¿Qué es la mitigación de errores y por qué encarece las corridas cuánticas?
Estado a: agosto 2026.
Toda computadora cuántica que puedas rentar hoy es ruidosa. La mitigación de errores es la familia de trucos estadísticos que le saca una respuesta menos equivocada a una máquina ruidosa — sin agregar un solo qubit. No es corrección de errores: nada se arregla en el hardware, no existe ningún qubit lógico en el circuito. Corres más circuitos, post-procesas, y pagas cada disparo extra. Este post define el término con precisión, lo cotiza con números de vendor, y enuncia el límite estructural que hoy es un teorema, no una opinión.
¿Qué es exactamente la mitigación de errores?
La mitigación es post-procesamiento. Corres un circuito ruidoso — muchas veces, muchas variantes deliberadamente modificadas de él — y combinas las salidas clásicamente para que el sesgo que el ruido mete en un valor esperado se cancele en parte (Cai et al., Rev. Mod. Phys. 95, 045005, 2023). Tres cosas que NO hace:
No usa qubits extra. No crea un qubit lógico. No arregla la máquina — los mismos errores ocurren en cada disparo; los estás promediando, no eliminando.
El contraste es la corrección de errores: codificar un qubit lógico en muchos físicos para detectar y deshacer los errores durante el cómputo. La corrección es la solución estructural, y no está a escala — la mejor demostración publicada es el chip Willow de Google convirtiendo 101 qubits físicos en exactamente un qubit lógico con 0,143% de error por ciclo (Nature 638, 920–926, 2024; contexto en nuestro explicador de qubits). La mitigación existe porque la corrección no llegó: es la táctica puente para las máquinas ruidosas que sí puedes rentar en 2026.
¿Cómo funciona cada técnica?
Tres familias dominan la práctica. Cada una compra exactitud con disparos.
| Técnica | Mecanismo | Qué cuesta | Fuente |
|---|---|---|---|
| Debiasing (simetrización) | Correr ~25 variantes equivalentes del circuito (distintos mapeos de qubits / descomposiciones de compuertas) y agregar | Mínimo 2.500 disparos por tarea on-demand vía Braket (500 directo con reserva) | Docs Braket · Docs IonQ, accedido ago 2026 |
| Extrapolación a ruido cero (ZNE) | Re-correr el circuito a ≥3 niveles de ruido amplificado y extrapolar el observable a ruido cero | ≥3× ejecuciones más varianza creciente; el sesgo de extrapolación no está garantizado de desaparecer | Giurgica-Tiron et al. 2020 · Temme et al., PRL 119, 180509 (2017) |
| Cancelación probabilística de errores (PEC) | Aprender un modelo de ruido y muestrear su inverso cuasi-probabilístico | Sobrecosto de muestreo γ² por capa ruidosa — crece exponencialmente con tamaño de circuito × tasa de error | Temme et al. 2017 · van den Berg et al., Nat. Phys. 2023 |
| Cualquier mitigación (cota) | — | Peor caso: número superpolinomial de muestras ya a profundidades bajas | Quek et al., Nat. Phys. 20, 1648 (2024) |
El uso insignia es real: el experimento de "utilidad" de IBM con 127 qubits (Kim et al., Nature 618, 500, 2023) se apoyó en ZNE para producir valores esperados que el hardware crudo no podía dar. También es el experimento que las redes tensoriales clásicas reprodujeron después — ver por qué un baseline clásico débil arruina un benchmark cuántico. La mitigación volvió usables los números de la máquina; no los volvió imbatibles.
¿Por qué encarece las corridas?
Porque cada técnica convierte exactitud en muestras, y las muestras son la unidad que pagas. Aritmética concreta, precios de vendor, accedidos agosto 2026:
En IonQ Forte vía AWS Braket, un disparo cuesta $0,08 y una tarea $0,30 (precios Braket; desglose en cuánto cuesta correr un problema real). Encender el debiasing fija un piso de 2.500 disparos por tarea on-demand (docs Braket). O sea que el precio de entrada de la calidad mitigada en esa máquina es 2.500 × $0,08 + $0,30 ≈ $200 por tarea — antes de que tu algoritmo pida una sola iteración extra. Un lazo variacional de 100 evaluaciones mitigadas arranca en ~$20.000 a precio de lista.
Ese piso es la parte barata. ZNE multiplica las ejecuciones por el número de niveles de ruido e infla la varianza. PEC es el extremo honesto: su sobrecosto es un factor γ² por capa ruidosa del circuito, y se compone — el número total de muestras crece exponencialmente con el tamaño del circuito a tasa de error fija (Temme, Bravyi & Gambetta, PRL 2017; protocolo en hardware en van den Berg et al., 2023).
¿La explosión de costo es un problema de ingeniería o una ley?
Desde 2024 es un teorema. Quek, Stilck França, Khatri, Meyer y Eisert (Nature Physics 20, 1648–1658, 2024) probaron que, para cualquier protocolo de mitigación bajo ruido despolarizante local, el número de muestras necesario en el peor caso para recuperar valores esperados sin ruido crece superpolinomialmente ya a profundidades de circuito comparables a los experimentos actuales — "el revuelto que causa el ruido puede activarse a profundidades exponencialmente menores de lo que se pensaba". La cota cubre también ruido no-unital (como el decaimiento T1 de los chips superconductores). Mejor ingeniería mueve las constantes; no deroga el escalamiento.
El mercado se comporta como si lo supiera. Dos lecturas de la frontera, ambas documentadas en posts anteriores: el resultado insignia de química cuántica de IBM en 2025 (77 qubits, clústeres hierro–azufre) abandonó por completo el lazo variacional intensivo en mitigación, citando runtimes prohibitivos, y se movió a diagonalización por muestras (Robledo-Moreno et al., Science Advances 2025; análisis en nuestro post de VQE). Y el benchmark bandera de IonQ, #AQ, mete la mitigación de errores dentro del número reportado — su anuncio de #AQ 64 atribuye el salto en parte a "mejoras dramáticas en mitigación de errores" (blog IonQ, 13 oct 2025; cómo leer métricas de vendor en QV vs #AQ). Ninguna de las dos es una acusación — ambas son respuestas racionales a la misma curva de costos.
Para un comprador, la consecuencia práctica es simple: cualquier cotización de respuestas "de calidad productiva" de una QPU de 2026 incluye en silencio el multiplicador de mitigación. Pídelo explícito — el marco está en cómo evaluar un piloto cuántico sin quemar presupuesto.
Qué sabemos / qué no sabemos
Sabemos: la mitigación es post-procesamiento sobre máquinas ruidosas — no hay ningún qubit lógico involucrado (Cai et al., RMP 2023). Sabemos su precio de entrada en hardware rentable: piso de 2.500 disparos con debiasing on-demand → ≈$200/tarea en Forte (Braket, ago 2026). Sabemos que el sobrecosto de PEC se compone exponencialmente con el tamaño del circuito (Temme et al. 2017), y que una explosión superpolinomial de peor caso aplica a todo protocolo de mitigación ya a baja profundidad (Quek et al. 2024). Sabemos que la frontera está esquivando el costo: el giro de IBM lejos de los lazos variacionales; la mitigación plegada dentro de métricas de vendor.
No sabemos: el multiplicador de costo end-to-end de la mitigación en un workload industrial real, comparado en la misma instancia con y sin ella — nadie publica ese número, y es el que un comprador de verdad necesita. Si los trucos más nuevos (classical shadows, agrupamiento de mediciones, mitigación asistida por ML) doblan el caso promedio lo suficiente — las cotas probadas son de peor caso. Dónde queda el punto de cruce entre pagar el multiplicador de mitigación y esperar a los qubits lógicos — depende de un precio del qubit lógico que todavía no existe. Y si la corrección clase-Willow escala a los miles de qubits lógicos que volverían histórico este post.
Datos propios: ninguno en esta clase. Las corridas selladas de Rosetta son simulaciones sin ruido o ejecuciones puntuales en QPU sin protocolo de mitigación propio; no tenemos mediciones de sobrecosto de mitigación y no reclamamos ninguna.
Fuentes
- Cai et al., Quantum error mitigation, Rev. Mod. Phys. 95, 045005 (2023)
- Quek et al., Exponentially tighter bounds on limitations of quantum error mitigation, Nature Physics 20, 1648–1658 (2024)
- Temme, Bravyi & Gambetta, PRL 119, 180509 (2017)
- van den Berg et al., Nature Physics 19 (2023)
- Docs AWS Braket — mitigación en IonQ (accedido ago 2026)
- Docs IonQ — debiasing (accedido ago 2026)
- Precios AWS Braket (accedido ago 2026)
- Kim et al., Nature 618, 500 (2023)
- Robledo-Moreno et al., Science Advances (2025)
- Google Quantum AI, Willow — Nature 638, 920–926 (2024)
- Giurgica-Tiron et al., Digital ZNE (2020)
- Blog IonQ — #AQ 64 (13 oct 2025)
Rosetta Q publica veredictos con datos crudos reproducibles. Esto es contenido educativo, no un claim de producto.