En lo que los expertos llaman el "santo grial de la computación cuántica", investigadores han logrado una aceleración exponencial incondicional en hardware cuántico, demostrando de manera definitiva que las computadoras cuánticas pueden superar a las clásicas sin reservas teóricas.
La investigación pionera, publicada en Physical Review X el 5 de junio de 2025, fue liderada por Daniel Lidar, profesor de ingeniería en USC y especialista en corrección de errores cuánticos. Trabajando junto a colegas de 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 particularmente significativo es que la aceleración es "incondicional", es decir, no depende de suposiciones no comprobadas. "Afirmaciones previas de aceleración requerían asumir que no existía un mejor algoritmo clásico con el cual comparar el algoritmo cuántico", explica Lidar. "La separación en el rendimiento no puede revertirse porque la aceleración exponencial que hemos demostrado es, por primera vez, incondicional".
El equipo modificó el problema de Simon—un desafío matemático que implica encontrar patrones ocultos en funciones—para implementarlo 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 técnicas sofisticadas de supresión de errores, incluyendo desacoplamiento dinámico y mitigación de errores de medición.
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 las computadoras cuánticas continúan 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 mejorados con tecnología cuántica ya han mostrado potencial en aplicaciones específicas. Investigaciones recientes demostraron que las técnicas cuánticas pueden potenciar 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 habilitar una nueva generación de capacidades de IA antes consideradas inviables por limitaciones computacionales.
Este logro demuestra de manera contundente la capacidad largamente prometida de la computación cuántica para ofrecer aceleraciones exponenciales, marcando un paso crucial hacia la ventaja cuántica práctica en aplicaciones del mundo real.