Corrección de errores cuánticos: el código de color de Quantinuum

Quantinuum ha publicado un experimento de corrección de errores cuánticos en el que un cúbit lógico, codificado en iones atrapados, falla unas cinco veces por millón de ciclos de corrección. Es una cifra muy baja para un cúbit lógico real, pero es la cifra de un solo cúbit lógico conservado en memoria, no de un ordenador que calcule con ellos, y todavía es un preprint sin revisión por pares ni verificación independiente.

La idea

Un ordenador cuántico se equivoca mucho. La solución es guardar cada cúbit «lógico» repartido entre muchos cúbits físicos y comprobar constantemente, sin mirar la información, si algo ha fallado. Si el error físico es bajo, añadir cúbits al código reduce el error lógico en lugar de aumentarlo: es el umbral de error. Lo que mide ese efecto es el factor $\Lambda$, la reducción del error lógico cada vez que la distancia del código sube de $d$ a $d+2$:

$$\Lambda = \frac{\varepsilon_d}{\varepsilon_{d+2}} .$$

Cuanto mayor es $\Lambda$, más por debajo del umbral se trabaja. En 2024, Google logró con superconductores un código de superficie de distancia 7 (101 cúbits) con un error de $0{,}143\,\%$ por ciclo y $\Lambda \approx 2{,}14$.

Qué han hecho

El equipo de Quantinuum (Lavasani y otros; preprint del 16 de octubre de 2026, nota de prensa del 19) usó su procesador Helios, de iones de bario, con un código de color triangular: un código CSS con parámetros $[[(3d^2+1)/4,\,1,\,d]]$, es decir, 7, 19 y 37 cúbits de datos para $d=3,5,7$. Su ventaja es que las puertas de Clifford (Hadamard, fase y CNOT entre dos bloques) se aplican de forma transversal, sin propagar errores dentro del bloque.

Los errores lógicos por ciclo de extracción de síndrome que reportan son:

Distancia	Error lógico por ciclo	Fallos observados / disparos
3	$5{,}5\times10^{-4}$	178 / 15 840
5	$3{,}8\times10^{-5}$	17 / 21 600
7	$\approx 5\times10^{-6}$	3 / 29 000

Con 20 rondas por disparo y el decodificador principal (Tesseract), el ajuste da $\Lambda\approx 12$ (con incertidumbre de $+3/-2$); con los otros tres decodificadores que prueban sale entre 7 y 11. Es muy superior al 2,14 de Google, aunque con otro código y otra tecnología. También miden puertas de Clifford de dos cúbits codificadas: $7\times10^{-5}$ por puerta a distancia 5, con $\Lambda\approx 9$ entre las distancias 3 y 5.

Qué hay que leer con cuidado

• «99,9995 % de fidelidad» es el titular, no la unidad del preprint. La cifra de 5 millonésimas es por ciclo de extracción de síndrome en un experimento de memoria. La nota de prensa habla de «operaciones», que no es lo mismo.
• El mejor dato se apoya en tres fallos. A distancia 7 se observaron 3 fallos en 29 000 disparos; por eso la barra de error es grande ($+4/-2$ en unidades de $10^{-6}$).
• Cúbits. Los 37 cúbits por cúbit lógico de la nota son los de datos; el experimento de distancia 7 usa 73 con los auxiliares de medida.
• No es computación universal. Los propios autores indican que falta demostrar la preparación de estados mágicos por debajo del umbral (necesaria para las puertas T) y un circuito Clifford+T completo con decodificación en tiempo real. Toda la decodificación del artículo se hizo después, sobre los datos ya medidos; las latencias que miden (unos cientos de microsegundos por ronda en los decodificadores neuronales) sugieren que el tiempo real es viable, pero no lo demuestran.
• La comparación «100 veces menor que el mejor resultado publicado en otras modalidades» (el de Google) es de la nota de prensa, que no explica cómo se calcula: el cociente directo de errores por ciclo daría unas 280 veces (0,143 % frente a 5·10⁻⁶), y un ciclo no es la misma unidad en las dos máquinas (en la de Google dura 1,1 µs). El preprint no da esa cifra; solo dice en el resumen que bastarían bloques de código más pequeños que los indicados por resultados previos en otras tecnologías.
• Es una empresa informando de su propio resultado. Que el preprint sea abierto ayuda, pero aún no hay réplica ni revisión por pares.

Por qué importa

Si $\Lambda$ se mantuviera alto al crecer el sistema, los cúbits lógicos necesarios para algoritmos útiles, o para estimaciones como las de romper RSA, se podrían construir con bloques mucho más pequeños. Esa conclusión es la hipótesis de Quantinuum, no un hecho demostrado: nadie ha probado todavía un sistema de cientos de cúbits lógicos con este nivel de error. Por la misma razón de fondo que un código QR roto sigue leyéndose, la redundancia bien repartida gana a la fragilidad de cada pieza, pero aquí hay que corregir también errores que no se pueden ni copiar ni mirar.

Fuentes

• Ali Lavasani y otros (2026). Quantum error correction well below the color code threshold. arXiv:2610.24077, preprint.
• Quantinuum (2026). Nota de prensa del 19 de octubre de 2026.
• Google Quantum AI (2024). Quantum error correction below the surface code threshold. arXiv:2408.13687.