Muestreo de bosones (GBS): ¿qué probaron Jiuzhang y Borealis?
El muestreo de bosones gaussiano (GBS) está detrás de los titulares de “ventaja cuántica” más ruidosos de la década — y detrás del registro público más completo de esos titulares siendo renegociados. Rosetta Quantum lee aquí ese registro como un solo dataset: cuatro máquinas en seis años, todos los márgenes de ventaja publicados antes de 2026 achicados o revertidos solo con trabajo algorítmico clásico, y un claim fresco de 2026 diseñado específicamente para sobrevivir al mejor contraataque conocido. Cada sección abre con su respuesta; cada número lleva su fuente.
¿Qué es el muestreo de bosones gaussiano y qué prueba?
Cuando funciona, el GBS prueba exactamente una cosa: que un dispositivo fotónico puede extraer muestras de una distribución de probabilidad que ningún algoritmo clásico conocido puede reproducir a la misma escala y velocidad. Estados de luz comprimida (squeezed) entran a un interferómetro; los detectores registran qué modos de salida se encienden y cuántos fotones llegan; la probabilidad de cada patrón la gobierna una función matricial (el hafniano) cuyo cómputo se cree clásicamente duro. La máquina no ejecuta un programa — es ella misma, más rápido de lo que una supercomputadora puede imitarla. Eso es un claim de tipo supremacía, no de aplicación; la distinción es el tema de nuestro explicador ventaja-vs-supremacía.
Siguen dos consecuencias. Primera: la tarea es nativa del dispositivo — nadie necesitaba muestras de esa distribución antes de que la máquina existiera. Hasta la cobertura favorable al resultado más nuevo lo dice sin vueltas: el GBS “no es computación de propósito general” y la máquina no puede “romper cifrado ni simular fármacos nuevos” (PostQuantum, 2026). Segunda: el claim es exactamente tan fuerte como el mejor rival clásico del día en que lo mires — y el rival sigue mejorando después del día de publicación. Ese hecho estructural, que Rosetta documentó para hardware superconductor en el marcador de redes tensoriales, es toda la historia del GBS.
¿Qué afirmaron exactamente Jiuzhang y Borealis?
Cuatro máquinas, conteos de fotones crecientes, márgenes crecientes — cada margen correcto contra los algoritmos clásicos conocidos el día de su publicación. El libro contable, con fuente por fila:
| Máquina (equipo) | Publicación | Fotones detectados | Margen clásico afirmado | Estado del número, sep-2026 | Fuente |
|---|---|---|---|---|---|
| Jiuzhang 1.0 (USTC) | dic-2020, Science | hasta 76 (100 modos) | 200 s vs ~600 M años (USTC también citó ~2,5 B años para Sunway TaihuLight) | reducido a “varios meses” en ene-2022 — nueve órdenes de magnitud, solo algoritmos | Wikipedia · Bulmer et al., Sci. Adv. 8, eabl9236 (2022) |
| Jiuzhang 2.0 (USTC) | oct-2021, PRL | hasta 113 (144 modos) | ~10²⁴× vs supercomputadoras (fraseo del vendor: “septillion times faster”) | los tests bayesianos favorecen el modelo cuántico sobre la alternativa clásica para 2.0 — el punto honesto en ambas direcciones | PostQuantum, oct-2023 · Quantum 7, 1076 (2023) |
| Borealis (Xanadu) | 1-jun-2022, Nature 606 | media 125, máx 219 (216 modos) | 36 μs por muestra vs >9.000 años en Fugaku | superado en sus propios benchmarks de ventaja por un sampler clásico en 2024 | Madsen et al., Nature 606, 75–81 · Oh et al., Nat. Phys. 20 (2024) |
| Jiuzhang 3.0 (USTC) | oct-2023 | hasta 255 | ~1,2 μs por muestra vs ~600 años en Frontier | superado en casa por 4.0; el algoritmo de 2024 que explota la pérdida apunta a esta clase de experimento | PostQuantum, oct-2023 |
| Jiuzhang 4.0 (USTC) | 13-may-2026, Nature | hasta 3.050 (8.176 modos; 1.024 estados comprimidos) | 25,6 μs por muestra vs >10⁴² años para el algoritmo MPS en El Capitan | sin prueba de ningún equipo externo al 23-sep-2026 | Nature, may-2026 · arXiv:2508.09092 |
Borealis se ganó una primicia estructural: era programable — su topología de entrelazamiento de 216 modos podía reconfigurarse — donde las primeras generaciones de Jiuzhang eran en gran parte circuitos fijos (Madsen et al., Nature 606, 2022).
¿Qué les hicieron los contraataques clásicos a esos números?
Achicaron o revirtieron todos los márgenes publicados antes de 2026 — sin tocar ningún hardware. Tres episodios llevan la historia:
Enero 2022 — nueve órdenes de magnitud, 13 meses después del claim. Bulmer et al. mejoraron la simulación exacta de GBS hasta que los “600 millones de años” de Jiuzhang 1.0 quedaron en “varios meses” sobre la misma clase de hardware — una aceleración de mil millones de veces solo con algoritmos (Science Advances 8, eabl9236, 2022).
Agosto 2023 — la explicación clásica que no moría. Martínez-Cifuentes et al. mostraron que un modelo enteramente clásico de “luz aplastada” (squashed light) no había sido descartado como explicación de los datos publicados de Jiuzhang 1.0. El mismo paper corta en ambas direcciones, y Rosetta reporta ambos filos: sus tests bayesianos favorecen la verdad cuántica para Jiuzhang 2.0 y la mayoría de las configuraciones (Quantum 7, 1076, 2023).
Junio 2024 — cae el benchmark. Oh, Liu, Alexeev, Fefferman y Jiang construyeron un sampler de redes tensoriales que explota la pérdida de fotones de los experimentos y, “usando recursos computacionales relativamente modestos”, supera a los experimentos de gran escala en los mismos benchmarks usados como evidencia de ventaja — el paper declara que “disputa los claims experimentales de ventaja cuántica” (Nature Physics 20, 1461–1468, 2024; arXiv:2306.03709).
Es el mismo patrón que el post de redes tensoriales midió para las máquinas superconductoras: la publicación arranca el reloj, no lo detiene. El GBS aporta el número individual más filoso de toda la serie — 10⁹× de margen afirmado recuperado clásicamente sobre la tarea de Jiuzhang 1.0 — y por eso es el número de portada de este post.
¿Dónde está el claim GBS en septiembre de 2026?
Sobre su hardware más fuerte y su número menos probado. Jiuzhang 4.0 (Nature, 13-may-2026) detecta hasta 3.050 fotones en 8.176 modos alimentados por 1.024 fuentes de luz comprimida, a 25,6 μs por muestra y con 92% de eficiencia de fuente — un salto de un orden de magnitud en fotones detectados sobre todo lo anterior. Su objetivo de diseño es explícito: el equipo validó “contra todos los métodos de simulación clásica actuales, en especial los algoritmos de matrix product states diseñados recientemente para explotar la pérdida de fotones” — es decir, contra el contraataque de 2024 — y estima que ese mismo método MPS necesitaría más de 10⁴² años en El Capitan (arXiv:2508.09092).
Rosetta lee esa cifra con la historia de la propia serie: (1) es la estimación del equipo contra la mejor familia de algoritmos conocida hoy, no una medición reproducida externamente; (2) cada cifra de “años” anterior de la tabla también era correcta el día de su publicación contra el mejor algoritmo de entonces. Si los 10⁴² años quedan en pie lo decidirá el próximo algoritmo, no el último experimento — y hasta que un equipo externo publique confirmación o contraataque, el estado honesto es: afirmado, fresco, sin probar. Para el mapa fotónico más amplio — las promesas de sistema de PsiQuantum, el Aurora de Xanadu — ver nuestro libro contable de fotónica, que este post no re-litiga.
¿Por qué es tan difícil verificar un muestreador de bosones?
Porque la verdad de referencia no está disponible exactamente donde vive el claim. A pocos fotones la distribución ideal se puede computar y verificar — Borealis reportó fidelidades sobre 99% ahí (Nature 606, 2022) — pero a 219 fotones, no digamos 3.050, computar las probabilidades ideales es justo la tarea que se afirma intratable. Nadie puede corregir los resultados de la máquina directamente a escala.
La validación se apoya entonces en proxies: puntajes de benchmark contra modelos deliberadamente equivocados (estados térmicos, fotones distinguibles, luz aplastada), funciones de correlación, comparación bayesiana de modelos (PostQuantum, 2026). El resultado de 2024 mostró que un sampler clásico puede puntuar mejor que el experimento en esos proxies (arXiv:2306.03709); los propios autores de Borealis escribieron que “sigue siendo una pregunta abierta cómo verificar que un dispositivo GBS opera correctamente” y dejaron abierta la pregunta de “si pueden desarrollarse mejores algoritmos de spoofing en tiempo polinomial” (Nature 606, 2022). Nuestra guía de red-team de benchmarks aplica aquí sin modificación.
¿Sirve el GBS para algo comercial hoy?
No. Los claims de ventaja son claims de física, no de aplicación: a esta fecha no existe en el registro público una ventaja de aplicación GBS — en grafos, química o machine learning — y hasta la cobertura favorable de Jiuzhang 4.0 dice que la máquina no puede “romper cifrado ni simular fármacos nuevos” (PostQuantum, 2026). Lo que el programa GBS sí ha sido, de forma demostrable, es un banco de pruebas de ingeniería fotónica — fuentes de luz comprimida, control de pérdidas, detección a miles de fotones — componentes que las hojas de ruta fotónicas tolerantes a fallos necesitarán si van a cumplir (nuestro libro contable de fotónica).
Qué no sabemos
- Si la estimación de >10⁴² años sobrevive al próximo algoritmo clásico. La historia de esta serie exacta dice que los márgenes caen por órdenes de magnitud; la historia no es prueba de que este caiga.
- Si las muestras de Jiuzhang 4.0 provienen de la distribución ideal de luz comprimida. La verificación a 3.050 fotones es estadística por necesidad; la verdad de referencia es intratable.
- Si existe un algoritmo de spoofing en tiempo polinomial para los benchmarks más nuevos — la pregunta abierta de los autores de Borealis en 2022 sigue sin respuesta pública.
- Rosetta Quantum no ha corrido ni reproducido ninguno de estos experimentos o simulaciones en casa; este post lee el registro público. Nuestros propios márgenes cuántico-vs-clásico medidos viven en la unidad del Ledger, donde el marcador sigue mostrando cero advantaged solves.
Rosetta Quantum publica veredictos con datos crudos reproducibles. Esto es contenido educativo, no un claim de producto.