La prueba de la realidad: NISQ y la carga de datos

Hace cuatro lecciones os prometimos una joya de la corona: la Estimación de Amplitud Cuántica convirtiendo el reptar de Montecarlo a $1/\sqrt{N}$ en un esprint a $1/N$, una aceleración cuadrática demostrable. Después os prometimos la optimización de carteras como un QUBO, con recocedores y QAOA rondando la frontera eficiente. Las matemáticas eran reales. El entusiasmo estaba justificado.

Esta lección es donde nos ganamos el derecho a ser escépticos.

He aquí la verdad incómoda que separa a un quant que sabe lo que hace de un turista de conferencias: casi todos los resultados de finanzas cuánticas a corto plazo que vais a leer ignoran calladamente tres muros, y cualquiera de ellos puede convertir una preciosa aceleración teórica en una forma más lenta, más ruidosa y más cara de obtener exactamente el mismo número. Los muros son (1) el ruido y la decoherencia del hardware actual, (2) la abrumadora sobrecarga de cúbits de la corrección de errores y (3) —el que se entierra en el apéndice y se come calladamente toda la aceleración— el coste de cargar tus datos clásicos de mercado dentro de la máquina cuántica, para empezar.

Nada de esto significa que la computación cuántica para finanzas sea un fraude. Significa que debéis leer cada afirmación como un gestor de riesgos lee un backtest: ¿dónde se está escondiendo el coste y la canalización de extremo a extremo realmente le gana a la mejor referencia clásica? Al final de esta lección tendréis una lista de comprobación que os permitirá oler una afirmación demasiado buena desde el otro lado de la sala. Eso prepara el giro final del curso: los métodos clásicos inspirados en lo cuántico que sí podéis ejecutar hoy.

NISQ: ruidoso, de escala intermedia e implacable

Analogía. Un ordenador NISQ es una calculadora de bolsillo que voltea al azar uno de los dígitos que muestra cada pocas pulsaciones de teclas. Suma dos números y probablemente vas bien. Ejecuta un cálculo de 300 pasos y, en algún punto intermedio, un dígito se voltea en silencio, y todos los pasos posteriores heredan la mentira. No recibes un mensaje de error. Recibes una respuesta segura y errónea que parece un número real.

Definición. NISQ significa Cuántico Ruidoso de Escala Intermedia (Noisy Intermediate-Scale Quantum): hardware con aproximadamente de decenas a unos pocos miles de cúbits físicos, donde cada operación de puerta tiene una tasa de error no trivial y no hay corrección de errores funcionando por debajo para detectar y reparar fallos. Acuñado por John Preskill en 2018, el término es una dosis deliberada de realismo: nombra la era en la que de verdad estamos, no la era tolerante a fallos que nos prometen.

La consecuencia clave es un tope duro sobre la profundidad del circuito (el número de operaciones de puerta secuenciales). Si cada puerta tiene éxito de forma independiente con probabilidad $1-p$, la probabilidad de que un circuito entero de $G$ puertas se ejecute sin un solo fallo es

$P_{\text{success}} \approx (1-p)^{G},$

donde $p$ es la tasa de error por puerta (las puertas de dos cúbits actuales se sitúan en torno a $p \approx 10^{-2}$ a $10^{-3}$). Esto es una exponencial brutal disfrazada: en cuanto $G$ se hace grande, $P_{\text{success}}$ se desploma hacia cero y tu salida es indistinguible del ruido aleatorio.

Ejemplo resuelto. Toma un error por puerta optimista $p = 10^{-3}$, de modo que $1-p = 0.999$.

• Un circuito de 1.000 puertas tiene éxito con probabilidad $0.999^{1000}$. Usando $0.999^{1000} \approx e^{-1000 \times 0.001} = e^{-1} \approx 0.37$: apenas algo mejor que uno de cada tres.
• Un circuito de 5.000 puertas: $0.999^{5000} \approx e^{-5} \approx 0.0067$: menos de siete ejecuciones de cada mil salen limpias. El resto es ruido vestido de esmoquin.

Fíjate en que esta es la misma decaída exponencial que ya has visto dos veces en este curso: una como el muro de error de Montecarlo, otra aquí como el muro de la probabilidad de éxito. Las exponenciales no negocian.

Qué significa para tu ventaja

Cuando alguien te enseñe un resultado de finanzas cuánticas, pregunta primero: ¿qué profundidad tiene el circuito a la escala del problema y cuál es el error por puerta? Multiplícalos. Si $p \times G$ es mucho mayor que aproximadamente 1, la máquina está devolviendo ruido por muy elegante que sea el algoritmo. NISQ premia los circuitos poco profundos (métodos variacionales, heurísticas de baja profundidad) y castiga los profundos donde viven realmente las aceleraciones más limpias (como la QAE completa).

Decoherencia: el reloj contra el que corres

Analogía. El estado cuántico de un cúbit es una escultura de hielo en una habitación cálida. En el momento en que la tallas, empieza a derretirse. Tienes un número fijo de minutos para fotografiarla (ejecutar tu circuito y leer la respuesta) antes de que colapse en un charco. La decoherencia es la temperatura de la habitación; el tiempo de coherencia es cuánto sobrevive la escultura.

Definición. La decoherencia es el proceso por el que la frágil superposición de un cúbit se filtra a su entorno y decae en ruido clásico ordinario. Dos constantes de tiempo la resumen: $T_1$ (relajación de energía: el cúbit decayendo de excitado a estado fundamental) y $T_2$ (defasaje: la pérdida de coherencia de fase, normalmente la más exigente). Se miden en microsegundos en hardware superconductor. El techo práctico del trabajo útil es

$G_{\max} \approx \frac{T_{\text{coh}}}{t_{\text{gate}}},$

el tiempo de coherencia dividido entre el tiempo que tarda una puerta. Ejecuta más puertas que eso y el estado se te ha decaído por debajo a mitad de cálculo.

Ejemplo resuelto. Supón un tiempo de coherencia de $T_{\text{coh}} = 100~\mu\text{s}$ y un tiempo de puerta de $t_{\text{gate}} = 100~\text{ns} = 0.1~\mu\text{s}$. Entonces

$G_{\max} \approx \frac{100~\mu\text{s}}{0.1~\mu\text{s}} = 1{,}000 \text{ puertas}.$

Mil puertas secuenciales antes de que se acabe el reloj, y fíjate en que este es el mismo orden de magnitud que el presupuesto de error por puerta de NISQ de la sección anterior. Los dos muros se refuerzan mutuamente: aunque un proceso mágico mantuviera los errores de puerta a cero, la decoherencia por sí sola seguiría limitándote cerca de mil puertas. En realidad ambos límites muerden a la vez, y gana el más ajustado.

Qué significa para tu ventaja

El tiempo de coherencia y el error por puerta son dos relojes corriendo sobre el mismo circuito; tu profundidad utilizable es el que se agote primero. Ambos se sitúan actualmente en torno a los pocos miles de puertas. Por eso las finanzas cuánticas a corto plazo viven casi por completo en el mundo de los circuitos poco profundos y variacionales, y por eso quien te prometa una aceleración con circuitos profundos en el hardware de hoy te está vendiendo la era tolerante a fallos antes de que llegue.

Corrección de errores: el impuesto de miles a uno

Analogía. Supón que debes enviar por correo un único bit de forma fiable por un canal que corrompe caracteres al azar. No envías una carta: envías la misma carta mil veces y se hace un recuento de votos en el otro extremo. El mensaje llega, pero tu ancho de banda acaba de caer mil veces. La corrección de errores es ese recuento de votos: un cúbit lógico digno de confianza comprado con una multitud de cúbits físicos desechables y ruidosos.

Definición. La corrección de errores cuántica (QEC) codifica la información de un cúbit lógico de forma redundante a lo largo de muchos cúbits físicos, midiendo continuamente comprobaciones detectoras de errores (síndromes) para detectar y revertir fallos más rápido de lo que se acumulan. El esquema líder, el código de superficie, requiere del orden de

$n_{\text{phys}} \approx 1{,}000 \text{ a } 10{,}000 \text{ cúbits físicos por cúbit lógico}$

para alcanzar las bajas tasas de error lógico que necesita un algoritmo real (y solo funciona en absoluto una vez que las tasas de error físico bajan de un umbral cercano a $p \approx 10^{-2}$). Este es el muro de miles de físicos por lógico.

Ejemplo resuelto. Toma un algoritmo que necesita 100 cúbits lógicos: modesto para los estándares clásicos, un objetivo serio para la ventaja cuántica. A unos conservadores 1.000 cúbits físicos por cúbit lógico:

$n_{\text{phys}} \approx 100 \times 1{,}000 = 100{,}000 \text{ cúbits físicos.}$

A 10.000 por lógico, eso es un millón de cúbits físicos. Las máquinas insignia de hoy despliegan de cientos a unos pocos miles de cúbits físicos. La brecha entre “cientos” y “cientos de miles” no es una actualización de firmware del próximo trimestre: es la razón central por la que se juzga ampliamente que la era tolerante a fallos está a años o décadas de distancia.

Qué significa para tu ventaja

Clasifica cada afirmación de finanzas cuánticas en dos cubos. Las afirmaciones tolerantes a fallos (circuitos profundos, corregidos de errores, cúbits lógicos) describen una máquina que aún no existe: interesante, pero no operable durante años. Las afirmaciones NISQ (poco profundas, variacionales, cúbits físicos) pueden ejecutarse hoy pero heredan los muros de ruido y decoherencia de arriba. Una afirmación que necesita tolerancia a fallos pero se demuestra en un chip NISQ es, en el mejor de los casos, una prueba de concepto a escala diminuta. Saber en qué cubo estás te dice si el horizonte temporal es “este año” o “la próxima década”.

El muro de la carga de datos: donde la aceleración va a morir

Esta es la grande. Préstale toda tu atención, porque es la objeción que plantean los profesionales y omiten los dosieres de marketing.

Analogía. Imagina un mensajero que puede entregar un paquete al otro lado del mundo en un segundo: un tránsito genuinamente mágico. Pero para cargar el paquete en el mensajero, debes plegarlo a mano en mil diminutos pliegues de origami, uno por artículo, y ese plegado tarda una hora. Tu “entrega en un segundo” es ahora una entrega de una hora y un segundo. La aceleración del tránsito es real e inútil, porque la carga domina el tiempo de reloj. La carga de datos cuántica es ese origami.

Definición: codificación en amplitud. Primero la parte seductora. Puedes codificar $N$ números clásicos $x_0, x_1, \dots, x_{N-1}$ en las amplitudes de un estado cuántico sobre apenas $\log_2 N$ cúbits:

$|\psi\rangle = \frac{1}{\lVert x \rVert} \sum_{i=0}^{N-1} x_i \, |i\rangle.$

Eso es compresión exponencial: mil millones de números ($N = 2^{30}$) caben en las amplitudes de apenas 30 cúbits. El titular sobre la huella de memoria es asombroso, y es exactamente por lo que la gente se entusiasma.

El truco. La compresión no es el coste; la creación lo es. Preparar un estado codificado en amplitud general —una distribución arbitraria sin estructura especial— requiere del orden de

$\text{coste de preparación del estado} \approx O(N) \text{ puertas}$

(más precisamente $O(N)$ puertas en el caso general; algunas distribuciones estructuradas son más baratas, pero los datos arbitrarios de mercado no están estructurados). Comprimiste $N$ números en $\log_2 N$ cúbits, pero gastaste alrededor de $N$ operaciones de puerta para escribirlos. La compresión exponencial del almacenamiento no te compra una baratura exponencial de la carga.

Ejemplo resuelto: atándolo de nuevo a la QAE. Recuerda de la lección de estimación de amplitud que la QAE mejora la complejidad en consultas de estimar una esperanza de $O(1/\varepsilon^2)$ a $O(1/\varepsilon)$: una aceleración cuadrática en el número de consultas a un oráculo. La letra pequeña crucial: esa aceleración cuenta consultas a un oráculo que se asume barato. El oráculo es exactamente lo que carga tu distribución.

Ahora supón que cargar la distribución cuesta $O(N)$ puertas, y que para alcanzar la precisión $\varepsilon$ debes resolver una distribución sobre $N \approx 1/\varepsilon$ contenedores (una precisión más fina necesita un estado más fino). Entonces el coste por ejecución ya no está dominado por las limpias $O(1/\varepsilon)$ consultas: cada ejecución también arrastra una factura de carga $O(N) = O(1/\varepsilon)$, y si el estado debe recargarse en cada iteración de la estimación de amplitud, el trabajo de carga puede igualar o superar el ahorro en consultas. Ponle un número:

La columna de recuento de consultas sigue favoreciendo a la QAE. Pero la columna honesta —la que pone precio a la carga— es donde la ventaja cuadrática puede evaporarse calladamente. Una aceleración cuadrática es frágil precisamente porque es solo cuadrática: un coste de carga del mismo orden que el ahorro la borra. (Por esto también las victorias cuánticas más limpias se reservan para las aceleraciones exponenciales, que pueden sobrevivir a un impuesto de carga polinómico. Una aceleración cuadrática no puede sobrevivir a un impuesto polinómico comparable.)

QRAM: la vía de escape propuesta. La respuesta estándar a “cargar es caro” es la RAM cuántica (QRAM): un dispositivo hipotético que carga datos clásicos en superposición en tiempo $O(\log N)$, restaurando el sueño. El problema es que la QRAM es en gran medida teórica: nadie ha construido una QRAM a gran escala y resistente a errores, y los diseños líderes ellos mismos exigen recursos físicos enormes y su propia corrección de errores. Contar con la QRAM para rescatar tu aceleración es contar con hardware que aún no existe; pertenece firmemente al cubo del futuro tolerante a fallos, no a ninguna afirmación de “este año”.

Qué significa para tu ventaja

Enuncia la regla con claridad: la aceleración cuántica vive en consultas a un oráculo que se asume barato; si construir ese oráculo —cargar tu distribución— es caro, debes añadir su coste al libro de cuentas antes de creerte la aceleración. Para un algoritmo cuadrático como la QAE sobre datos no estructurados, un coste de carga $O(N)$ suele ser fatal para la ganancia de extremo a extremo. Las aceleraciones que sobreviven a la carga son las exponenciales (e incluso esas quieren QRAM para brillar de verdad). Cuando evalúes una afirmación, la primerísima pregunta ya no es “¿qué rapidez tiene el algoritmo?”: es “¿qué costó meter los datos dentro?”.

Juntando los tres muros

Tres muros, una lección: el ruido y la decoherencia limitan qué profundidad de circuito puedes confiar; la sobrecarga de la corrección de errores mantiene los circuitos profundos y fiables a años de distancia; y la carga de datos puede borrar la mismísima aceleración por la que viniste. No son excusas independientes: se componen. Un algoritmo profundo que necesita tolerancia a fallos para esquivar el muro uno queda bloqueado por el muro dos; un algoritmo poco profundo que sobrevive a los muros uno y dos todavía tiene que meter sus datos pasando el muro tres.

Así que aquí está el marco de decisión: la lista de comprobación que hay que pasar a cualquier afirmación de finanzas cuánticas a corto plazo antes de permitirte entusiasmarte:

1. ¿La ventaja es exponencial o meramente cuadrática? Las aceleraciones exponenciales pueden absorber un impuesto de carga polinómico y aun así ganar; las cuadráticas son frágiles y a menudo no pueden. Un titular “cuadrático” debería plantear de inmediato la cuestión de la carga.
2. ¿Se incluyó el coste de carga de datos / preparación del estado? Encuentra la suposición del oráculo. Si el benchmark cuenta solo consultas a un oráculo gratuito, el coste real está fuera de los libros: añade el $O(N)$ (o lo que de verdad sea) antes de creer nada.
3. ¿Sobrevive al ruido NISQ a la profundidad requerida, o necesita tolerancia a fallos? Multiplica el error por puerta por la profundidad del circuito y contrástalo con el presupuesto de coherencia. Si necesita corrección de errores, necesita una máquina que aún no existe.
4. ¿La canalización DE EXTREMO A EXTREMO le gana a la mejor referencia clásica? Carga más cómputo más lectura más las repeticiones que necesites para la estadística: todo ello, frente a un método clásico fuerte (no un hombre de paja deliberadamente débil). La ventaja es una afirmación de tiempo de reloj, no un recuento de consultas.

La comparación maestra: los tres muros de un vistazo:

Cuándo (si alguna vez) apostar por ello

Apuesta por un enfoque de finanzas cuánticas a corto plazo solo cuando la lista de comprobación quede limpia: la ventaja es exponencial (o el caso cuadrático está sobre datos estructurados con un cargador barato), el coste de carga se cuenta explícitamente, el circuito cabe dentro del presupuesto de profundidad NISQ o estás planificando honestamente para la década tolerante a fallos, y la canalización de extremo a extremo le gana a una referencia clásica fuerte. Si alguna casilla queda sin marcar, trata la afirmación como un hito de investigación, no como una ventaja de trading, y echa mano en su lugar de las herramientas clásicas inspiradas en lo cuántico que rinden ahora.

Resumen

Llegaste cargando una joya de la corona y cuatro lecciones de optimismo. Te vas con los tres muros que se interponen entre ese optimismo y una ventaja operable y, más valioso aún, una lista de comprobación que te permite ponerle precio a cualquier afirmación en lugar de aplaudirla. El ruido y la decoherencia limitan la profundidad de circuito cerca de mil puertas; la sobrecarga de miles a uno de la corrección de errores mantiene las máquinas profundas y fiables a años de distancia; y el muro de la carga de datos puede cancelar calladamente una aceleración cuadrática antes de que se ejecute siquiera la primera consulta. Nada de ello mata el campo: solo redirige el esfuerzo inteligente a corto plazo de lado, hacia los métodos clásicos inspirados en lo cuántico que vienen a continuación.