Un estudio publicado en Nature demuestra que un sistema de inteligencia artificial puede reutilizar las señales de error para recalibrar un ordenador cuántico mientras sigue funcionando, un avance clave para prolongar cálculos complejos sin interrupciones.

Los ordenadores cuánticos prometen resolver problemas que llevarían incluso a los superordenadores convencionales más rápidos una enorme cantidad de tiempo, pero la información cuántica que almacenan y procesan es extremadamente sensible incluso a pequeñas perturbaciones de su entorno. Ahora, una nueva investigación ha desarrollado un enfoque que ajusta continuamente al ordenador cuántico mientras funciona, aprovechando su capacidad para aprender de sus propias equivocaciones.

Hasta el momento, la solución habitual pasaba por detener la computación para recalibrar el sistema, un procedimiento eficaz pero incompatible con cálculos largos y continuados. El trabajo de Google Quantum AI, publicado en Nature, propone romper esa dependencia: usar los propios eventos de error como señal de aprendizaje para que el ordenador se ajuste sobre la marcha.

Importante mejora en la estabilización del sistema

La idea se apoya en un enfoque de aprendizaje por refuerzo, una técnica de inteligencia artificial que va probando pequeñas modificaciones y mejora su estrategia en función de la respuesta obtenida. En este caso, los investigadores convierten la corrección cuántica de errores en una doble herramienta: además de corregir el estado lógico del sistema, los eventos de detección de error sirven para enseñar a un agente de IA cómo dirigir los parámetros físicos del procesador. En otras palabras, el ordenador no solo corrige fallas, sino que además aprende de las mismas mientras sigue calculando.

El experimento se realizó sobre un procesador superconductivo Willow, de Google, y se centró en códigos cuánticos de corrección de errores. Según un artículo publicado en Phys.org, el agente de IA manejó más de 1.000 parámetros de control y consiguió estabilizar el sistema.

El resultado más destacado fue una mejora de 3,5 veces en la estabilidad lógica, junto con una reducción adicional del 20 % en la tasa de errores cuando el sistema ya estaba bien calibrado. La estabilización lograda es claramente superior frente a métodos de corrección convencionales.

El algoritmo reutiliza los eventos de detección de errores para ayudar a estabilizar el sistema cuántico durante el cálculo. / Crédito: Nature (2026). DOI: 10.1038/s41586-026-10759-2

Corrección de errores sin detener el funcionamiento

En la práctica, mantener un ordenador cuántico funcionando exige calibrarlo de forma continua, porque su comportamiento deriva o se desestabiliza con el tiempo. El método clásico consiste en parar por completo la máquina para reajustarla, pero eso introduce interrupciones que pueden convertirse en un "cuello de botella" a medida que los algoritmos cuánticos se extienden. La nueva investigación intenta precisamente unificar calibración y computación, evitando que ambas tareas se estorben entre sí.

Además del resultado experimental, el estudio incluye simulaciones de escala mayor. En ellas, el enfoque de aprendizaje por refuerzo se mantiene eficiente incluso con códigos grandes y con decenas de miles de parámetros de control, sin que el tiempo de optimización crezca con el tamaño del sistema.

De esta manera, permite no solo mejorar una plataforma concreta, sino apuntar a una arquitectura en la que un ordenador cuántico pueda corregirse y estabilizarse sin detenerse, algo imprescindible para tareas de larga duración y mayor complejidad.

Fuente: Levante - EMV