Investigadores australianos han logrado lo que los expertos califican como un avance "decisivo" en computación cuántica, que podría acelerar drásticamente las capacidades de procesamiento de la inteligencia artificial en los próximos años.
El equipo de la Universidad de Sídney, dirigido por el profesor David Reilly, ha desarrollado un diminuto "chiplet" CMOS capaz de operar a 100 milikelvin (apenas por encima del cero absoluto) mientras controla múltiples cúbits de espín de silicio utilizando solo microwatios de potencia. Esto resuelve lo que durante mucho tiempo se consideró un desafío de ingeniería insuperable en la computación cuántica.
La importancia de esta innovación radica en su capacidad para situar la electrónica de control a menos de un milímetro de los propios cúbits sin perturbar sus frágiles estados cuánticos. "Gracias a un diseño cuidadoso, demostramos que los cúbits apenas notan el conmutado de 100.000 transistores justo al lado", explicó Reilly, quien describió el logro como "el final de un largo camino" tras una década de desarrollo.
Los enfoques tradicionales de computación cuántica requieren voluminosos sistemas de control externos conectados mediante un cableado denso, lo que genera un cuello de botella en la escalabilidad. Al integrar la electrónica de control directamente en un encapsulado CMOS compatible con temperaturas criogénicas, el equipo australiano ha eliminado esta limitación, abriendo el camino a procesadores cuánticos con millones de cúbits en un solo chip.
El avance se basa en cúbits de espín de silicio, especialmente prometedores por su compatibilidad con la infraestructura de fabricación de semiconductores existente. A diferencia de otras tecnologías cuánticas, estos cúbits pueden producirse a gran escala utilizando los mismos procesos de fabricación CMOS empleados en los smartphones y ordenadores actuales.
Las implicaciones para la inteligencia artificial son profundas. Los ordenadores cuánticos con millones de cúbits podrían acelerar exponencialmente el entrenamiento de modelos de IA complejos y permitir nuevas clases de algoritmos imposibles en el hardware clásico. Esto podría dar lugar a avances en áreas como el descubrimiento de fármacos, la ciencia de materiales y la optimización de sistemas complejos, que siguen siendo intratables incluso para los sistemas de IA más avanzados de la actualidad.