Un preprint enviado a arXiv el 5 de octubre de 2026 compara 10 procesadores cuánticos de IBM, IQM y Quantinuum con LR-QAOA, una prueba diseñada para medir cómo soportan operaciones relacionadas con la corrección de errores cuánticos. El método sigue la evolución de los resultados al aumentar la profundidad del circuito y estima a partir de ella un error efectivo del hardware.
La corrección de errores cuánticos busca detectar y corregir errores que afectan a la información codificada en cúbits. Medir operaciones necesarias para ese proceso ayuda a caracterizar el comportamiento de los procesadores ante cargas de trabajo exigentes.
Una prueba de operaciones clave para la corrección cuántica
El benchmark evalúa cómo responden los procesadores a circuitos que reproducen patrones de operaciones propios de los códigos de corrección cuántica. Entre ellos hay mediciones a mitad del circuito (MCM, por sus siglas en inglés): lecturas que se realizan antes de que termine la ejecución y que forman parte de las secuencias de comprobación de errores.
El preprint compara 10 QPU —unidades de procesamiento cuántico— de IBM, IQM y Quantinuum. No mide una corrección completa de errores en todos los procesadores: analiza su comportamiento ante operaciones estructuradas para parecerse a las que exige ese trabajo.
Cómo LR-QAOA convierte el circuito en una señal
LR-QAOA es una variante de parámetros fijos del algoritmo cuántico de optimización aproximada, conocido como QAOA. Para cada código, el método construye un Hamiltoniano a partir de su estructura de comprobaciones, con el objetivo de reproducir la conectividad y los patrones de medición de la extracción del síndrome, es decir, la información utilizada para detectar errores.
La señal observada es la razón de aproximación, r, que refleja la calidad de la solución del algoritmo. El estudio sigue cómo cambia esa razón al añadir capas al circuito. Después, relaciona su caída con un error efectivo del hardware, expresado como una tasa equivalente de despolarización de una puerta de dos cúbits.
En la práctica, la profundidad del circuito funciona como una carga creciente: permite observar cómo se degrada esa señal a medida que se acumulan operaciones. El diagrama conceptual resume el recorrido desde la estructura de comprobaciones del código hasta la estimación del error efectivo.
Qué significan las cifras de mediciones y cúbits
La comparación general incluye circuitos con hasta 2.950 operaciones MCM. Esa cifra corresponde al conjunto de las 10 QPU. En cambio, las pruebas estructuradas por código realizadas en Helios-1 y H2-1 llegaron hasta 480 operaciones MCM.
En esas pruebas, las anchuras máximas fueron de 81 cúbits de datos para el código de superficie, 91 para el código de color triangular y 48 para el código bivariado de bicicleta, una familia de códigos cuánticos de baja densidad de paridad. Esas cantidades indican el tamaño de los circuitos evaluados. No significan que se demostrara una corrección completa de errores con esa cantidad de cúbits.
La comparación con la memoria lógica de ibm_phoenix
El preprint también compara la respuesta de LR-QAOA con experimentos de memoria lógica basados en el código de superficie en distintas regiones del procesador IBM ibm_phoenix. El estudio comunica una correlación entre ambas medidas en ese procesador.
La correlación describe esa comparación regional concreta. No equivale a una validación predictiva para otros procesadores, fabricantes o familias de códigos.
