de error.

Extender a ruidos más realistas y mixtos

El hardware real rara vez sufre borrados puros. Por ello, los autores prueban sus decodificadores en escenarios más complejos: canales que combinan borrados con ubicación conocida y volteos aleatorios ordinarios, y canales donde los qubits pueden eliminarse sin que se señalen sus ubicaciones. Concatenando códigos QLDPC con pequeños códigos internos invariantes por permutación, las eliminaciones locales se convierten primero en borrados efectivos, que los decodificadores BP manejan luego de forma eficiente. Experimentos numéricos muestran que la misma familia de decodificadores puede gestionar estos modelos de error mixtos con alta precisión, lo que sugiere que el enfoque es robusto mucho más allá del entorno idealizado de solo borrados.

Qué significa esto para las máquinas cuánticas futuras

En conjunto, el trabajo cierra una brecha clave entre la teoría y la práctica para sistemas cuánticos dominados por la pérdida de qubits. Demuestra que es posible lograr un rendimiento alcanzando la capacidad o cercano a ella en canales de borrado con códigos cuánticos estructurados que mantienen tasas de información no nulas y —lo más importante— que esto puede hacerse con decodificadores cuyo coste crece solo linealmente con el tamaño del sistema. Para un lector no especialista, la conclusión es que, explotando inteligentemente las simetrías de los errores cuánticos, podemos proteger los datos cuánticos casi tan bien como permiten las leyes de la física, sin saturar el hardware ni con qubits adicionales ni con una pesada computación clásica. Esto refuerza de forma significativa el caso para construir ordenadores cuánticos y redes a gran escala en plataformas donde la pérdida de qubits puede detectarse y convertirse en borrados.

Cita: Kuo, KY., Ouyang, Y. Degenerate quantum erasure decoding. npj Quantum Inf 12, 75 (2026). https://doi.org/10.1038/s41534-026-01212-3

Palabras clave: corrección de errores cuántica, errores por borrado, decodificación por propagación de creencias, códigos LDPC cuánticos, computación cuántica tolerante a fallos