Introducción

La computación cuántica es una forma de computación que utiliza fenómenos de la mecánica cuántica para procesar información. No consiste en fabricar ordenadores clásicos más rápidos, sino en usar otro modelo físico y matemático para resolver algunos tipos de problemas de forma distinta.

En un ordenador clásico, la información se representa mediante bits. Cada bit vale 0 o 1. En un ordenador cuántico, la unidad básica es el qubit, que puede prepararse en estados que no tienen equivalente directo en la informática clásica.

Este tema suele explicarse con frases llamativas como “un qubit es 0 y 1 a la vez” o “un ordenador cuántico prueba todas las soluciones al mismo tiempo”. Estas ideas pueden servir como primera intuición, pero son incompletas. En este tutorial las matizaremos para evitar malentendidos.

El objetivo es que comprendas los conceptos esenciales sin necesidad de estudiar física avanzada: qué es un qubit, qué ocurre al medirlo, por qué el entrelazamiento es importante, qué hacen las puertas cuánticas, qué algoritmos son relevantes y qué puede hacerse hoy con simuladores y hardware real.

Conocimiento previo

• Representación básica de información con bits.
• Álgebra elemental: vectores, probabilidades y raíces cuadradas.
• Conceptos básicos de algoritmos y complejidad.
• Uso básico de Python si se quiere experimentar con simuladores como Qiskit.

No es necesario dominar mecánica cuántica para seguir el tutorial. Cuando aparezca una idea física, se explicará desde el punto de vista informático.

Referencias

• IBM Quantum - Hardware and roadmap
• IBM Quantum - Qiskit
• AWS - What is quantum computing?
• Microsoft Learn - Q# and the Quantum Development Kit
• NIST - Post-quantum encryption standards
• Google Quantum AI - Learn

Índice

1. Qué es la computación cuántica
2. Bits, qubits y medición
3. Superposición, interferencia y entrelazamiento
4. Puertas y circuitos cuánticos
5. Algoritmos cuánticos importantes
6. Hardware cuántico actual
7. Simuladores y entornos de programación
8. Aplicaciones y límites actuales
9. Criptografía y seguridad
10. Errores frecuentes
11. Ejercicios

1. Qué es la computación cuántica

La computación cuántica estudia cómo procesar información usando sistemas físicos que obedecen las reglas de la mecánica cuántica. Estas reglas son especialmente importantes a escala microscópica, por ejemplo en electrones, fotones, átomos o circuitos superconductores.

Un ordenador cuántico no es simplemente un ordenador clásico con más núcleos. Su funcionamiento se basa en preparar, transformar y medir estados cuánticos. Esto permite diseñar algoritmos con comportamientos que no aparecen en la computación clásica.

1.1. Qué problemas intenta resolver

La computación cuántica no acelera cualquier tarea. No hará que una hoja de cálculo, una web o un videojuego funcionen automáticamente más rápido.

Sus áreas de interés están en problemas donde la estructura matemática puede aprovechar fenómenos cuánticos:

• Simulación de moléculas y materiales.
• Química computacional y diseño de fármacos.
• Optimización combinatoria en casos concretos.
• Factorización y ciertos problemas de teoría de números.
• Búsqueda no estructurada con aceleración cuadrática.
• Modelos híbridos de aprendizaje automático aún en investigación.

1.2. Estado actual del campo

La computación cuántica es real, pero todavía está en una fase temprana. Ya existen procesadores cuánticos accesibles en la nube, herramientas de programación y resultados científicos relevantes. Sin embargo, los dispositivos actuales tienen ruido, errores y limitaciones de escala.

Conviene distinguir tres ideas:

La ventaja cuántica práctica general aún no es algo cotidiano. El campo avanza, pero todavía hay que ser prudente al hablar de aplicaciones industriales inmediatas.

2. Bits, qubits y medición

2.1. El bit clásico

Un bit clásico puede tener uno de dos valores:

• 0
• 1

Todos los datos de un ordenador clásico, desde una imagen hasta un programa, se representan combinando muchos bits.

2.2. El qubit

Un qubit es la unidad básica de información cuántica. Puede implementarse físicamente de varias formas: con circuitos superconductores, iones atrapados, fotones, átomos neutros u otros sistemas.

Un qubit tiene dos estados base que suelen llamarse |0⟩ y |1⟩. La diferencia con un bit es que un qubit puede prepararse en una combinación de esos estados.

Una forma habitual de escribirlo es:

|ψ⟩ = α|0⟩ + β|1⟩

α y β son amplitudes. No son probabilidades directamente, pero permiten calcularlas. Al medir el qubit:

• La probabilidad de obtener 0 es |α|².
• La probabilidad de obtener 1 es |β|².
• La suma de ambas probabilidades debe ser 1.

2.3. Medir un qubit

La medición es una idea clave: cuando mides un qubit, obtienes un resultado clásico, normalmente 0 o 1.

Esto significa que un qubit no permite leer “toda la información de la superposición”. Antes de medirlo, el estado puede estar descrito por amplitudes; después de medirlo, obtienes un valor clásico.

Ejemplo:

|ψ⟩ = (1/√2)|0⟩ + (1/√2)|1⟩

Si preparas muchas veces ese estado y lo mides, aproximadamente la mitad de las mediciones darán 0 y la otra mitad darán 1.

Una sola medición no revela las amplitudes completas. Para estimar probabilidades hay que repetir el experimento muchas veces.

3. Superposición, interferencia y entrelazamiento

3.1. Superposición

La superposición significa que un estado cuántico puede expresarse como combinación de varios estados base.

Una analogía útil es una moneda girando en el aire. Mientras gira, no la describimos simplemente como cara o cruz. Pero la analogía tiene límites: un qubit no es una moneda clásica escondiendo un valor, sino un sistema cuántico cuyo comportamiento se describe mediante amplitudes.

La superposición permite preparar estados ricos, pero por sí sola no resuelve problemas. Lo importante es cómo los algoritmos modifican las amplitudes para que las respuestas correctas sean más probables al medir.

3.2. Interferencia

La interferencia es uno de los conceptos más importantes y menos intuitivos.

Las amplitudes cuánticas pueden reforzarse o cancelarse. Un algoritmo cuántico bien diseñado intenta hacer dos cosas:

• Aumentar la amplitud asociada a respuestas útiles.
• Reducir la amplitud asociada a respuestas incorrectas.

Por eso no basta con decir que un ordenador cuántico “prueba todas las soluciones a la vez”. Si al final medimos solo un resultado, necesitamos que el circuito haya concentrado probabilidad en las respuestas que nos interesan.

3.3. Entrelazamiento

El entrelazamiento aparece cuando el estado de varios qubits solo puede describirse como un sistema conjunto. En ese caso, no basta con describir cada qubit por separado.

Un ejemplo típico es un par de qubits preparado de forma que, al medirlos, sus resultados estén correlacionados:

|ψ⟩ = (1/√2)(|00⟩ + |11⟩)

Si mides el primer qubit y obtienes 0, el segundo también aparecerá como 0. Si obtienes 1, el segundo aparecerá como 1.

Esto no permite enviar información instantánea más rápido que la luz. Lo que produce son correlaciones cuánticas que no se explican con una descripción clásica simple. Estas correlaciones son un recurso fundamental para algoritmos, comunicación cuántica y corrección de errores.

4. Puertas y circuitos cuánticos

Un programa cuántico suele representarse como un circuito cuántico. Un circuito contiene líneas de qubits y operaciones aplicadas en orden.

Las operaciones básicas se llaman puertas cuánticas. Son parecidas a las puertas lógicas clásicas en el sentido de que transforman información, pero trabajan sobre estados cuánticos.

4.1. Puertas de un qubit

Algunas puertas comunes son:

La fase no siempre se observa directamente al medir, pero es esencial porque afecta a la interferencia.

4.2. Puertas de varios qubits

Las puertas de varios qubits permiten crear relaciones entre qubits.

La puerta CNOT, combinada con H, permite crear estados entrelazados sencillos.

4.3. Circuito mínimo de ejemplo

Un circuito conceptual para crear correlación entre dos qubits sería:

1. Preparar dos qubits en |00⟩.
2. Aplicar H al primer qubit.
3. Aplicar CNOT usando el primer qubit como control y el segundo como objetivo.
4. Medir ambos qubits.

El resultado tenderá a ser 00 o 11, no una mezcla independiente de todos los valores posibles.

5. Algoritmos cuánticos importantes

Un algoritmo cuántico no consiste en ejecutar código clásico sobre un procesador especial. Consiste en diseñar una secuencia de operaciones que manipule amplitudes para obtener una distribución de resultados útil.

5.1. Deutsch-Jozsa

Deutsch-Jozsa es un algoritmo educativo. Sirve para mostrar que, en un problema artificial concreto, un circuito cuántico puede necesitar menos consultas que un algoritmo clásico determinista.

Su importancia es didáctica: ayuda a entender superposición, oráculos e interferencia.

5.2. Grover

El algoritmo de Grover acelera la búsqueda en un espacio no estructurado.

Si un algoritmo clásico necesita revisar N elementos en el peor caso, Grover puede encontrar una solución en aproximadamente √N pasos.

Esto no es una aceleración exponencial, pero sí es importante. Puede afectar a búsqueda, optimización y seguridad, aunque requiere un modelo adecuado del problema.

5.3. Shor

El algoritmo de Shor permite factorizar enteros y calcular logaritmos discretos de forma eficiente en un ordenador cuántico suficientemente grande y tolerante a fallos.

Su relevancia es enorme porque muchos sistemas criptográficos actuales, como RSA y parte de la criptografía basada en curvas elípticas, dependen de que esos problemas sean difíciles para ordenadores clásicos.

Los ordenadores cuánticos actuales todavía no tienen la escala y corrección de errores necesarias para romper claves modernas usadas en producción, pero la amenaza futura es suficientemente seria como para que ya se estén desplegando estándares de criptografía poscuántica.

5.4. Algoritmos variacionales

Los algoritmos variacionales combinan un ordenador clásico y uno cuántico.

El flujo general es:

1. El ordenador clásico propone parámetros.
2. El circuito cuántico se ejecuta con esos parámetros.
3. Se miden resultados.
4. El ordenador clásico ajusta los parámetros.
5. El proceso se repite.

Ejemplos conocidos son VQE, usado en simulación química, y QAOA, usado en problemas de optimización. Son importantes para dispositivos ruidosos actuales, aunque su ventaja práctica depende mucho del problema y del hardware.

6. Hardware cuántico actual

Construir un ordenador cuántico es difícil porque los estados cuánticos son frágiles. El entorno puede introducir ruido, errores y decoherencia.

6.1. Tecnologías de qubits

No existe una única tecnología ganadora. Varias líneas de investigación compiten y se complementan.

6.2. Qué significan los qubits anunciados

Es habitual leer titulares sobre procesadores de 100, 1.000 o más qubits. El número de qubits es importante, pero no basta.

También importan:

• Tasa de error.
• Conectividad entre qubits.
• Tiempo de coherencia.
• Calidad de las puertas.
• Velocidad de ejecución.
• Capacidad de corrección de errores.

Un procesador con más qubits no siempre es más útil que otro con menos qubits pero mejor calidad.

6.3. Corrección de errores

Los qubits físicos son propensos a errores. Para ejecutar algoritmos largos se necesitan qubits lógicos, construidos a partir de muchos qubits físicos y códigos de corrección de errores.

Esta es una de las grandes metas del campo: pasar de dispositivos ruidosos a ordenadores cuánticos tolerantes a fallos.

IBM, Google, Microsoft, Quantinuum, IonQ, IQM, Rigetti, Xanadu y otros actores investigan distintas formas de mejorar hardware, software y corrección de errores. Las hojas de ruta anuncian avances importantes, pero deben interpretarse como objetivos tecnológicos, no como garantías de disponibilidad inmediata para cualquier aplicación.

7. Simuladores y entornos de programación

Como el hardware real es limitado y puede tener coste o colas de ejecución, los simuladores son una herramienta fundamental para aprender.

7.1. Simulador frente a hardware real

Simular n qubits requiere representar muchos estados posibles. Por eso los simuladores clásicos crecen muy rápido en consumo de memoria.

7.2. Qiskit

Qiskit es un SDK abierto muy usado para construir, simular y ejecutar circuitos cuánticos.

Instalación típica:

pip install qiskit

Ejemplo conceptual en Python:

from qiskit import QuantumCircuit

qc = QuantumCircuit(1, 1)
qc.h(0)
qc.measure(0, 0)

print(qc)

Este circuito crea un qubit, aplica una puerta Hadamard y lo mide.

7.3. Otros entornos

Para empezar, lo más importante no es elegir “la herramienta definitiva”, sino entender circuitos, medición y resultados probabilísticos.

8. Aplicaciones y límites actuales

8.1. Simulación de química y materiales

La naturaleza es cuántica. Simular moléculas complejas con precisión puede ser muy costoso para ordenadores clásicos. Por eso una de las aplicaciones más prometedoras es la simulación de química, materiales y sistemas físicos.

Posibles impactos futuros:

• Diseño de catalizadores.
• Nuevos materiales.
• Baterías más eficientes.
• Investigación farmacéutica.

8.2. Optimización

Muchos problemas reales consisten en elegir la mejor solución entre muchas combinaciones: rutas, horarios, carteras financieras, asignación de recursos o planificación industrial.

La computación cuántica podría ayudar en algunos casos, especialmente mediante enfoques híbridos. Sin embargo, no todos los problemas de optimización se benefician automáticamente de un ordenador cuántico.

8.3. Aprendizaje automático cuántico

El aprendizaje automático cuántico intenta combinar modelos clásicos de IA con circuitos cuánticos.

Es un área activa de investigación, pero todavía no debe presentarse como una sustitución directa del aprendizaje automático actual. Muchas propuestas están en fase experimental y se comparan continuamente con métodos clásicos muy optimizados.

8.4. Qué no conviene prometer

Es importante evitar afirmaciones exageradas:

• No todos los problemas serán más rápidos en ordenadores cuánticos.
• Más qubits no implica automáticamente más utilidad.
• La computación cuántica no rompe hoy toda la criptografía usada en internet.
• Los simuladores cuánticos no son equivalentes a hardware cuántico real.
• La ventaja práctica dependerá de hardware, algoritmos, corrección de errores y coste.

9. Criptografía y seguridad

La computación cuántica tiene una relación especial con la seguridad informática.

9.1. Riesgo para criptografía actual

Un ordenador cuántico tolerante a fallos y suficientemente grande podría ejecutar Shor contra sistemas como RSA o criptografía de curva elíptica.

Ese escenario aún no está disponible de forma práctica, pero muchas organizaciones ya preparan migraciones porque los cambios criptográficos tardan años.

9.2. Criptografía poscuántica

La criptografía poscuántica no consiste en usar ordenadores cuánticos para cifrar, sino en usar algoritmos clásicos diseñados para resistir ataques de ordenadores clásicos y cuánticos.

NIST publicó en 2024 los primeros estándares finalizados de cifrado poscuántico, entre ellos ML-KEM para encapsulación de claves y ML-DSA y SLH-DSA para firmas digitales.

9.3. Distribución cuántica de claves

La distribución cuántica de claves o QKD usa propiedades cuánticas para detectar ciertas formas de interceptación en el intercambio de claves.

No debe describirse como seguridad absoluta. En sistemas reales también importan la implementación, los dispositivos, el canal, la autenticación y la operación segura.

10. Errores frecuentes

11. Ejercicios

La computación cuántica es un campo prometedor, pero exige precisión. Su valor no está en la magia ni en la velocidad universal, sino en aprovechar superposición, interferencia y entrelazamiento para problemas donde esas propiedades ofrecen una estructura útil. Comprender sus límites actuales es tan importante como conocer sus posibilidades futuras.