¿Qué es un qubit lógico y por qué el ratio físico:lógico decide el timing?

Un qubit físico es un dispositivo. Un qubit lógico es una promesa sostenida por muchos dispositivos a la vez: un qubit de información repartido entre decenas o cientos de qubits físicos, de modo que cuando los componentes individuales fallan — y fallan constantemente — la información codificada sobrevive. La cantidad de qubits físicos que cuesta sostener esa promesa, el ratio físico:lógico, es el número que convierte los conteos de qubits de los roadmaps de los vendors en los qubits lógicos que los algoritmos realmente consumen. Esa división — no el conteo de qubits del titular — es lo que convierte un roadmap en una fecha.

Estado a: 29 de agosto de 2026.

¿Qué es exactamente un qubit lógico?

Los mejores qubits físicos todavía fallan a tasas que los algoritmos útiles no pueden absorber. Helios de Quantinuum, el líder actual de fidelidad entre máquinas de producción, reporta 99,921% de fidelidad en compuertas de dos qubits (comunicado, 5-nov-2025) — aproximadamente un error cada ≈1.300 compuertas de dos qubits, por aritmética directa. El objetivo de IBM para 2029 es una máquina que corre 100 millones de compuertas (blog de IBM Quantum, 10-jun-2025) — lo que, por la misma aritmética, exige tasas de error cercanas a uno en 100 millones por operación lógica. La brecha entre esos dos números es de unos cinco órdenes de magnitud, y no se espera que ningún pulido de ingeniería sobre un qubit físico individual la cierre.

La corrección de errores la cierra estructuralmente, no incrementalmente. Se codifica un qubit lógico entre muchos físicos, se miden repetidamente "síndromes" — chequeos que revelan errores sin leer el dato — y se decodifica y corrige en tiempo real. Es una cosa distinta de la mitigación de errores, que post-procesa estadística sobre las máquinas sin corregir de hoy y no puede suprimir errores arbitrariamente (ver nuestro explicador de mitigación).

La razón por la que todo el esquema vale su sobrecosto es una tasa de cambio medida en diciembre de 2024: el chip Willow de Google mostró que cada vez que la distancia del código crece en 2 — costando más qubits físicos por lógico — la tasa de error lógico se divide por un factor Λ ≈ 2,14 (Nature 638, 920–926, 2024). Los errores caen exponencialmente mientras la cuenta de qubits crece solo polinomialmente. La demostración de Willow usó 101 qubits físicos para 1 qubit lógico de memoria a distancia-7, alcanzando 0,143% de error por ciclo, con una vida lógica 2,4× la del mejor qubit físico del chip. Esa es la apuesta completa de la tolerancia a fallos en una sola medición — y es también, a 101:1, un adelanto del precio.

¿Por qué el ratio es EL número de todo roadmap?

Los roadmaps publicitan qubits físicos. Los algoritmos consumen qubits lógicos a un objetivo de error. El ratio es la división entre ambos, y mueve el resultado más que el conteo de qubits.

La máquina 2029 de IBM, Starling, está especificada como ≈200 qubits lógicos sobre un estimado de ≈20.000 qubits físicos — un ratio cercano a 100:1 — corriendo 100 millones de compuertas (blog de IBM Quantum, 10-jun-2025). Ese ratio solo es aritméticamente posible porque IBM cambió del surface code a un código qLDPC "gross", [[144,12,12]], que guarda 12 qubits lógicos en 288 físicos (24:1) y, según el propio paper de IBM, "corrige errores tan bien como el surface code, pero requiere 10× menos qubits" (Bravyi et al., Nature 627, 2024; traducción propia). Hagan la división con un ratio de clase surface — ≈1.000:1 al mismo objetivo, derivado directamente de ese 10× — y los mismos 20.000 qubits físicos rinden ≈20 qubits lógicos: una década distinta de capacidad desde hardware idéntico. El objetivo 2030 de IonQ hace la misma jugada con otros números: 2 millones de qubits físicos rindiendo 40.000–80.000 lógicos asume un ratio de 25:1 a 50:1 a un objetivo declarado de error lógico por debajo de 10⁻¹² (blog de IonQ, 13-jun-2025).

Por esto el ratio, y no el conteo de qubits, es el número a mirar en cualquier roadmap — y por esto nuestra guía de timing lee las fechas de los vendors como metas cuya factibilidad cuelga de factores de conversión no probados.

¿Qué ratios están medidos y cuáles son proyección?

¿Por qué un ratio sin su objetivo de error es un número sin unidades?

Porque el ratio no es una constante de la naturaleza — es una función de tres entradas: la tasa de error físico, el código, y el objetivo de error lógico. Bajen el objetivo (algoritmos más profundos, más compuertas) y la distancia requerida crece, así que el ratio crece con ella. Cada número de la tabla de arriba vive en un punto distinto de esa curva.

El 2:1 de Helios es real y está medido — a un benchmark de preparación y medición de estado de 99,99%, que es un objetivo de clase 10⁻⁴. El 101:1 de Willow es real y está medido — y compra una memoria que todavía falla más o menos una vez cada ≈700 ciclos (aritmética directa sobre el 0,143%), órdenes de magnitud por debajo de lo que necesita un programa de 100 millones de compuertas. Ninguno está a grado de algoritmo; el extremo criptográfico de la curva es donde vive la estimación 2025 de Gidney, que aún necesita del orden de un millón de qubits físicos después de que dos décadas de ahorros algorítmicos recortaran la cifra de 2019 en 20× (arXiv:2505.15917 vs arXiv:1905.09749).

El patrón les va a sonar a los lectores de nuestro explicador de métricas de vendors: cada arquitectura cita el punto de la curva donde su física brilla. Los iones atrapados tienen las mejores fidelidades, así que los códigos chicos funcionan y los ratios se ven diminutos; los chips superconductores fabrican qubits de a cientos, así que códigos más grandes a ratios más grandes son la cita natural (el trade-off de arquitecturas es el mismo, con otra métrica puesta). Nada de esto es una acusación: cada número de arriba está reportado honestamente dentro de su propio benchmark declarado. La incomparabilidad aparece río abajo, cuando un titular compara un 2:1 contra un 101:1 como si fueran precios del mismo producto.

¿Qué haría que el ratio convierta de verdad roadmaps en fechas?

Los ratios proyectados necesitan tres cosas que se están midiendo ahora mismo. Primero, los códigos qLDPC requieren hardware que el surface code no exige: acopladores de largo alcance entre qubits distantes. El chip experimental Loon de IBM, anunciado el 12-nov-2025, demostró esos componentes ("c-couplers", cableado multicapa, reset rápido). Segundo, decodificación en tiempo real: IBM reportó un decodificador FPGA que entrega resultados en ≈0,48 microsegundos, un hito que dice haber alcanzado un año antes de lo previsto (PostQuantum, 12-nov-2025). Tercero, lógica qLDPC — computar sobre qubits codificados, no solo guardarlos — donde la evidencia es más joven: Photonic publicó una familia de códigos qLDPC (SHYPS) en Nature Communications el 25-ago-2026, reclamando lógica con "significativamente menos" qubits físicos que los surface codes a los tamaños probados (traducción propia), todavía sin números a escala de hardware.

Son pasos medidos hacia un ratio proyectado — vale la pena seguirlos, y todavía no son el ratio. El marcador que decide la pregunta sigue donde estaba: algoritmos útiles corridos de punta a punta sobre qubits lógicos, en cualquier máquina, a cualquier ratio: cero (ver qué tiene ventaja probada).

No tenemos mediciones propias en esta clase. Las corridas selladas de Rosetta Q son experimentos chicos de optimización y quantum walks sobre simulación sin ruido o trabajos de QPU con qubits físicos crudos — no tenemos datos de qubits lógicos y no reclamamos ninguno.

Qué sabemos / qué no sabemos

Sabemos: la supresión de errores bajo el umbral está medida (Λ ≈ 2,14 por paso de distancia, a distancias hasta 7 — Nature 638, 2024); existen 48 qubits lógicos corregidos en una máquina a 2:1 bajo su benchmark declarado (Quantinuum, nov-2025); un código qLDPC recorta el sobrecosto de memoria 10× en papel (Nature 627, 2024) y sus componentes de hardware fueron demostrados (Loon, nov-2025).

No sabemos: si Λ se sostiene a las distancias y duraciones que necesita un algoritmo real — 7 es la mayor medida; cuáles son las tasas de error lógico de las máquinas 2:1 bajo computación profunda sostenida, porque la cifra publicada es una fidelidad de preparación y medición de estado; si la lógica qLDPC conserva la ventaja de 10× a escala Starling — las construcciones de compuertas son más jóvenes que el resultado de memoria; qué ratio entregará realmente cada vendor a objetivos de grado algoritmo, porque ningún organismo neutral mide ratios bajo un objetivo común; y si las fechas que dependen de estos ratios se cumplen — ninguna fecha de tolerancia a fallos de ningún vendor ha vencido todavía, así que el historial es cero en ambas direcciones.

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