En lo que los expertos califican como el "Santo Grial de la computación cuántica", los investigadores han logrado una aceleración exponencial incondicional en hardware cuántico, demostrando de forma definitiva que los ordenadores cuánticos pueden superar a los clásicos sin reservas teóricas.
La investigación pionera, publicada en Physical Review X el 5 de junio de 2025, estuvo liderada por Daniel Lidar, profesor de ingeniería en la USC y experto en corrección de errores cuánticos. Junto a colegas de la USC y la Universidad Johns Hopkins, el equipo de Lidar demostró la ventaja exponencial utilizando dos de los procesadores cuánticos Eagle de 127 cúbits de IBM, operados de forma remota a través de la nube.
Lo que hace que este logro sea especialmente significativo es que la aceleración es "incondicional", es decir, no depende de suposiciones no demostradas. "Las afirmaciones previas de aceleración requerían asumir que no existía un mejor algoritmo clásico con el que comparar el algoritmo cuántico", explica Lidar. "La diferencia de rendimiento no puede revertirse porque la aceleración exponencial que hemos demostrado es, por primera vez, incondicional".
El equipo modificó el problema de Simon—un reto matemático que consiste en encontrar patrones ocultos en funciones—para su implementación en hardware cuántico real. Este problema se considera un precursor del algoritmo de factorización de Shor, que dio origen a todo el campo de la computación cuántica. Para superar el ruido y los errores que suelen afectar a los sistemas cuánticos, los investigadores emplearon sofisticadas técnicas de supresión de errores, incluyendo desacoplamiento dinámico y mitigación de errores de medida.
Aunque Lidar advierte que "este resultado no tiene aplicaciones prácticas más allá de ganar juegos de adivinanzas", las implicaciones para la inteligencia artificial son profundas. A medida que los ordenadores cuánticos sigan avanzando, podrían acelerar drásticamente los procesos de aprendizaje automático, especialmente en problemas de optimización y cálculos complejos que actualmente requieren enormes recursos computacionales.
Los algoritmos de IA potenciados por la computación cuántica ya han mostrado su potencial en aplicaciones concretas. Investigaciones recientes han demostrado que las técnicas cuánticas pueden mejorar el aprendizaje automático basado en kernels, haciéndolo más rápido, preciso y eficiente energéticamente que los métodos clásicos. A medida que el hardware cuántico escale, estas ventajas podrían permitir una nueva generación de capacidades de IA antes inviables por limitaciones computacionales.
Este logro demuestra de forma contundente la tan prometida capacidad de la computación cuántica para ofrecer aceleraciones exponenciales, marcando un paso crucial hacia la ventaja cuántica práctica en aplicaciones del mundo real.