Prueba de concepto cuántica híbrida

Una prueba de concepto cuántica tiene sentido cuando ya tienes un problema concreto, una solución clásica de referencia y una pregunta que solo se responde experimentando. No tiene sentido para averiguar “si la cuántica nos sirve”. Esa pregunta va en el descubrimiento de casos de uso cuánticos, que es más rápido y más barato.

Cuando se dan las condiciones, la PoC te da algo que ninguna presentación te da: tus datos, pasados por un flujo híbrido cuántico-clásico real, en hardware real, medidos contra el mejor método clásico que tengas. Lo normal es que el resultado sea “todavía no, y vuelve a mirarlo en tal momento”. A veces es “esta formulación escala mejor de lo esperado, sigamos”. Las dos respuestas sirven si son honestas.

¿Qué puede demostrar una prueba de concepto cuántica?

Una prueba de concepto cuántica puede demostrar que la formulación de tu problema es correcta y corre de punta a punta, cómo cambia la calidad de la solución cuando el problema crece y qué hardware aproximado necesitaría el problema a tamaño completo. Lo que no puede mostrar con el hardware de 2026 es ventaja cuántica a nivel de negocio.

La razón es tamaño y ruido. Las máquinas con acceso comercial tienen entre decenas y unos cientos de cúbits físicos, con tasas de error que limitan qué tan profundo puede ser un circuito antes de que la salida se vuelva ruido. La mitigación de errores ayuda, a cambio de muchas más ejecuciones. Así que lo que pruebas es una versión reducida del problema que te importa, y a ese tamaño un buen solver clásico casi siempre gana.

Lo que aprendes a cambio es la tendencia. Si el enfoque cuántico se degrada poco al agregar variables y la estimación de recursos para el problema completo cae dentro de lo que prometen las hojas de ruta publicadas del hardware, vale la pena seguirlo de cerca. Como referencia, IBM apunta a Starling para 2029: una máquina tolerante a fallos con 200 cúbits lógicos que corra 100 millones de compuertas. Si se degrada rápido, o la estimación pide millones de cúbits físicos, también lo sabes.

¿Qué algoritmo usar en una prueba de concepto: QAOA, VQE o recocido cuántico?

El algoritmo de una prueba de concepto cuántica lo decide el problema. QAOA sirve para optimización con decisiones binarias en computadoras de compuertas, VQE para estimar energías de moléculas y materiales, y el recocido cuántico para optimización en hardware especializado. Casi todas las pruebas usan uno de estos tres, y los tres son híbridos cuántico-clásicos.

QAOA (algoritmo cuántico de optimización aproximada) corre en computadoras de compuertas. Codifica un problema de optimización, casi siempre como QUBO, en un circuito con parámetros, y un optimizador clásico ajusta esos parámetros a lo largo de muchas ejecuciones. Sirve para rutas, turnos y asignaciones con decisiones binarias, como programar despachos de una flota de reparto en Lima o turnos de mantenimiento en una planta en Monterrey.

VQE (solucionador cuántico variacional de autovalores) usa el mismo ciclo híbrido para estimar la energía mínima de una molécula o un material. Es el punto de partida habitual para química y materiales, por ejemplo para comparar a pequeña escala catalizadores o electrolitos para baterías de litio.

El recocido cuántico (quantum annealing) es otro tipo de hardware, hecho para encontrar estados de baja energía en problemas de optimización. Los equipos de recocido tienen muchos más cúbits que las máquinas de compuertas pero menos flexibilidad, y si le ganan o no a las heurísticas clásicas se sigue discutiendo problema por problema. Cuando D-Wave publicó en marzo de 2025 un resultado de supremacía en simulación de materiales magnéticos, un grupo de la EPFL respondió en días con simulaciones clásicas de esos mismos problemas. Los probamos cuando el problema encaja bien en su conectividad.

En los tres, un computador clásico hace la mayor parte del trabajo (preparar el problema, correr el optimizador, procesar resultados) y el procesador cuántico se encarga de un paso dentro del ciclo.

Primero simuladores, después hardware

Toda prueba arranca en simulador, porque no tiene ruido de hardware, es barato y permite confirmar que la formulación está bien antes de pagar tiempo de QPU. Qiskit Aer, los simuladores de Amazon Braket y CUDA-Q de NVIDIA son las opciones comunes.

La simulación exacta de vector de estado necesita una memoria que se duplica con cada cúbit (qubit), así que se queda por los 30 y pico o los primeros 40 cúbits incluso en grandes clústeres de GPU. Los simuladores de redes tensoriales llegan más lejos en circuitos con poco entrelazamiento. Más allá de eso, y para saber cómo afecta el ruido a tus circuitos en particular, necesitas hardware real.

Plataformas cuánticas en la nube

Tres plataformas cubren casi todo el mercado y ninguna exige comprar equipos.

IBM Quantum da acceso a los procesadores superconductores de IBM, incluida la familia Heron, a través de Qiskit. Amazon Braket reúne varios fabricantes bajo una misma API, entre ellos los sistemas de iones atrapados de IonQ, los procesadores superconductores de Rigetti e IQM y los átomos neutros de QuEra, según su lista de proveedores. Azure Quantum ofrece IonQ, Quantinuum, Rigetti y Pasqal, y la documentación de Microsoft Learn aclara que la disponibilidad de cada proveedor depende de la región; vale la pena revisarlo antes si tu empresa factura desde Colombia, Perú o Chile. Para recocido, D-Wave vende acceso en su propio servicio, Leap.

Escogemos según el problema, la conectividad entre cúbits que necesita, los tiempos de cola y los contratos de nube que ya tengas. Correr los mismos circuitos en dos tipos de hardware suele ser parte de la prueba, porque los resultados cambian más de lo que la gente espera.

Cómo comparamos contra lo clásico

Cada ejecución se compara con una línea base clásica sobre la misma instancia, midiendo calidad de la solución, tiempo total (incluida la cola) y costo. Sin eso, un resultado de PoC no significa nada.

La línea base es de verdad: un solver comercial o abierto (Gurobi, CPLEX, OR-Tools o una heurística ajustada como el recocido simulado) configurado por alguien que lo conoce, o en química, métodos clásicos establecidos con una precisión comparable. Si tu equipo ya tiene un solver en producción, esa es la vara.

También reportamos los números que no favorecen. Si el solver clásico encuentra una mejor respuesta en dos segundos y la corrida cuántica esperó cuatro horas en cola, el informe lo dice en la primera página.

Cómo se desarrolla la prueba

Las fases se traslapan a propósito: la línea base clásica se construye mientras avanza la formulación, y el hardware entra cuando el simulador ya confirmó que todo está bien planteado.

El código y los notebooks quedan con tu equipo. Si quieres que ellos sigan el trabajo, combina la prueba con formación en computación cuántica o, más adelante y si los resultados lo justifican, con desarrollo de software cuántico.

¿Cuánto cuesta una prueba de concepto cuántica?

El costo de una prueba de concepto cuántica depende sobre todo del tiempo de las personas, no del hardware. La formulación, la línea base clásica y el análisis toman más horas que las corridas cuánticas, y el uso de QPU suele ser la partida menor. Lo estimamos con el problema ya delimitado.

El cobro por uso de QPU depende del proveedor y del número de ejecuciones (shots) y tareas.

El horizonte también cuenta. Marcamos este servicio como “cercano” porque el hardware que haría decisiva una prueba de concepto para la mayoría de las empresas todavía no existe. Para empresas de logística y transporte o de minería y materiales con un problema bien definido y una buena línea base, hacerla ahora deja lista la formulación, el flujo de datos y el conocimiento del equipo para moverse rápido cuando ese hardware llegue.

AndesQubit está abriendo proyectos por etapas. Si tienes un problema candidato y una línea base, mándanos una descripción corta.