Una ruta distinta hacia la escala cuántica
Una de las mayores promesas de la computación cuántica es que los fotones, a diferencia de muchas otras plataformas de qubits, pueden operar a temperatura ambiente. Eso hace que los sistemas cuánticos fotónicos resulten atractivos como una vía potencialmente práctica hacia máquinas a gran escala. También crea un problema persistente: hacer pasar la luz por espejos, divisores de haz y otros componentes ópticos introduce ruido y errores que han sido difíciles de controlar. Una nueva técnica conocida como destilación de fotones se presenta como una forma de abordar esa debilidad antes de que se convierta en una cadena de fallos en la computación.
Según los investigadores detrás de un estudio reciente en arXiv, el método ofrece un enfoque de mitigación de errores netamente positivo en sistemas fotónicos. Esa frase importa. Gran parte del desafío de ingeniería del campo se reduce a si las estrategias de control de errores imponen una carga adicional tan grande que anulan el valor de la plataforma que supuestamente deben rescatar. Una técnica que reduce el ruido sin abrumar al sistema es בדיוק lo que la computación cuántica fotónica necesitaba.
Por qué los sistemas fotónicos son atractivos y difíciles
Las computadoras cuánticas fotónicas utilizan haces de luz en lugar de circuitos superconductores para crear y manipular qubits. Los científicos guían fotones a través de configuraciones ópticas cuidadosamente diseñadas y los colocan en estados cuánticos que pueden respaldar el cálculo. El funcionamiento a temperatura ambiente de estos sistemas es una de sus ventajas más evidentes, especialmente frente a arquitecturas que requieren entornos extremadamente fríos.
Pero ese mismo movimiento constante que hace viable térmicamente la computación fotónica también contribuye a su problema de errores. La luz está siempre en movimiento, y las interacciones que hacen posible el cálculo también pueden generar un ruido considerable. Para un campo que aspira a una computación cuántica universal y tolerante a fallos, eso convierte la fiabilidad en un obstáculo fundamental, no en un problema de optimización secundario.
