El experimento consistía en simular la evolución de sistemas magnéticos desordenados conocidos como modelos de vidrio de espines de Ising, organizados en redes o “lattices”. Estos modelos son relevantes en la física de materiales y también aparecen en problemas de optimización complejos.
Debido a que los métodos clásicos conocidos parecían escalar muy mal para sistemas tan grandes, los autores describieron el resultado como una demostración de cálculo “más allá de lo clásico”.
El equipo del Flatiron Institute decidió abordar exactamente el mismo problema de simulación desde otro ángulo. En lugar de intentar representar directamente todo el estado cuántico —algo que crece exponencialmente con el número de qubits— aprovecharon la estructura matemática del sistema.
Su método combina varias ideas clave:
Con este enfoque, el algoritmo sigue la evolución del sistema sin tener que almacenar explícitamente la función de onda completa de 5.000 qubits. Esto reduce de forma drástica el coste computacional manteniendo una precisión alta.
Los autores afirman que el método puede simular con precisión la misma dinámica de recocido cuántico que se había presentado como fuera del alcance de los algoritmos clásicos.
La clave está en cómo funcionan las redes tensoriales. En lugar de guardar todos los posibles estados cuánticos —una cantidad astronómica de información— estas técnicas comprimen el estado cuántico capturando solo las correlaciones relevantes entre las partículas.
En muchos sistemas físicos con interacciones estructuradas, como los que se organizan en redes regulares, el entrelazamiento crece de forma que todavía puede aproximarse de manera compacta. Cuando eso ocurre, las redes tensoriales pueden describir el sistema con muchos menos parámetros que una simulación directa.
En el trabajo del Flatiron, la combinación de esta compresión con la propagación de creencias permitió que algunos experimentos numéricos se ejecutaran en computadoras personales, no solo en supercomputadores.
El resultado no demuestra que las computadoras cuánticas carezcan de ventajas. Lo que muestra es otra realidad bien conocida en el campo: la línea que separa lo clásico de lo cuántico se mueve constantemente.
Las afirmaciones de ventaja cuántica suelen compararse con los mejores algoritmos clásicos disponibles en ese momento. Pero los algoritmos clásicos —especialmente métodos como redes tensoriales, Monte Carlo o técnicas variacionales— siguen mejorando rápidamente.
Por eso, un problema que hoy parece imposible para una computadora clásica puede volverse manejable mañana si alguien descubre un algoritmo más eficiente. Este nuevo trabajo ilustra exactamente ese fenómeno: el límite no era necesariamente fundamental, sino el estado del arte de los algoritmos clásicos utilizados como referencia.
A raíz de episodios como este, los investigadores están endureciendo los criterios para demostrar una verdadera ventaja cuántica. Hoy se buscan problemas donde:
En la práctica, el progreso en computación avanzada suele surgir de dos frentes al mismo tiempo: hardware y algoritmos. Mientras los procesadores cuánticos siguen avanzando, los métodos clásicos también evolucionan rápidamente.
Por ahora, la competencia entre ambos enfoques sigue siendo una carrera abierta —y cada nueva afirmación de ventaja cuántica tendrá que resistir el siguiente avance en algoritmos clásicos.
Comments
0 comments