¿Sirve la computación cuántica para simular materiales y baterías hoy?

Estado a: agosto 2026. Las baterías son el caso de uso industrial más citado de la simulación cuántica. Este post contrasta el claim con lo que de verdad corrió: cada computación de baterías con nombre en hardware cuántico, el costo tolerante a fallos publicado del cálculo real, y la distancia entre ambos. Veredicto: demos de juguete, a órdenes de magnitud del tamaño industrial, cero ventaja medida — y un titular clásico mejor de lo que admite el pitch.

¿Por qué baterías es el póster del caso cuántico?

El argumento estructural es el mismo que armamos para descubrimiento de fármacos: los electrones son objetos cuánticos, así que simular estructura electrónica fuertemente correlacionada en máquinas clásicas choca tarde o temprano con un muro exponencial, mientras un computador cuántico representa el estado de forma nativa. La química de baterías tiene esquinas genuinamente duras de exactamente esa clase — los cátodos de óxidos de metales de transición son sistemas fuertemente correlacionados de libro.

La nota al pie honesta que el pitch suele omitir: para la mayor parte de lo que el I+D de baterías computa a diario, la teoría del funcional de la densidad (DFT) clásica no está fallando. La review canónica del campo (Urban, Seo & Ceder, 2016) declara que los cálculos de primeros principios de materiales de electrodo cristalinos "se han vuelto confiables y cuantitativos" — voltajes de equilibrio, perfiles de voltaje, difusión iónica. Donde la DFT a secas malinterpreta los óxidos de metales de transición (errores de voltaje de hasta 1,0 V por autointeracción), la corrección DFT+U lleva las predicciones típicas de voltaje a un margen de 0,1 V. El territorio genuinamente abierto es más angosto: fases moleculares y desordenadas, interfaces, y casos fuertemente correlacionados donde las correcciones dejan de ser sistemáticas. Ese territorio angosto es el que un computador cuántico tendría que ganar — contra el baseline corregido más fuerte, no contra la DFT vainilla (por qué un baseline débil arruina un benchmark).

¿Qué pide el cálculo real?

Los números públicos más concretos vienen de los equipos que costean corridas tolerantes a fallos de moléculas de batería — casi siempre equipos cercanos a un vendor, lo que vuelve los números más notables, no menos.

Kim et al. (PsiQuantum + I+D de Mercedes-Benz, Phys. Rev. Research 2022) costearon la estimación de energía de estado base para moléculas de electrolito de Li-ion (carbonato de etileno, LiPF₆ y parientes): de 2.685 a 3.507 qubits lógicos en la base útil más chica, subiendo a entre 74.348 y 100.139 qubits lógicos en la base precisa, con conteos de compuertas T entre 6,3×10¹⁰ y 1,1×10¹⁴. Delgado et al. (Xanadu + Volkswagen, Phys. Rev. A 2022) construyeron el algoritmo completo para un cátodo realista, el silicato de hierro dilitio. Un año después, Zini et al. (Quantum, 2023) recortaron el costo en Toffoli de ese pipeline de cátodo en cuatro órdenes de magnitud con pseudopotenciales. En marzo de 2026, Xanadu, la Universidad de Toronto y el NRC de Canadá publicaron un algoritmo para simular espectros de rayos X de la degradación de cátodos NMC ricos en litio en menos de 500 qubits lógicos. Leer la tendencia con honestidad, en ambas direcciones: el costo en papel del cálculo cae rápido, y cada uno de estos números sigue asumiendo una máquina tolerante a fallos que no existe. La mejor demo publicada de corrección de errores a la fecha produce exactamente 1 qubit lógico a partir de 101 físicos (qué es un qubit). A ese ratio — aritmética propia sobre cifras citadas, no una medición — 500 qubits lógicos implican unos 50.000 qubits físicos; el chip superconductor más grande que IBM ha anunciado, Condor (2023), tiene 1.121.

¿Qué se corrió con nombre y qué mostró?

Cada intento industrial con nombre que pudimos verificar, con lo que NO muestra en su propia columna. Ninguna fila es una acusación: cada demo es trabajo honesto cuya escala está declarada en su propio paper.

La última fila merece la lectura cuidadosa. El claim — publicado el 30 de julio de 2026 — es que ningún método clásico reproduce de forma confiable el régimen completo tras ocho meses de intentos, y que los métodos clásicos discrepan entre sí. Es una afirmación seria y falsable sobre dinámica de spins, vecina de la física de materiales. No es una molécula de batería, y la literatura de verificación anota que el estimado mitigado no trae cota cuantitativa de distancia a la verdad de referencia; un revisor externo lo resumió como "parece difícil de simular clásicamente", que no es una prueba. El patrón a recordar de la dequantización y del expediente del baseline débil: los claims de esta forma han sido históricamente donde lo clásico remontó desde atrás.

¿Dónde deja eso el veredicto?

La computación de química de baterías más grande jamás ejecutada en hardware cuántico usó 12 qubits físicos y alcanzó precisión cualitativa en una molécula (Li₂O) que los métodos clásicos manejan con exactitud. El requisito publicado más chico para una computación de baterías que los métodos clásicos no pueden hacer pide cientos de qubits lógicos — un recurso del que el mundo ha demostrado uno. Entre esos dos números no hay cruce medido, solo estimaciones sobre hardware que no existe (el punto de cruce), y las estimaciones mismas se movieron cuatro órdenes de magnitud en un año, lo que dice cuán provisorias son. Mientras tanto, la ruta variacional que usan las demos de hoy choca con el muro de mediciones documentado en el expediente de VQE — la propia frontera pivoteó lejos del lazo variacional puro. El costo por disparo compone todo lo anterior (qué cuesta una corrida).

Rosetta Q no tiene mediciones propias en química de materiales — nuestras series selladas son experimentos chicos de optimización y quantum walks sobre grafos de proteínas, una clase distinta (expediente de fármacos), donde el baseline clásico sigue invicto. No reclamamos nada en esta clase.

¿Qué cambiaría este veredicto?

Tres eventos observables, cualquiera de los cuales nos movería: (1) una computación de material de batería — cátodo o electrolito — corrida end-to-end en hardware real y ganándole al baseline clásico corregido más fuerte (DFT+U, clase DMRG) en la misma instancia, con artefactos publicados y re-corribles; (2) el patrón de ventaja estilo Algorithmiq reproducido en una molécula de batería con cota cuantitativa de error, sobreviviendo 12 meses de contraataques clásicos; (3) una máquina tolerante a fallos con 500 o más qubits lógicos ejecutando de verdad los algoritmos de cátodo clase Xanadu a su costo publicado. A la fecha, ninguno ocurrió. Las predicciones de vendors de un "punto de inflexión" inminente son predicciones, no resultados (roadmaps de vendors, leídos con honestidad).

Qué sabemos / qué no sabemos

Sabemos: el récord de hardware con nombre en química de baterías (4 a 12 qubits físicos, sin ventaja reclamada por los propios autores); los costeos FT publicados (de cientos a unos 100.000 qubits lógicos, cayendo rápido en papel); que DFT+correcciones es cuantitativa para la mayor parte del trabajo de electrodos cristalinos; que el claim de ventaja más fresco cercano a este espacio es dinámica de spins, no química, y no trae cota de error.

No sabemos: si las esquinas fuertemente correlacionadas de la química de baterías (degradación de NMC rico en Li, interfaces, fases desordenadas) darán una victoria cuántica medida antes de que los métodos clásicos — extensiones de DFT, DMRG, campos de fuerza aprendidos — las cierren primero; si la estimación de 500 qubits lógicos sobrevive al contacto con los factores constantes de una máquina real; si el claim de Algorithmiq queda en pie — ocho meses sin refutación son evidencia, no prueba, y el registro de la dequantización muestra que las remontadas clásicas tardías son comunes; y cuál sería el costo end-to-end por respuesta útil, porque nadie ha producido una respuesta útil en esta clase que costear.

Rosetta Q publica veredictos con datos crudos reproducibles. Esto es contenido educativo, no un claim de producto.