El debate sobre cuándo las computadoras cuánticas superarán definitivamente a las clásicas ha dado un giro inesperado. Científicos de la empresa Multiverse Computing, con sede en San Sebastián, han logrado un hito técnico al demostrar que el hardware convencional, potenciado por algoritmos avanzados y chips de última generación, es mucho más capaz de lo que se creía.
Utilizando cuatro unidades de procesamiento gráfico NVIDIA H200, el equipo ha conseguido simular la dinámica de un sistema cuántico complejo, el modelo de Fermi-Hubbard, con una precisión que hasta ahora se consideraba exclusiva de los procesadores cuánticos más potentes. Este avance no solo iguala los resultados obtenidos recientemente en un procesador cuántico de IBM de 120 cúbits (el cúbit es la unidad básica de un ordenador cuántico, como el bit en uno normal), sino que los supera, extendiendo la simulación más allá de lo que el propio hardware cuántico pudo alcanzar. Lo más relevante es que este estudio reduce una supuesta ventaja de velocidad de 3000 veces a tan solo 36 veces, lo que obliga a la industria a recalibrar sus métricas de progreso. Este resultado subraya la importancia de optimizar los métodos clásicos antes de declarar la supremacía de las nuevas tecnologías cuánticas en problemas científicos reales.
En qué consiste la nueva frontera de la simulación
El trabajo realizado por el equipo de Multiverse Computing se centra en la simulación del modelo de Fermi-Hubbard, un sistema matemático esencial para entender cómo interactúan los electrones en los materiales sólidos. Este modelo es especialmente difícil de calcular porque, a medida que el sistema evoluciona en el tiempo, las partículas se entrelazan de forma masiva, es decir, quedan tan conectadas entre sí que resulta imposible describir una sin tener en cuenta a todas las demás, lo que crea una complejidad que crece de manera exponencial. Hasta hace poco, se pensaba que solo un procesador cuántico de última generación podría gestionar tal cantidad de información en tiempos razonables.
Para romper esta barrera, los investigadores han utilizado una técnica llamada redes de tensores, un método matemático que permite manejar cantidades enormes de información quedándose solo con lo esencial, combinada con un algoritmo denominado Principio Variacional Dependiente del Tiempo o TDVP por sus siglas en inglés. La clave del éxito ha sido aprovechar las simetrías físicas intrínsecas del sistema, específicamente las conocidas como simetrías U(1) y SU(2). Estas simetrías permiten agrupar los datos de la simulación de una manera mucho más eficiente, reduciendo drásticamente la potencia de cálculo necesaria sin sacrificar la exactitud de los resultados finales.
Gracias a esta optimización, el equipo alcanzó una dimensión de enlace de aproximadamente 62.000, una de las cifras más altas jamás registradas para este tipo de simulaciones. Ese valor funciona como un termómetro de la complejidad que el ordenador es capaz de digerir: indica cuánta información y cuánto entrelazamiento puede manejar a la vez, de modo que cuanto más alto, más difícil es el problema que logra resolver. Al elevar este límite, los científicos pudieron obtener resultados totalmente convergentes en regímenes de alto entrelazamiento que antes eran inaccesibles para el hardware convencional.
Por qué este avance cambia las reglas del juego
Este estudio tiene implicaciones directas en la forma en que medimos el progreso de la computación cuántica. Recientemente, la empresa Q-CTRL había reivindicado una «ventaja cuántica práctica» al afirmar que ese procesador de IBM de 120 cúbits era 3000 veces más rápido que cualquier método clásico para este mismo problema. Sin embargo, al aplicar estas nuevas optimizaciones en GPUs de NVIDIA, esa brecha se ha reducido a solo 36 veces. Esta diferencia es notablemente menor y sugiere que la computación clásica todavía tiene mucho margen de mejora antes de ser desplazada por completo.
Además, la simulación clásica no solo igualó la ventana temporal del experimento cuántico original, sino que la extendió. Para hacerse una idea, conviene imaginar la simulación como una película del comportamiento del sistema: cuanto más se avanza en ella, más difícil resulta calcular cada nuevo fotograma. El procesador cuántico logró rodar esa película hasta un instante que los físicos denominan t=6, mientras que el equipo de Multiverse llegó un paso más allá, hasta t=7. Esto permite certificar de manera rigurosa los resultados cuánticos obtenidos anteriormente, algo vital para la comunidad científica, ya que sin una referencia clásica fiable es imposible saber si un dispositivo cuántico está funcionando correctamente o si los errores acumulados están falseando los datos.
Entre los beneficios de este enfoque se encuentran:
- Una reducción significativa de los costes operativos al utilizar hardware comercial frente a la costosa infraestructura cuántica.
- La posibilidad de verificar y validar el rendimiento de nuevos procesadores cuánticos mediante simulaciones clásicas de alta precisión.
- Un ahorro de tiempo en el desarrollo de nuevos materiales al poder simular sus propiedades electrónicas con mayor fidelidad en sistemas ya existentes.
Quiénes están detrás y qué tecnología han usado
La investigación ha sido liderada por Multiverse Computing, una empresa que opera desde San Sebastián y Toronto, consolidándose como un actor relevante en el ecosistema de software cuántico y de alta eficiencia. El estudio, titulado Pushing the Classical Frontier of 1D Fermi–Hubbard Quench Dynamics Beyond Current Quantum Simulations, contó con la participación de destacados científicos como Román Orús y Roman Rausch.
Conviene tener presente un par de cosas al interpretar estos resultados. La primera es que se trata de un trabajo preliminar, publicado por ahora en el repositorio abierto arXiv y todavía pendiente de la revisión formal por parte de otros científicos. La segunda es que el estudio está firmado en su totalidad por Multiverse Computing, una compañía cuyo negocio se apoya precisamente en demostrar que los métodos clásicos y los inspirados en lo cuántico pueden competir con el hardware cuántico. Nada de esto resta mérito al trabajo, pero ayuda a leer sus conclusiones con la perspectiva adecuada.
En el apartado técnico, el uso de cuatro GPUs NVIDIA H200 fue determinante. Estos procesadores gráficos están diseñados específicamente para tareas de inteligencia artificial y computación científica intensiva. Los investigadores implementaron sus algoritmos utilizando la biblioteca PyTorch, lo que les permitió aprovechar al máximo el rendimiento de los chips de NVIDIA mediante el procesamiento por lotes de las operaciones matemáticas más pesadas.
Un detalle técnico curioso es que el equipo optó por trabajar con precisión simple (float32) en lugar de la habitual precisión doble. Esta decisión, lejos de ser una debilidad, fue un movimiento estratégico. El propio equipo validó la precisión simple frente a cálculos en doble precisión (float64) y comprobó que los errores de redondeo no se acumulaban a lo largo de los numerosos pasos temporales, por lo que el float32 se mantuvo fiable durante toda la simulación, a la vez que reducía a la mitad el uso de memoria y aceleraba los cálculos en la GPU.
¿Qué significa esto para el futuro?
Lo que estamos presenciando es una carrera de relevos tecnológica donde el hardware clásico y el cuántico se presionan mutuamente para mejorar. Cada vez que la computación cuántica reclama una victoria, la computación clásica responde con algoritmos más inteligentes y un uso más eficiente de los transistores. Este avance de Multiverse Computing nos recuerda que la utilidad práctica de la tecnología cuántica no se define solo por lo que puede hacer, sino por lo que puede hacer mejor que la alternativa más optimizada de la informática tradicional.
Eso sí, conviene no sacar conclusiones de más. Este resultado se ha logrado en un sistema unidimensional, es decir, uno en el que las partículas se disponen en una sola fila, como las cuentas de un collar. En esa clase de problemas, las técnicas clásicas empleadas por Multiverse (las llamadas redes de tensores) son especialmente eficaces. La cosa puede cambiar en sistemas más complejos, como los de dos o tres dimensiones, donde el cálculo se complica enormemente para un ordenador convencional y donde los ordenadores cuánticos podrían conservar su ventaja. Dicho de otro modo: las GPUs han ganado esta partida concreta, no toda la liga.
En los próximos años, es probable que veamos cómo estas técnicas de redes de tensores se integran cada vez más en los flujos de trabajo de la inteligencia artificial y el diseño de fármacos. La frontera entre lo que puede simular un chip convencional y un procesador cuántico sigue moviéndose, y por ahora, el hardware clásico ha demostrado que todavía tiene mucha energía para mantenerse en la competición. El futuro no será exclusivamente cuántico ni puramente clásico, sino una integración inteligente de ambas potencias.
