Quantum Experience: qué es y para qué sirve este software cuántico

Si te intriga trastear con un ordenador cuántico sin salir de casa, la propuesta de IBM es justo lo que estabas esperando. Con «IBM Quantum Experience» puedes acceder por internet a un procesador cuántico real y a simuladores, de forma gratuita, para aprender, diseñar y ejecutar circuitos cuánticos. Esta experiencia en la nube abrió una puerta que antes solo estaba disponible para unos pocos investigadores: hoy cualquiera puede experimentar con cúbits, puertas lógicas y algoritmos cuánticos desde un navegador.

No es magia ni ciencia ficción: es una plataforma educativa y de experimentación muy completa que combina un editor visual de circuitos con herramientas en modo texto y simuladores. ¿El objetivo? Que entiendas cómo se programa una QPU, que optimices tus circuitos y que, cuando quieras, los ejecutes en un dispositivo de 5 o 16 cúbits de IBM (como los históricos QX2, QX4 o QX5). El encanto está en comprobar la diferencia entre el mundo ideal del simulador y el mundo real del hardware, donde la decoherencia y los errores mandan.

¿Qué es IBM Quantum Experience y para qué sirve?

IBM Quantum Experience (a menudo abreviado como IBM QE) es una plataforma en la nube respaldada por IBM Cloud que da acceso controlado a procesadores cuánticos superconductores y a simuladores de alta fidelidad. Con ella puedes aprender lo básico, montar circuitos, probar algoritmos y lanzar experimentos reales en máquinas físicas ubicadas en centros de IBM, como el T.J. Watson Research Center de Nueva York. Su valor es doble: por un lado, democratiza el aprendizaje; por otro, pone en manos de estudiantes y profesionales un banco de pruebas donde medir el impacto del ruido y los límites de la tecnología NISQ.

En su lanzamiento público se ofrecieron procesadores de 5 cúbits (como los conocidos IBM Q 5 Yorktown y IBM Q 5 Tenerife) y se dio acceso a un dispositivo de 16 cúbits (IBM Q 16 Rueschlikon). También existió un 16 cúbits previo (QX3) que estuvo disponible en distintas etapas. El flujo habitual consiste en diseñar y validar tu circuito en el simulador y, solo cuando esté pulido, enviarlo a la máquina real. Esto importa porque, aunque el simulador acierte siempre, la ejecución física sufre errores que aumentan con la profundidad del circuito y con las restricciones de conectividad del hardware.

Cómo se programa: circuitos cuánticos, no software clásico

La programación en IBM QE se realiza con el modelo de circuitos de puertas cuánticas. En lugar de instrucciones de alto nivel de un lenguaje clásico, vas encadenando puertas unitarias que evolucionan un registro de cúbits. A diferencia de las puertas lógicas convencionales (que suelen ser irreversibles, como AND), las puertas cuánticas son reversibles y unitarias: el número de cúbits de entrada coincide con el de salida y la evolución conserva la información. Este enfoque exige una mentalidad distinta, pero te ayuda a entender por qué los algoritmos cuánticos se apoyan en superposición, interferencia y entrelazamiento.

El editor visual de IBM (el compositor cuántico) se parece a un pentagrama: colocas puertas unarias, binarias o ternarias sobre líneas temporales por cada cúbit. Además del modo gráfico, está la opción textual con Qiskit, que permite describir los circuitos en código, añadir mediciones, compilar con distintos backends y gestionar colas de ejecución. Para empezar con buen pie, IBM proporciona tutoriales básicos y simuladores de 5 cúbits, y la comunidad recomienda lecturas introductorias y demostraciones de calculadoras cuánticas didácticas que muestran cómo construir sumadores, restadores, multiplicadores o divisores cuánticos sencillos.

Windows 11 se prepara para resistir ataques desde ordenadores cuánticos

De la lógica clásica a los sumadores y multiplicadores cuánticos

En lógica clásica definimos funciones con tablas de verdad y puertas como AND, OR, XOR o NOT. En cuántica, aunque el estilo cambia, la idea de componer elementos básicos sigue ahí. Un ejemplo típico es el sumador de tres bits: si sumas q+q+q, el resultado ocupa dos bits (o cúbits) de salida. En IBM QE se puede implementar un circuito para realizar esa suma sobre 5 cúbits, con una complejidad similar a su equivalente clásico: se utilizan puertas como Toffoli (NOT doblemente controlado) y CNOT, junto con mediciones de salida, para propagar acarreos y obtener el resultado.

Subir de nivel es posible: multiplicar dos números de dos bits (aa por bb) requiere manejar productos parciales y acarreos. En IBM QE existe un circuito de ejemplo que realiza esta multiplicación utilizando 10 cúbits, con una asignación del tipo (qqqq) como producto final. La resta se afronta llevando el sustraendo a complemento a dos y aplicando el sumador; y para división puede implementarse un esquema iterativo (por ejemplo, con iteraciones de Newton-Raphson para aproximar inversos), siempre teniendo en mente que el coste en puertas crece y, con él, el impacto del ruido.

Puertas, matrices y conjuntos universales en IBM QE

Cada puerta cuántica es una matriz unitaria que actúa sobre el vector de amplitudes de los cúbits. Entre las puertas unarias más básicas están las que corresponden a las matrices de Pauli: identidad, X, Y y Z. En el editor de IBM, establecer un «1» en la preparación suele hacerse con X (que actúa como NOT). La puerta de Hadamard (H) crea superposiciones equiprobables, y las puertas de fase S, S†, T y T† rotan fases de forma controlada. Además, existen versiones paramétricas como U1 (con un ángulo), U2 (con dos) y U3 (con tres parámetros) para construir transformaciones más generales. Con H, CNOT y T ya tienes un conjunto universal con el que expresar cualquier circuito.

GPT-5: novedades, seguridad reforzada e integraciones clave

Las puertas de dos cúbits, como CNOT, se representan por matrices 4×4 y son imprescindibles para entrelazar. CNOT invierte el cúbit objetivo cuando el de control está en 1; su análogo clásico sería un XOR controlado. Entre las puertas de tres cúbits, la reina es Toffoli, que aplica NOT sobre el objetivo solo si ambos controles valen 1. Esta puerta es muy usada en aritmética y, en determinados contextos, es suficiente para construir funcionalidad universal. IBM QE ofrece tanto estas puertas «canónicas» como sus variantes paramétricas, lo que facilita diseñar y optimizar subrutinas.

Qúbits, superposición y el papel de la medida

Un cúbit puede estar en |0⟩, en |1⟩ o en una superposición α|0⟩+β|1⟩, con amplitudes complejas que verifican |α|²+|β|²=1. La potencia de la cuántica radica en la interferencia: amplitudes positivas y negativas se combinan y pueden anularse, algo que no existe con «probits» clásicos que solo manejan probabilidades reales entre 0 y 1. El cómputo cuántico es unitario hasta que mides: entonces colapsas el estado a un resultado clásico con probabilidades dictadas por las amplitudes. En IBM QE verás esa diferencia entre el estado interno continuo y la estadística de lecturas, lo que te obliga a pensar en colecciones de disparos (shots) y en histogramas de resultados.

Conectividad física, mapeo y “puertas invisibles”

Un aspecto muy práctico: las QPU de IBM no tienen conectividad total entre todos los cúbits, y además CNOT suele ser direccional. Por ejemplo, en QX2 (5 cúbits) q puede controlar q y q pero no necesariamente al revés; en QX5 (16 cúbits), q controla q o q según la topología física. ¿Qué pasa si dibujas una CNOT no permitida? El compilador la descompone automáticamente en una secuencia equivalente usando SWAPs y CNOT en direcciones válidas. Esto introduce «puertas invisibles» que no ves en tu diagrama, pero que sí cuentan en la ejecución real, aumentando la profundidad y, por tanto, el error acumulado.

La consecuencia: un circuito que en el simulador es corto puede volverse largo tras el mapeo al hardware. Por ello es clave reescribir y optimizar el circuito para respetar la conectividad, minimizando SWAPs y reorganizando puertas. Existen metodologías de mapeo y optimización que reducen la profundidad en arquitecturas IBM QX y técnicas específicas para ajustar circuitos en 5 cúbits, todas con el mismo objetivo: mejorar la fidelidad de la ejecución física.

Simulador vs máquina real: tasas de éxito y ejemplo de Grover

En el simulador, un diseño correcto funciona siempre. En la QPU real, la decoherencia y las puertas extra derivadas del mapeo reducen las tasas de acierto. Es habitual que, para circuitos medianos de 5 cúbits, el porcentaje de mediciones correctas caiga del 100% simulado a valores por debajo del 60% en hardware. En un ejemplo clásico, un circuito del algoritmo de Grover para 5 cúbits con unas 24 operaciones totales (contando preparación, oráculo, difusión y lectura) suele alcanzar alrededor del 65% de éxito en la QPU cuando el simulador marca pleno acierto. En problemas más complejos, como factorización básica (p. ej., 15=3×5) o la resolución de sistemas lineales pequeños, la tasa real puede bajar por debajo del 50%, e incluso quedarse a cero si el circuito no está muy optimizado.

Moraleja: la física manda. Asumir esa diferencia y trabajar el ajuste fino del circuito es parte del aprendizaje con IBM QE. Diseñar con topología en mente, reducir puertas, reordenar operaciones y aplicar técnicas de mitigación puede marcar la diferencia entre un experimento que “no canta” y uno que entrega estadísticas útiles.

Aprender y enseñar con IBM QE: recursos y experiencias

La plataforma es ideal para docentes de física cuántica y para estudiantes curiosos, incluso de bachillerato, que quieran ir más allá del papel. Hay recursos introductorios, charlas y tutoriales que cubren desde lo básico del editor hasta programación con Qiskit. Un ejemplo recomendable es una serie de iniciación a la codificación de algoritmos cuánticos con Qiskit publicada por un grupo de autores que explica paso a paso cómo traducir ideas a circuitos y ejecutarlas en IBM QE, perfecta para los que empiezan a programar dispositivos IBM.

También circulan demostraciones de «calculadoras cuánticas» que implementan operaciones aritméticas en IBM QE, útiles para comprender cómo se construyen sumadores y multiplicadores a base de Toffoli y CNOT. Y no faltan charlas divulgativas sobre cómo usar el compositor, qué roles cumple Qiskit o cómo trasladar algoritmos de libros de texto a la práctica con IBM Quantum. Esta combinación de teoría y práctica ha servido en talleres y conferencias para despertar vocaciones y acercar la computación cuántica a públicos diversos, desde aulas de instituto hasta catas tecnológicas con adultos.

Cuándo tiene sentido usar cuántica: problemas complejos

La mayoría de tareas del día a día seguirán en manos de ordenadores clásicos. Su arquitectura es sobresaliente para cómputos secuenciales y paralelos convencionales, y nada va a cambiar eso a corto plazo. Pero hay problemas donde la cosa se pone realmente peliaguda: aquellos con muchas variables que interactúan entre sí de forma no trivial. Simular el comportamiento electrónico de moléculas, por ejemplo, exige manejar un espacio de estados enorme que desborda incluso a los superordenadores. Ahí asoman los algoritmos cuánticos con su capacidad de crear espacios computacionales multidimensionales que remedan el sistema físico.

Rivian retira más de 24.000 R1S y R1T en EE. UU. por fallo del asistente

Una forma intuitiva de verlo: el ordenador clásico calcula cómo se comporta una molécula; el cuántico puede imitarla. Esta diferencia abre vías en química computacional, diseño de materiales o identificación de nueva física, y explica por qué se habla de «nube cuántica» como nueva etapa: usuarios probando, científicos aprendiendo de sus resultados y, poco a poco, iteraciones hacia procesadores más grandes, con previsiones de dispositivos de entre 50 y 100 cúbits en horizontes de una década, siempre con el matiz de que esos números dependen de calibraciones y ruido.

¿Bastan 5 cúbits para probar un algoritmo?

Para empezar, sí: cinco cúbits dan juego para aprender, para construir compuertas, para Grover en tamaños pequeños, para experimentar con sumadores y con subrutinas aritméticas, y para comparar con versiones clásicas. Lo interesante no es “resolver” grandes problemas, sino comprender la mecánica de la programación cuántica, medir resultados y observar cómo el ruido afecta distintas topologías. Con cinco cúbits reales descubrirás que un circuito que parece excelente en el simulador se degrada al mapearlo, y ahí es donde entra la habilidad de optimizar y mitigar errores.

Si tu objetivo es comparar rendimiento cuántico vs clásico en serio, usarás principalmente simuladores (sin ruido y con ruido) para escalar cúbits, y reservarás el hardware real para prototipos y pruebas de concepto. Es un recorrido natural para un principiante: dominar el simulador, validar, y después enfrentarte al dispositivo físico para ver, de primera mano, cómo “pesa” la decoherencia.

Acceso, formato y contexto: de la web a los eventos

El acceso a IBM QE se realiza vía IBM Cloud y funciona desde ordenadores o móviles con conexión a internet. En su web encuentras el compositor, el simulador y la puerta de entrada al hardware. La plataforma se ha presentado y explicado en vídeos demostrativos y en sesiones públicas, con ejemplos de uso desde el sofá y con recorridos por la variedad de experimentos disponibles. También ha estado presente en jornadas y formaciones, incluyendo sesiones programadas de 14 horas en el área de negocios de Chamartín (Madrid) con fechas como 2025-12-08 09:30, reflejando el interés creciente en acercar la cuántica a empresas y academia.

Lo que dicen desde IBM: hacia el ordenador cuántico universal

Ecosistema de software cuántico y plataformas relacionadas

Además de IBM QE, existe un ecosistema de herramientas y marcos que te ayudarán a aprender, diseñar y ejecutar algoritmos cuánticos, así como a simular y mitigar errores. A continuación tienes una panorámica amplia y práctica de las opciones más destacadas:

Microsoft Quantum Development Kit (Q#): lenguaje Q#, integración con Visual Studio, simuladores locales y en Azure, y bibliotecas para construir algoritmos.
IBM Quantum Experience + Qiskit: acceso web a QPU de 5 cúbits, compositor gráfico, simulador y API de software (Qiskit) para programar y ejecutar.
Rigetti Forest y QCS: lenguaje Quil, pyQuil, biblioteca Grove y simulador QVM; QCS ofrece un entorno clásico junto al hardware de Rigetti.
CAS–Alibaba: acceso online a hardware superconductor (12 cúbits), el prototipo óptico «Jiuzhang» y futuros equipos, con GUI para diseñar y descargar resultados.
ProjectQ: marco en Python que traduce programas a distintos backends, incluido IBM QE; incluye FermiLib para problemas fermiónicos.
Cirq: biblioteca de Google para circuitos NISQ ruidosos, con OpenFermion-Cirq para química; estado alfa pero muy útil para prototipado.
CirqProjectQ: puente entre ProjectQ y Cirq: convierte algoritmos y descompone puertas hacia Xmon nativas.
PennyLane y Strawberry Fields (Xanadu): PennyLane para aprendizaje automático cuántico e híbrido, con complementos para Qiskit y ProjectQ; Strawberry Fields para circuitos de variable continua fotónicos.
Q-CTRL Open Controls: paquete Python con protocolos de control resistentes a errores listos para desplegar en hardware o en productos Q-CTRL.
Intel Quantum Simulator: simulador de alto rendimiento (ex qHiPSTER) para puertas de 1 y 2 cúbits, capaz de superar los 40 cúbits en simulación distribuida.
Mitiq: caja de herramientas de mitigación de errores para NISQ, compatible con Qiskit, Cirq, PyQuil y otros mediante OpenQASM.
BQSKit: compilador optimizador que reduce la profundidad de circuitos, con foco en superar a compiladores habituales en determinadas tareas.
QCircuits: biblioteca Python didáctica para simular circuitos pequeños con tensores tipo (d,0) y (d,d).
Yao (Julia): marco extensible y eficiente con programación genérica y diferenciable; excelente rendimiento en 5–25 cúbits.
Silq: lenguaje de alto nivel de ETH Zurich, con descálculo automático de temporales; por ahora funciona con su propio simulador.
Paddle Quantum (Baidu): conjunto de herramientas de aprendizaje automático cuántico integrado con el ecosistema de deep learning de Baidu.
Tequila: arquitectura para información y aprendizaje cuántico extensible; compatible con Qulacs, Qiskit, Cirq y PyQuil.
Qulacs: simulación ultrarrápida en C/C++/Python para circuitos grandes, ruidosos o paramétricos, con rendimiento líder.
staq: biblioteca C++17 para síntesis, transformación y compilación de circuitos; soporta openQASM, Quil, ProjectQ, Q# y Cirq.
Bayesforge: imagen Linux con ML (TensorFlow, PyTorch) y marcos cuánticos (D‑Wave, Rigetti, IBM, Cirq), más Jupyter en Python, R y Octave.
Blueqat: marco Python para cuántica universal, con backends CUDA y algoritmos como VQE y QAOA listos para usar.
Estudio de programación cuántica: GUI web para construir circuitos, exportar a múltiples lenguajes y ejecutar en Rigetti QCS e IBM Qiskit.
Atos/SFTC QLaaS: acceso en la nube al simulador Atos Quantum Learning Machine (hasta 38 cúbits) con modelos de ruido.
QUI (Universidad de Melbourne): entorno de arrastrar y soltar con visualización del estado (esferas de Bloch, tablas y gráficos), hasta ~5 cúbits.
Quirk: simulador en navegador con respuesta inmediata, ideal para experimentación a pequeña escala (hasta 16 cúbits).
Qibo: API Python de alto nivel (Qilimanjaro) para varios backends (IBM, Rigetti, VQMlite), aún en fase Alpha.
QuEST: toolkit C para simulación exacta acelerada por GPU, multiproceso y distribuida; soporta estados puros y mixtos con decoherencia.
XACC: marco para acelerar cuántica como coprocesador dentro de flujos HPC; soporta IBM, Rigetti y D‑Wave, además de simuladores.
Quantum++: biblioteca C++11 de propósito general, solo cabeceras, para simular procesos cuánticos arbitrarios con alto rendimiento.
Quantum Inspire (QuTech): plataforma educativa con editor QASM, diagramas de circuito y simulación hasta 37 cúbits en la supercomputadora nacional holandesa; integra Qiskit.
QUCAT: analiza circuitos superconductores con cruces Josephson; calcula modos, pérdidas y hamiltonianos exportables a QuTiP.
QuTiP: caja de herramientas para sistemas abiertos en Python (NumPy, SciPy, Cython) con gran adopción en óptica, iones y circuitos superconductores.
OpenFermion: paquete abierto para química cuántica; genera y compila descripciones físicas ejecutables en hardware y marcos varios.
TensorFlow Quantum: biblioteca de Google para modelos híbridos cuántico‑clásicos integrados con Cirq y las API de TensorFlow.
Quipper: lenguaje funcional (inspirado en Haskell) para describir circuitos a alto nivel con bibliotecas de aritmética, QFT y más.
QX (QuTech): simulador universal con un lenguaje ensamblador cuántico propio (Quantum Code) para describir y ejecutar circuitos.
Zoológico de algoritmos cuánticos: catálogo de algoritmos con estimaciones de aceleración y referencias para profundizar.
ScaffCC: compilador para el lenguaje Scaffold basado en LLVM; genera QASM, aplica corrección de errores y produce métricas.
TriQ: backend de Scaffold que mapea puertas a hardware real, optimiza ubicación y conectividad y reduce comunicación.
qbsolv (D‑Wave): divide QUBO grandes en subproblemas ajustados a la topología de D‑Wave, con opción de resolución clásica (búsqueda tabú).
Quantum Computing Playground: experimento WebGL con IDE simple, visualización 3D y simulación eficiente hasta ~22 cúbits, con Grover y Shor.
Microsoft LIQUi⟩: arquitectura y herramientas de programación/simulación cuántica con tutoriales para instalación y uso práctico.
Cuántica en la nube (Universidad de Bristol): acceso a un chip fotónico de cuatro cúbits vía web, con simulador abierto y token para hardware.
Raytheon BBN (Qlab, PySimulator, PyQLab): marcos para control y simulación de sistemas superconductores, con lenguaje QGL para pulsos.

Qué es Google AI Studio y para qué sirve

Trucos y buenas prácticas para experimentar en IBM QE

Empieza en el simulador sin ruido y valida la lógica. Después, activa modelos de ruido para estimar fidelidad. Cuando pases al hardware, presta atención a la conectividad: permuta cúbits lógicos para evitar SWAPs, agrupa puertas que conmutan y reduce U3 encadenadas usando su versión parametrizada equivalente. Si aparecen muchas «puertas invisibles», reescribe subcircuitos buscando trayectorias compatibles con la topología. Y, siempre que puedas, mide al final y reutiliza cúbits liberados para minimizar el ancho del registro.

Para algoritmos emblemáticos (como Grover en 3–5 cúbits) planifica la profundidad: a menudo compensa aplicar menos iteraciones para mejorar la probabilidad global de acierto con ruido. En aritmética, prefiere construcciones que reduzcan el número de Toffoli y CNOT; cada unidad ahorrada es oro cuando persigues fidelidad. Finalmente, no olvides que un buen postprocesado estadístico (y técnicas de mitigación como las que aporta Mitiq) pueden elevar el valor de tus experimentos sin cambiar el hardware subyacente.