Google Research quiere que los ordenadores cuánticos aprendan de los errores sin detenerse

Google Research ha utilizado aprendizaje por refuerzo para estabilizar un procesador cuántico con corrección de errores mientras opera, cuestionando un límite fundamental de los cálculos cuánticos prolongados. El sistema aprende de las señales de error y ajusta miles de parámetros de control sin que los científicos tengan que detener el cálculo para recalibrarlo.

Esta diferencia importa porque los algoritmos cuánticos útiles podrían necesitar funcionar de forma continua durante días o meses. Los procesadores actuales siguen siendo sensibles a la deriva en las frecuencias, amplitudes y fases que controlan sus qubits. Normalmente, los operadores separan el cálculo de la calibración, lo que obliga a pausar la máquina antes de corregir esos ajustes.

El nuevo trabajo, publicado en Nature el 8 de julio y detallado por Google el 22 de julio, replantea ese problema de mantenimiento. En lugar de tratar los errores cuánticos únicamente como daños que deben decodificarse, el controlador los utiliza como retroalimentación sobre el propio procesador. Google probó el enfoque en Willow, su procesador cuántico superconductivo, tras introducir deliberadamente deriva en los controles.

El resultado no es un ordenador autosanable y tolerante a fallos listo para cargas de trabajo comerciales. Es un mecanismo para mantener un sistema con corrección de errores más cerca de su objetivo operativo. La tensión se sitúa ahora entre la calibración estática basada en modelos y un control adaptativo que aprende mientras continúa el cálculo.

Google Research convierte la detección de errores en una señal de control

El cambio importante es que los datos de error ahora cumplen dos funciones: reparar la información lógica y enseñar al controlador del procesador a reducir errores futuros.

El hardware cuántico no ejecuta instrucciones mediante interruptores perfectamente digitales. Depende de señales analógicas cuidadosamente moldeadas que manipulan estados cuánticos frágiles. Pequeños cambios en la temperatura, la electrónica, los materiales o el entorno pueden alejar un procesador de su punto de funcionamiento calibrado.

Ese desplazamiento se denomina deriva. Puede afectar a la frecuencia, amplitud o fase de una señal de control, cambiando la precisión con la que la máquina realiza operaciones cuánticas. Incluso un procesador bien calibrado puede desviarse a medida que avanza un cálculo prolongado.

La corrección de errores cuánticos, o QEC, protege la información codificando un qubit lógico en varios qubits físicos. Las comprobaciones repetidas de paridad revelan patrones asociados a errores sin leer directamente el estado cuántico protegido. Una medición directa colapsaría la superposición de la que depende el cálculo.

A continuación, un decodificador analiza esos eventos de detección y estima la corrección necesaria para preservar la información lógica. Google ya ha explorado decodificadores aprendidos mediante la investigación AlphaQubit, que aplica redes neuronales a datos de decodificación de errores.

La decodificación no identifica por qué el procesador generó un patrón concreto. Algunos errores surgen de la interacción inevitable con el entorno, un proceso conocido como decoherencia. Otros reflejan una calibración imperfecta o deriva del hardware, que el software de control puede abordar.

El nuevo sistema de control adaptativo envía los mismos eventos de detección de QEC a un agente de aprendizaje por refuerzo. El aprendizaje por refuerzo entrena a un agente mediante la retroalimentación de sus acciones, en lugar de hacerlo a través de una lista fija de respuestas programadas.

Mientras se ejecuta el cálculo, el agente observa cambios en el flujo de detección de errores. Después ajusta los controles analógicos para contrarrestar la deriva inferida. El decodificador sigue gestionando las correcciones lógicas, mientras el controlador intenta evitar que se formen errores adicionales.

Esta división es fundamental para la corrección de errores cuánticos de Google. El decodificador protege la información después de que ocurran errores físicos. El controlador de aprendizaje por refuerzo modifica las condiciones operativas para que los errores controlables se produzcan con menor frecuencia.

Google describe esto como afinar una orquesta mientras sigue tocando. La comparación capta el cambio operativo, aunque la retroalimentación subyacente es menos directa. Un evento de QEC identifica un error dentro de una región delimitada del circuito, no un componente defectuoso preciso.

Por tanto, el agente debe aprender asociaciones entre patrones de error distribuidos y ajustes de control. No recibe un mensaje sencillo que indique que un qubit se ha desplazado a una frecuencia mala conocida. Busca ajustes que mejoren el rendimiento lógico en todo el sistema.

Esto crea el conflicto central del artículo. La calibración tradicional depende de modelos físicos, experimentos controlados e intervención experta antes de que comience una carga de trabajo. La calibración adaptativa trata los datos de error en directo como una fuente continua de información sobre el hardware.

Por qué la calibración continua se ha convertido en el verdadero cuello de botella

Los cálculos prolongados no pueden ofrecer resultados útiles si el procesador debe descartar repetidamente su estado para que los técnicos puedan reajustarlo.

Los procesadores cuánticos son máquinas analógicas que operan con tolerancias inusualmente estrictas. Su comportamiento depende de la electrónica de control, las condiciones criogénicas, las diferencias de fabricación y las interacciones entre componentes cercanos. Estas variables se vuelven más difíciles de representar a medida que crece el procesador.

Una rutina de calibración convencional mide respuestas seleccionadas del hardware, las ajusta a un modelo y actualiza los parámetros de control. Los científicos pueden aplicar intuición física cuando los procedimientos automatizados encuentran un caso inusual. Este proceso funciona lo bastante bien para preparar experimentos, pero sigue estando separado del cálculo.

Esa separación se vuelve costosa cuando un cálculo debe preservar un estado lógico durante un periodo prolongado. La recalibración puede requerir terminar el cálculo porque las mediciones diagnósticas ordinarias perturbarían la información cuántica codificada. La siguiente ejecución debe comenzar de nuevo después de aplicar nuevos ajustes.

Google Research sostiene que los futuros algoritmos útiles necesitarán una operación ininterrumpida de días o meses. Sigue sin estar claro si todas las cargas de trabajo valiosas alcanzarán esa duración. Sin embargo, cualquier arquitectura tolerante a fallos debe mantener operaciones lógicas estables durante mucho más tiempo que las breves demostraciones actuales.

La presión recae primero sobre los sistemas superconductivos que escalan mediante grandes cantidades de componentes controlados. Cada qubit requiere pulsos calibrados, comportamiento de lectura e interacciones con qubits vecinos. Un procesador más grande crea más parámetros y más oportunidades para la deriva local.

Las mejoras de hardware no eliminan automáticamente esta carga de control. Una mejor fabricación puede reducir defectos evidentes y disminuir las tasas medias de error. Cuando esos problemas se reducen, efectos residuales complejos pueden convertirse en la fuente dominante de fallos.

Estos efectos pueden incluir diafonía, cambios lentos de parámetros e interacciones que los modelos físicos simplificados no capturan con precisión. Añadir más ecuaciones no siempre resuelve el problema. Un modelo detallado puede resultar costoso de actualizar y, aun así, no reflejar comportamientos propios de un dispositivo concreto.

Un controlador de aprendizaje ofrece otra vía. Puede optimizar respecto de resultados medidos sin exigir que los ingenieros especifiquen de antemano cada relación causal. El enfoque se parece a aplicaciones de aprendizaje automático en las que las políticas aprendidas superan a reglas construidas manualmente en entornos con muchas variables que interactúan.

Sin embargo, el control adaptativo no sustituye a la física cuántica. Los investigadores siguen necesitando modelos físicos para diseñar el procesador, seleccionar acciones seguras, interpretar fallos y restringir al agente. El aprendizaje por refuerzo aborda la parte del sistema en la que las descripciones construidas manualmente se vuelven difíciles de mantener.

Por eso el experimento importa más allá de las mejoras de tasa de error comunicadas. Conecta la inteligencia de máquina directamente con el bucle operativo del hardware cuántico con corrección de errores. El agente no analiza resultados después de un experimento terminado. Influye en el procesador mientras la información protegida permanece activa.

Esta disposición también cambia el objetivo de ingeniería. Los equipos ya no necesitan únicamente un procesador con una tasa de error baja al inicio de una prueba de rendimiento. Necesitan una pila de control completa que pueda mantener estable el rendimiento lógico durante toda una carga de trabajo.

Para los desarrolladores, el impacto inmediato sigue siendo indirecto. El trabajo no proporciona una nueva interfaz de programación ni hace tolerantes a fallos los servicios cuánticos existentes. Su importancia se encuentra bajo esa capa, donde la calibración determina si las aplicaciones futuras podrán ejecutarse el tiempo suficiente para producir respuestas fiables.

El aprendizaje por refuerzo superó la calibración experta en Willow

Google afirma que el aprendizaje por refuerzo mejoró el rendimiento lógico incluso después de que los científicos ya hubieran ajustado Willow mediante una intensa calibración guiada por humanos.

El equipo evaluó el controlador en el chip Willow de Google, un procesador superconductivo presentado en 2024. Los investigadores inyectaron deliberadamente deriva en sus parámetros de control, creando una prueba para determinar si el agente podía restaurar una operación estable.

Según Google, el control mediante aprendizaje por refuerzo mejoró 3,5 veces la estabilidad lógica del código de corrección de errores bajo esa deriva artificial. La mejora prolongó el tiempo durante el cual el procesador se comportó como una memoria cuántica fiable, lo que significa que preservó información codificada en lugar de ejecutar una aplicación completa.

Los investigadores también comprobaron si el sistema aportaba valor después de una calibración experta. Especialistas humanos ya habían ajustado el procesador utilizando conocimiento físico e intervención manual para casos difíciles. Google afirma que el ajuste posterior mediante aprendizaje por refuerzo redujo la tasa de error lógico otro 20 por ciento.

Ese segundo resultado es posiblemente más revelador que la recuperación tras una deriva inyectada. Un controlador que repara ajustes degradados intencionadamente demuestra que puede buscar mejores parámetros. Un controlador que mejora un sistema ajustado por expertos sugiere que puede encontrar relaciones que operadores experimentados o modelos existentes pasaron por alto.

El experimento combinado produjo menos de un error lógico por cada mil ciclos de corrección de errores para el código de superficie. Un código de superficie organiza qubits físicos de modo que las comprobaciones locales repetidas puedan proteger la información lógica. Google informó de un error lógico por cada cien ciclos para el código de color utilizado en el experimento.

Estas cifras requieren una interpretación cuidadosa. Describen pruebas de memoria cuántica bajo condiciones experimentales definidas, no un ordenador tolerante a fallos de propósito general que ejecute meses de algoritmos útiles. Códigos, operaciones, diseños de dispositivos y cargas de trabajo diferentes pueden producir resultados distintos.

El artículo de Nature revisado por pares proporciona la base técnica para la explicación de la empresa. Su publicación ofrece a investigadores externos un método y un conjunto de datos definidos con los que pueden evaluar las afirmaciones. La reproducción independiente en otros procesadores sigue siendo un paso aparte.

El enfoque también complementa a los decodificadores en lugar de competir con ellos. AlphaQubit y sistemas algorítmicos como la decodificación Tesseract estiman correcciones a partir de eventos de detección. El agente de aprendizaje por refuerzo utiliza esos eventos para modificar controles que influyen en las tasas de error futuras.

Esa combinación crea un sistema de retroalimentación por capas. Los qubits físicos generan eventos de detección. Un decodificador protege el estado lógico, mientras el controlador actualiza los parámetros de hardware. El siguiente ciclo produce entonces nueva evidencia sobre si esos cambios ayudaron.

Un sistema de calibración convencional también puede usar retroalimentación. La diferencia está en cómo la política conecta las observaciones con los ajustes. El agente de Google aprende esa relación mediante la experiencia, en lugar de depender exclusivamente de un modelo físico programado explícitamente.

El experimento no significa que el ordenador cuántico comprenda sus propios errores. El sistema optimiza un objetivo de control a partir de señales estadísticas. La expresión «aprende de sus errores» describe un proceso de retroalimentación adaptativa, no razonamiento ni autoconciencia.

Incluso con esa salvedad, el mecanismo representa un cambio significativo. La corrección de errores se ha planteado generalmente como una defensa frente a hardware ruidoso. Aquí, el flujo de errores también se convierte en un canal de diagnóstico que ayuda al hardware a operar con mayor precisión.

El control adaptativo desafía a los modelos físicos estáticos

La competencia principal no es Google contra otra empresa cuántica. Es el control adaptativo basado en datos frente a una calibración que permanece fija durante un cálculo.

La calibración basada en física parte con ventaja. Los investigadores comprenden el comportamiento previsto de las puertas cuánticas, resonadores, acopladores y sistemas de lectura. Los modelos pueden codificar ese conocimiento de forma eficiente e imponer límites de seguridad que un agente de aprendizaje no debería descubrir mediante ensayo y error sin restricciones.

Los modelos estáticos se vuelven menos fiables cuando se acumulan efectos no modelados. Un pulso que funciona en un qubit puede influir en otro. Un parámetro puede desviarse lentamente durante la operación. Las variaciones de fabricación pueden hacer que componentes nominalmente idénticos se comporten de forma distinta.

Los expertos humanos suelen resolver estos casos límite mediante experimentos específicos. Su intuición es valiosa porque pueden vincular una señal extraña con una causa física plausible. Sin embargo, un experto no puede supervisar y ajustar manualmente decenas de miles de parámetros que interactúan entre sí durante cada cálculo prolongado.

El aprendizaje por refuerzo cambia el equilibrio al convertir el control en un problema de optimización continua. El agente puede seguir evidencia local y actualizar parámetros seleccionados mientras la máquina opera. No necesita una explicación completa de cada patrón antes de actuar.

Google probó la cuestión de la escalabilidad mediante simulaciones numéricas que involucraban cientos de qubits y decenas de miles de parámetros de control. La empresa informa de que el número de iteraciones de entrenamiento no aumentó con el tamaño del sistema en esas simulaciones.

La razón propuesta es la localidad. Los eventos de detección de QEC responden con mayor intensidad a errores cercanos, por lo que el agente no necesita inferir una relación global que abarque todo el procesador. La retroalimentación local puede orientar ajustes de control locales incluso a medida que crece el sistema completo.

Si esa propiedad se mantiene en hardware más grande, aborda una preocupación importante sobre la calibración aprendida. Un método que requiere exponencialmente más entrenamiento a medida que aumentan los qubits tendría poco valor práctico. Un número de iteraciones independiente del tamaño haría que el enfoque resultara más plausible para procesadores más grandes.

Los resultados de simulación no equivalen a escalabilidad física. Los procesadores reales incluyen latencia, ruido correlacionado, comportamiento inesperado del hardware y límites sobre la rapidez con que pueden cambiar los ajustes de control. Una política que converge eficientemente en un entorno numérico puede encontrarse con restricciones distintas dentro de un sistema criogénico.

El ciclo de aprendizaje por refuerzo también necesita una comunicación rápida. Los eventos de detección deben pasar del procesador cuántico al hardware de computación clásica. El agente debe evaluarlos y devolver controles actualizados antes de que la deriva cause un daño mayor.

Google reconoce que son necesarias una integración más estrecha y una comunicación más rápida para aprovechar plenamente el método. Esto convierte la pila de control clásica en parte del problema de escalabilidad cuántica. Los procesadores especializados, los enlaces de baja latencia y las actualizaciones cuidadosamente programadas podrían importar tanto como el algoritmo de aprendizaje.

Las plataformas cuánticas competidoras afrontan cuestiones de estabilidad relacionadas, aunque su hardware produce retos de control distintos. Los sistemas de iones atrapados, átomos neutros, fotónicos y otros no comparten los requisitos exactos de calibración de Willow. Una política validada en hardware superconductor no puede transferirse automáticamente a ellos.

Eso limita la utilidad de una simple comparación empresa contra empresa. La competencia más amplia se refiere a qué arquitectura puede combinar qubits físicos, corrección de errores, decodificación, calibración y control clásico en un sistema fiable.

El resultado de Google refuerza el lado del control adaptativo en esa competencia. Sugiere que el aprendizaje automático puede complementar el modelado físico cuando el comportamiento del procesador se vuelve demasiado complejo para procedimientos fijos. No demuestra que el control aprendido vaya a reemplazar la calibración convencional en todas las capas.

Un sistema híbrido sigue siendo la dirección más creíble. La física proporciona arquitectura, restricciones y calibración inicial. Los expertos humanos diagnostican fallos desconocidos. Los agentes de aprendizaje optimizan continuamente los parámetros dentro de un rango operativo aprobado.

Esa disposición refleja la forma en que muchos sistemas de ingeniería complejos utilizan la automatización. El controlador gestiona ajustes rápidos y repetitivos, mientras las personas definen objetivos e investigan condiciones fuera de su experiencia de entrenamiento. El hardware cuántico eleva las exigencias porque una acción mal elegida puede corromper un estado lógico irremplazable.

Lo que el experimento todavía no demuestra

Un experimento exitoso de memoria bajo deriva inyectada no demuestra un control continuo para un gran ordenador tolerante a fallos que ejecute un algoritmo útil.

La primera incertidumbre es la complejidad de la carga de trabajo. Preservar información lógica en una memoria cuántica es fundamental, pero la computación también requiere puertas lógicas, preparación de estados, medición y coordinación entre qubits codificados. Cada operación puede introducir nuevos errores e interacciones de control.

Un controlador que estabiliza ciclos de memoria podría requerir modificaciones importantes durante operaciones lógicas activas. La distribución de errores puede cambiar a medida que se ejecutan puertas, interactúan los qubits y se densifican los calendarios de control. Google no ha afirmado que el experimento actual resuelva todas esas condiciones.

La segunda incertidumbre es la escala en hardware físico. Las simulaciones utilizaron cientos de qubits y decenas de miles de parámetros, mientras que el comportamiento de escalabilidad comunicado se basó en condiciones modeladas. Los dispositivos reales más grandes pueden generar efectos correlacionados que vulneren las suposiciones sobre la localidad.

Los errores correlacionados merecen especial atención porque la corrección de errores funciona mejor cuando los fallos siguen siendo suficientemente raros e independientes. Una acción de control que mejora una métrica local podría influir en varios componentes cercanos. El agente debe evitar intercambiar una reducción visible de errores por un fallo correlacionado menos evidente.

La tercera incertidumbre es la velocidad de adaptación. La deriva no espera a una canalización de software. Si la detección, la inferencia y las actualizaciones de control tardan demasiado, el procesador puede volver a cambiar antes de que llegue la respuesta del agente.

Google identifica la velocidad de comunicación como un área que requiere mejoras. No se trata de un detalle menor de implementación. El procesamiento clásico de baja latencia debe operar junto con la decodificación, la programación y la lectura sin interferir con la carga de trabajo cuántica.

La cuarta incertidumbre se refiere a la exploración segura. El aprendizaje por refuerzo normalmente mejora al probar acciones y observar sus efectos. Un cálculo cuántico de producción no puede tolerar una experimentación amplia que desestabilice su estado codificado.

Por tanto, el sistema necesita acciones restringidas, reglas de actualización conservadoras o una política fiable entrenada antes del despliegue. Los investigadores deben demostrar que la adaptación puede responder a una deriva desconocida sin introducir una fuente de inestabilidad igualmente grave.

La quinta cuestión es la portabilidad. Una política puede aprender un comportamiento específico del dispositivo, lo que constituye uno de los atractivos del enfoque. Esa especialización también puede dificultar la transferencia cuando el hardware se sustituye, repara u opera en nuevas condiciones.

El reentrenamiento podría ser rutinario si ocurre de forma rápida y segura. Podría resultar costoso si cada procesador requiere una recopilación extensa de datos en condiciones cuidadosamente controladas. El número de iteraciones independiente del tamaño comunicado es alentador, pero no responde a todas las preguntas sobre el despliegue.

También existe un problema de medición. El agente aprende a partir de eventos de detección de QEC, que contienen información incompleta sobre los fallos físicos subyacentes. Un controlador útil debe distinguir la deriva persistente del ruido ambiental aleatorio y de los errores causados por el propio cálculo.

Actuar ante ruido aleatorio podría producir ajustes innecesarios. Ignorar un patrón de deriva sutil podría permitir que se deteriore el rendimiento lógico. Los investigadores necesitarán evaluaciones que muestren cómo se comporta la política ante múltiples fuentes de ruido, no solo ante cambios de parámetros inyectados deliberadamente.

La replicación independiente reforzaría el caso. La publicación en Nature permite a otros investigadores examinar el método, pero una replicación en otro procesador probaría si sus mejoras dependen del diseño de Willow o de la infraestructura circundante de Google.

Ninguna de estas limitaciones vuelve trivial el experimento. Identifican la distancia entre una demostración controlada y un sistema tolerante a fallos operativo. Google Research ha mostrado un mecanismo de control creíble, mientras las pruebas más difíciles de integración de sistemas todavía están por delante.

Tres señales que mostrarán si Google Research puede escalarlo

La siguiente evidencia debe pasar de una memoria cuántica mejorada a cálculos más largos, sistemas físicos más grandes y un control de ciclo cerrado más rápido.

La primera señal es una demostración durante un cálculo lógico, no solo la preservación de memoria. Los investigadores deberían mostrar una calibración adaptativa funcionando mientras se ejecutan puertas codificadas en múltiples qubits lógicos. Un rendimiento estable bajo calendarios de puertas cambiantes reforzaría la afirmación de Google de que el controlador puede respaldar cargas de trabajo útiles.

No mantener su ventaja durante las operaciones lógicas delimitaría el resultado. Sugeriría que la política actual maneja mejor los ciclos de memoria estables que los cálculos dinámicos. Ese resultado seguiría ayudando al almacenamiento cuántico, pero debilitaría el argumento más amplio de la computación continua.

La segunda señal es la escalabilidad física más allá del experimento actual. Un procesador más grande debería conservar la eficiencia de aprendizaje comunicada mientras controla más parámetros y gestiona más interacciones. Los resultados deberían separar las mejoras procedentes del hardware, los cambios en el decodificador y el aprendizaje por refuerzo.

La métrica clave no es simplemente el número de qubits físicos. Los investigadores necesitan tasas de error lógico medidas durante ejecuciones más largas, con y sin control adaptativo, en condiciones comparables. La evidencia de que la carga de entrenamiento sigue siendo manejable respaldaría los resultados de simulación.

La tercera señal es una integración más estrecha entre el hardware cuántico y el controlador clásico. Google ya ha identificado la velocidad de comunicación como un límite. Las futuras demostraciones deberían informar con qué rapidez el ciclo detecta la deriva, selecciona un ajuste y lo aplica.

Una latencia menor haría que la adaptación fuera más útil frente a cambios más rápidos. También demostraría que el aprendizaje por refuerzo puede coexistir con la decodificación y otras tareas de control en tiempo real. Si el ciclo clásico se convierte en un cuello de botella, el procesador cuántico no podrá beneficiarse de una política mejor con suficiente rapidez.

Estas señales importan a más personas que los especialistas en computación cuántica. Los desarrolladores y compradores empresariales deberían observar si los proveedores comienzan a informar de operaciones lógicas sostenidas en lugar de métricas aisladas de qubits físicos. La fiabilidad a lo largo del tiempo determinará cuándo los sistemas cuánticos serán adecuados para trabajos científicos e industriales exigentes.

Los trabajadores del conocimiento que siguen este campo también afrontan un creciente problema de evidencia. Los anuncios cuánticos combinan métricas de dispositivos, resultados específicos de código, simulaciones e interpretaciones de las empresas. Mantener los artículos científicos subyacentes junto a las notas técnicas en una base de conocimiento con capacidad de búsqueda puede hacer que las comparaciones posteriores sean más rigurosas.

Google Research ha convertido la detección de errores en un canal de retroalimentación para el control continuo. La siguiente pregunta es concreta: ¿puede ese ciclo seguir siendo seguro, rápido y eficaz mientras una máquina más grande realiza operaciones lógicas durante días, en lugar de limitarse a preservar memoria en una prueba controlada?