Un algoritmo cuántico salva el gran escollo de las ecuaciones diferenciales
Un equipo internacional usa wavelets para que el coste de resolver ecuaciones diferenciales en un ordenador cuántico deje de crecer con el «número de condición», el obstáculo de los métodos anteriores.

Las ecuaciones diferenciales en derivadas parciales están detrás de casi todo lo que la ciencia y la ingeniería quieren predecir. Describen cómo se reparte el calor por una pieza, cómo se mueve un fluido o cómo se difunde una sustancia. Resolverlas con detalle cuesta mucho cálculo, y por eso se han convertido en una de las aplicaciones que más se esperan de los ordenadores cuánticos. Un trabajo aceptado en Physical Review Research, firmado entre otros por Mohsen Bagherimehrab, Kouhei Nakaji y Nathan Wiebe, propone una forma de quitarse de encima uno de los obstáculos que lastraban a los algoritmos cuánticos en este terreno. Lo que sigue es un resumen propio del artículo, no una traducción.
El problema: un número que lo estropeaba todo
Para que un ordenador, clásico o cuántico, pueda resolver una ecuación diferencial, primero hay que discretizarla. Es decir, se cambia el problema continuo por una rejilla de puntos y la ecuación pasa a ser un gran sistema de ecuaciones lineales, que se escribe con matrices. Cuanto más fina es la rejilla, más grandes son esas matrices. Los autores llaman N a su tamaño.

Los algoritmos cuánticos para sistemas lineales tienen una ventaja tentadora: en teoría, su coste puede crecer muy despacio con N. Pero tienen una pega. Su complejidad depende, como mínimo de forma lineal, de una cantidad llamada número de condición (κ). Este número mide lo «mal planteado» que está el sistema, o sea, cuánto se amplifican los errores al resolverlo.
Según los autores, en muchas aplicaciones prácticas κ crece de forma polinómica con N. Si la rejilla se refina, el número de condición se dispara, y con él el coste del algoritmo. En la práctica, la supuesta ventaja cuántica se quedaba en una complejidad polinómica en N, mucho menos espectacular de lo que prometía la teoría.
La solución: cambiar de «gafas» con wavelets
La idea clave del trabajo consiste en mirar el problema en otro sistema de coordenadas. Los investigadores usan una base de wavelets (onditas) como sistema auxiliar. Las wavelets son funciones que describen una señal a la vez a distintas escalas, desde los rasgos gruesos hasta los detalles finos. Por eso se usan desde hace décadas en compresión de imágenes y en análisis de señales.

En esa base, las matrices del problema se pueden «domesticar» con un precondicionador diagonal muy sencillo. Básicamente, se reescala cada componente con un factor adecuado. Tras ese paso, el número de condición deja de depender de N. Ese es el detalle que cambia las cuentas, porque si κ ya no crece con el tamaño del problema, el coste tampoco lo hace por esa vía.
El resultado, según el artículo, es un algoritmo cuya complejidad es polilogarítmica en N e independiente de κ para una amplia clase de ecuaciones diferenciales. Dicho de forma intuitiva, multiplicar el tamaño de la rejilla por mil apenas encarece el cálculo, mientras que con los métodos anteriores el coste subía de forma notable.
- Antes: coste que crece al menos linealmente con κ, y κ crece con N.
- Ahora: coste polilogarítmico en N y sin dependencia de κ, para muchas ecuaciones.
- Herramienta: wavelets más un precondicionador diagonal.
Los autores incluyen simulaciones numéricas en un ordenador clásico con varias ecuaciones diferenciales. En ellas muestran el efecto del precondicionador: el número de condición se mantiene acotado al refinar la discretización.
Las letras pequeñas
Conviene no confundir este avance con «resolver ecuaciones al instante». Hay varios matices importantes.

Primero, el algoritmo no entrega la solución completa punto a punto. Genera un estado cuántico que la codifica, y de ese estado se pueden extraer ciertas propiedades, como promedios o magnitudes globales. Leer la solución entera exigiría tantas medidas que se perdería la ventaja. Es una limitación común a toda esta familia de algoritmos.
Segundo, el resultado vale para «una amplia clase» de ecuaciones, no para todas. Fuera de ese grupo, la garantía de que κ no depende de N no está asegurada.
Tercero, se trata de un resultado teórico respaldado por simulaciones clásicas, no de una ejecución en hardware cuántico real. Para aplicarlo a problemas útiles harán falta ordenadores cuánticos con muchos más cúbits y mucha más tolerancia a fallos que los actuales. Además, preparar los datos de entrada y cargarlos en la máquina tiene su propio coste, que en la práctica puede ser relevante.
Por qué importa
Las ecuaciones diferenciales son el idioma de la física aplicada, del clima a la aerodinámica. Si los ordenadores cuánticos han de servir para algo más que demostraciones, este es uno de sus campos naturales. El trabajo de Bagherimehrab y sus colegas no construye ninguna máquina nueva. Lo que hace es quitar un cuello de botella matemático que hacía menos atractivos los algoritmos ya conocidos. Y lo consigue con una herramienta clásica y elegante, las wavelets, que puede integrarse en métodos de simulación cuántica que usan discretizaciones estándar. Es teoría, pero de la que prepara el terreno para cuando el hardware esté a la altura.
Fuente: M. Bagherimehrab, K. Nakaji, N. Wiebe et al., «Fast quantum algorithm for differential equations», Physical Review Research (2026), DOI: 10.1103/2mlq-dbfg. Acceso abierto, licencia CC BY. Preprint en arXiv:2306.11802.
- Fast quantum algorithm for differential equations (artículo aceptado) — Physical Review Research
- Fast quantum algorithm for differential equations (preprint) — arXiv
Texto generado con inteligencia artificial a partir de las fuentes citadas, sin revisión humana individual (Reglamento UE 2024/1689, art. 50). Las fotos llevan su crédito y licencia; las marcadas como realzadas se han retocado con IA sin alterar su contenido.
Relacionado
- Un algoritmo Metropolis cuántico más sencillo y con garantías gracias a la medida débil
- Un protocolo «limpia» los estados cuánticos con menos copias que nunca
- Estrujar la incertidumbre cuántica protege mejor a los «qubits gato»
- Quantinuum y Google atacan el gran problema cuántico: los errores
- Anterior en Ciencia: ¿Y si la materia oscura fuera el gemelo oculto del bosón de Higgs?
- Siguiente en Ciencia: PaECTER, la IA de código abierto que busca patentes parecidas a la tuya
Temas: Computación cuántica (7) · Algoritmos (5) · Física (10)





Comentarios
Para comentar hay que iniciar sesión (Google, X, Facebook, Apple, Microsoft o cuenta de Disqus). Se moderan insultos, spam y datos personales: normas.
Los comentarios los sirve Disqus, un servicio externo que usa cookies propias y de publicidad. Solo se carga si pulsas el botón. Más información.