¿Sirve la computación cuántica para el pronóstico del tiempo y el clima?
No. Al 23 de octubre de 2026, Rosetta Quantum cuenta cero pronósticos operativos del tiempo o del clima corriendo sobre hardware cuántico, bajo tres criterios declarados: (1) el pronóstico se produce operativamente — con calendario, para usuarios reales, por un servicio o centro meteorológico; (2) un procesador cuántico participa en algún punto del circuito de producción; (3) el sistema está documentado públicamente. Todo esfuerzo cuántico-meteorológico que pudimos encontrar es una propuesta, una colaboración exploratoria o un estudio en simulador. Los obstáculos no son detalles de ingeniería — son estructurales, y la revisión más honesta del campo la escribieron los propios físicos atmosféricos. Este veredicto queda en el ledger junto a nuestro mapa de usos reales (para qué se usa la computación cuántica hoy).
¿Quién corre hoy los pronósticos del mundo?
Supercomputadores clásicos — y, desde 2025, modelos de IA operativos que subieron la vara que lo cuántico tendría que superar. El ECMWF, el centro europeo cuyos pronósticos de mediano plazo son referencia global, corre su sistema físico IFS a 9 km de grilla global, y el 25 de febrero de 2025 puso en operación plena su modelo de machine learning AIFS — el primer modelo meteorológico abierto de ML plenamente operativo, con mejoras de hasta 20% en algunas métricas de cabecera, incluidas las trayectorias de ciclones tropicales, a 28 km de grilla y usando aproximadamente 1.000 veces menos energía por pronóstico que el pipeline físico (ECMWF, 25-feb-2025).
Ese último número es el hecho estratégico que la mayoría de los pitches de «quantum para el clima» omite. La disrupción que la IA clásica le trajo al pronóstico ya está aquí, medida y en producción. Cualquier propuesta cuántica ya no compite contra una corrida cara de supercomputador, sino contra un modelo en GPU tres órdenes de magnitud más barato en energía y ya operativo. El propio artículo del ECMWF de junio de 2026 sobre el poder de cómputo detrás de sus pronósticos habla de HPC y de «pronósticos de IA impulsados por GPUs» — y no menciona la computación cuántica ni una vez (ECMWF, 26-jun-2026).
¿Por qué las ecuaciones del tiempo son difíciles para un computador cuántico?
Porque las dos cosas que un pronóstico más necesita — leer la respuesta completa y la no-linealidad — son las dos cosas que peor manejan los computadores cuánticos. El análisis de referencia es Tennie & Palmer (Universidad de Oxford), «Quantum Computers for Weather and Climate Prediction: The Good, the Bad and the Noisy» (arXiv:2210.17460, 31-oct-2022). Tres hallazgos cargan el veredicto:
Lectura (readout). Un estado cuántico podría contener un estado atmosférico de 10⁹ variables en unos 30 qubits — la entrada es barata. Pero la medición devuelve aproximadamente un bit por qubit, y un centro de pronóstico necesita el campo completo de vuelta, en cada ciclo. Tennie & Palmer llaman al problema de salida un cuello de botella «(insalvable)» para centros operativos (arXiv:2210.17460). Es la misma letra chica que mató una década de claims de aceleración basados en HHL — la documentamos en qué es HHL y por qué su letra chica mató tantos claims.
No-linealidad. La ecuación de Schrödinger es lineal; la atmósfera no. El rodeo — acoplamiento de campo medio entre N copias del estado — acumula errores, y los sistemas caóticos con exponentes de Lyapunov positivos (que es exactamente lo que es el tiempo) podrían exigir una cantidad exponencial de copias (arXiv:2210.17460).
Escala. El único conteo de compuertas concreto de la literatura es brutal: Scherer et al. (2017) estimaron unas 10²⁹ compuertas para correr una resolución cuántica de sistema lineal de dimensión ≈3×10⁹ — escala de pronóstico. A un supuesto de 10⁻⁹ s por compuerta, eso es ≈10²⁰ segundos de ejecución — unos tres billones de años (aritmética nuestra sobre la cifra publicada) — y exigiría fidelidades de compuerta del orden de 1−10⁻²⁹ (según el análisis de arXiv:2210.17460). Ningún atajo publicado ha removido esta barrera al 23 de octubre de 2026.
¿Qué se está investigando de verdad?
Propuestas y estudios en simulador — fechados, y ninguno con un resultado en hardware sobre datos reales de pronóstico. El registro:
Pasqal y BASF anunciaron en agosto de 2022 una colaboración exploratoria para estudiar redes neuronales cuánticas para predicción de patrones meteorológicos en procesadores de átomos neutros; el propio científico de BASF enmarcó el beneficio como algo que llegará «cuando el hardware cuántico madure», y no se reportó ningún resultado experimental (Meteorological Technology International, 17-ago-2022). El Open Quantum Institute, alojado en el CERN durante su fase piloto 2024–2026, lista un proyecto de tiempo y clima con el ECMWF, Planqc, la Universidad de Oxford y la OMM como contribuyentes — en etapa «Phase 2 – Full Proposal», proponiendo métodos cuánticos y de redes tensoriales de inspiración cuántica «con el potencial de lograr una aceleración»; sin corridas, sin resultados (página del proyecto OQI, consultada el 23-oct-2026).
El dato medido más instructivo es honesto en su negatividad: Ueno & Miura (Universidad de Tokio) implementaron un algoritmo cuántico para una parametrización estocástica de multinubes — la estadística de nubes de sub-grilla dentro de los modelos climáticos — enteramente en un simulador de Qiskit, y encontraron que su método cuántico necesitó unas 4 veces más muestras que el Monte Carlo clásico para llegar al mismo resultado (C_Q/C_MC = 4), con circuitos de profundidad O(1000) y, por su propia cuenta, sin un uso de la superposición que cambie el escalamiento (arXiv:2406.11350). Así se ve una frontera de investigación real: chica, fechada, y hoy perdiendo contra su baseline clásico.
| Proyecto / claim | Fecha | Qué está medido | Qué no | Fuente |
|---|---|---|---|---|
| ECMWF IFS, modelo físico en operación | estado 25-feb-2025 | grilla global de 9 km, operativo | — | ECMWF |
| ECMWF AIFS, modelo ML operativo | 25-feb-2025 | mejoras de hasta 20% en algunas métricas; ≈1.000× menos energía; grilla 28 km | aún no a la resolución del IFS | ECMWF |
| Revisión de Tennie & Palmer | 31-oct-2022 | análisis: readout ≈1 bit/qubit; copias para la no-linealidad | no es un resultado de hardware | arXiv:2210.17460 |
| Estimación de compuertas de Scherer et al. | 2017 | ≈10²⁹ compuertas, ≈10²⁰ s a 1 ns/compuerta para un sistema ≈3×10⁹ | ningún atajo demostrado desde entonces | vía arXiv:2210.17460 |
| Colaboración Pasqal–BASF | 17-ago-2022 | anuncio, exploratorio | sin resultados publicados | Meteorological Technology Intl |
| Ueno & Miura, modelo de multinubes | 2024 (arXiv) | simulador: iguala al MC clásico con ≈4× más muestras | sin hardware; solo 4 estados de nube | arXiv:2406.11350 |
| Proyecto OQI de tiempo y clima | piloto 2024–2026 | propuesta completa en Fase 2 | sin corridas, sin resultados | OQI/CERN |
¿Ayudará alguna vez la computación cuántica al pronóstico?
Posiblemente — pero en nichos, y todos los serios lo dicen en tiempo futuro. La conclusión de los propios Tennie & Palmer es que los computadores cuánticos difícilmente reemplazarán a los clásicos en la predicción numérica del tiempo en el futuro previsible, y que el rol plausible serán subtareas especializadas dentro de un pipeline heterogéneo, como hoy las GPUs complementan a las CPUs (arXiv:2210.17460). Los candidatos que se pondrán a prueba: parametrizaciones estocásticas de sub-grilla del tipo multinubes (donde el resultado de la Universidad de Tokio fija el baseline honesto de hoy en 4× peor que lo clásico), y la ruta OQI de métodos de redes tensoriales — que bien podrían terminar entregando su aceleración como algoritmos puramente clásicos de inspiración cuántica, un patrón que este ledger ya documentó en ¿puede la computación cuántica acelerar la IA generativa?. Rosetta re-verificará este veredicto cuando cualquiera de esos proyectos publique una corrida medida.
Qué no sabemos
No sabemos si grupos corporativos o gubernamentales guardan resultados cuántico-meteorológicos no publicados; nuestro cero cuenta solo lo documentado públicamente. No sabemos si la propuesta del OQI producirá un piloto medido antes de que termine su fase alojada en el CERN en 2026, ni qué mostrará su benchmark de redes tensoriales — incluido si la ganancia, de haberla, será cuántica siquiera. No sabemos si la idea especulativa de Tennie & Palmer de reutilizar el ruido del hardware como término estocástico de las parametrizaciones sobrevivirá el contacto con dispositivos reales — no ha sido demostrada. Y no sabemos si trabajo algorítmico futuro (p. ej., en técnicas de linealización) recortará el costo en copias de la dinámica no-lineal; la cifra de 10²⁹ compuertas es una estimación de 2017 para una ruta algorítmica, no una ley de la naturaleza.
Fuentes
- Tennie & Palmer — «Quantum Computers for Weather and Climate Prediction: The Good, the Bad and the Noisy» (arXiv:2210.17460, 31-oct-2022)
- ECMWF — «ECMWF's AI forecasts become operational» (25-feb-2025)
- ECMWF — «Computing power is the backbone for sustaining world-leading weather forecasts» (26-jun-2026)
- Ueno & Miura — «Quantum Algorithm for a Stochastic Multicloud Model» (arXiv:2406.11350)
- Meteorological Technology International — «Pasqal and BASF to use quantum computing for weather prediction» (17-ago-2022)
- Open Quantum Institute (CERN) — proyecto Weather and Climate Forecasting (consultado el 23-oct-2026)
- Rosetta Quantum — ¿Qué es HHL y por qué su letra chica mató tantos claims?
- Rosetta Quantum — ¿Para qué se usa la computación cuántica hoy?
- Rosetta Quantum — ¿Puede la computación cuántica acelerar la IA generativa (LLMs)?
Rosetta Quantum publica veredictos con datos crudos reproducibles. Esto es contenido educativo, no un claim de producto.