Claude, de Anthropic, diseña un circuito cuántico que reduce diecisiete veces el número de puertas

El modelo de inteligencia artificial Claude ha generado un diseño optimizado de circuito cuántico que reduce los requisitos de puertas por un factor de 17, abordando un persistente cuello de botella de memoria que restringe la ejecución de algoritmos cuánticos, según una información publicada el 16 de oct. de 2026 por el analista tecnológico Aamir Khollam. La optimización del diseño representa una ganancia significativa de eficiencia algorítmica, lo que potencialmente disminuye los recursos de hardware físico y los tiempos de coherencia necesarios para ejecutar subrutinas con un uso intensivo de memoria en procesadores cuánticos.

## Datos clave

- El modelo de inteligencia artificial Claude de Anthropic generó un circuito cuántico optimizado que requiere 17 veces menos puertas lógicas cuánticas que las implementaciones de referencia existentes. - La optimización aborda directamente los cuellos de botella de la memoria cuántica, que históricamente requieren profundidades de puerta prohibitivas para almacenar, recuperar y enrutar estados cuánticos. - Reducir el recuento de puertas por un factor de 17 disminuye significativamente las tasas de error operativo y la sobrecarga de cúbits físicos necesaria para la ejecución tolerante a fallos. - La novedad fue informada el 16 de oct. de 2026 por el periodista tecnológico Aamir Khollam. - Anthropic, fundada en 2021 en San Francisco, California, desarrolla la familia Claude de modelos de redes neuronales utilizados en tareas de razonamiento computacional y síntesis de código.

## Qué ocurrió

Según lo informado por Aamir Khollam, el modelo fundacional Claude de Anthropic logró sintetizar la topología de un circuito cuántico que opera con una decimoséptima parte de las puertas lógicas exigidas habitualmente por los diseños convencionales. La síntesis automatizada se centró específicamente en las operaciones de memoria cuántica, un conocido cuello de botella estructural en la informática cuántica donde los algoritmos deben leer, escribir o acceder a información cuántica a través de registros distribuidos sin colapsar las delicadas superposiciones cuánticas.

Los algoritmos cuánticos no se ejecutan mediante puertas lógicas booleanas clásicas como AND, OR y NOT. En su lugar, se basan en secuencias de puertas cuánticas: transformaciones matemáticas unitarias ejecutadas mediante mecanismos físicos como pulsos láser o ráfagas de microondas aplicadas a bits cuánticos, o cúbits. La profundidad y complejidad computacional de una rutina cuántica se definen en gran medida por el número total de puertas y la secuencia en la que se aplican las puertas de entrelazamiento de dos cúbits. En el circuito sintetizado por Claude, el modelo reestructuró la secuencia de operaciones unitarias, descubriendo una vía matemática alternativa para lograr la idéntica transformación de estado de memoria mientras eliminaba aproximadamente el 94 por ciento de la sobrecarga de puertas intermedias.

Si bien la síntesis automatizada de circuitos y la optimización de compiladores cuánticos han sido durante mucho tiempo subcampos activos de la informática, los investigadores humanos y los compiladores automatizados chocan frecuentemente contra barreras combinatorias al intentar simplificar circuitos que involucran matrices unitarias de alta dimensión. La generación por parte de Claude de una topología de circuito alternativa que logra una reducción de 17 veces indica que las arquitecturas neuronales a gran escala pueden identificar atajos algorítmicos que escapan a las heurísticas tradicionales de síntesis basadas en reglas.

## Por qué es importante

En la computación cuántica práctica, la profundidad del circuito es el factor determinante principal de si un algoritmo puede ejecutarse hasta completarse o disolverse en ruido inútil. Los dispositivos cuánticos actuales operan en gran medida en el régimen cuántico de escala intermedia ruidosa (NISQ) y en las fases iniciales de la corrección de errores tolerante a fallos. En todas las modalidades de hardware físico —ya sean circuitos transmón superconductores, iones de iterbio atrapados, matrices de átomos neutros de rubidio o guías de ondas fotónicas—, cada operación de puerta introduce una probabilidad finita de error. Cuando las tasas de error de las puertas físicas oscilan entre el 0.1 por ciento y el 1 por ciento para operaciones de dos cúbits, los circuitos profundos que contienen miles de puertas acumulan rápidamente errores que degradan la fidelidad de la salida a cero.

Además, cuando las arquitecturas teóricas pasan a la tolerancia a fallos mediante códigos de corrección de errores cuánticos, como el código de superficie, los costes de recursos se multiplican exponencialmente. La ejecución tolerante a fallos requiere puertas no Clifford, en particular la puerta T, que no puede implementarse transversalmente y debe generarse en su lugar mediante un proceso intensivo en recursos conocido como destilación de estados mágicos. En los sistemas tolerantes a fallos, las factorías de estados mágicos pueden representar más del 90 por ciento de la huella de cúbits físicos. Una reducción de 17 veces en el recuento total de puertas del circuito —especialmente si reduce proporcionalmente las operaciones de entrelazamiento multicúbit y las puertas no Clifford— reduce drásticamente el umbral de hardware físico necesario para ejecutar algoritmos significativos. Algoritmos que antes requerían millones de cúbits físicos con corrección de errores para soportar las sobrecargas de acceso a memoria podrían, con una compilación más eficiente, adelantarse varias generaciones de hardware.

Para los sectores empresariales que siguen de cerca la ventaja cuántica, como la simulación molecular farmacéutica, el análisis criptográfico, el enrutamiento logístico y el descubrimiento de materiales, la gestión de la memoria ha seguido siendo una barrera operativa fundamental. Si las operaciones de memoria consumen menos ciclos computacionales, los sistemas híbridos clásico-cuánticos pueden destinar sus presupuestos de coherencia al cálculo en lugar de a la recuperación de memoria.

## Contexto

Para comprender la importancia de un cuello de botella en la memoria cuántica, es necesario examinar cómo gestiona el almacenamiento de datos la computación cuántica. En la computación clásica, la arquitectura de Von Neumann separa la unidad central de procesamiento de la memoria de acceso aleatorio (RAM), permitiendo que un bus de direcciones lea y escriba bytes sin modificar su integridad lógica. En la computación cuántica, no existe una separación tan directa. Cargar datos clásicos en una superposición cuántica —o acceder a estados cuánticos a través de la memoria cuántica de acceso aleatorio (QRAM)— resulta exigente tanto física como matemáticamente.

En los diseños estándar de QRAM, como las arquitecturas de «cadena de cubos» (bucket-brigade) propuestas en la literatura académica durante las últimas dos décadas, consultar una dirección de $N$ celdas de memoria requiere enrutar señales a través de un intrincado árbol de conmutadores cuánticos. Cada conmutador requiere entrelazamiento y coherencia de fase. Si un algoritmo requiere búsquedas coherentes en memoria, el número de puertas de entrelazamiento requeridas escala con rapidez, creando profundos cuellos de botella en los circuitos. En consecuencia, los algoritmos teóricos que presumen de aceleraciones polinómicas o logarítmicas sobre el papel —como el algoritmo Harrow-Hassidim-Lloyd (HHL) para sistemas de ecuaciones lineales o ciertos modelos cuánticos de aprendizaje automático— pierden con frecuencia su ventaja de velocidad práctica porque los pasos de preparación de estados y recuperación de memoria requieren más puertas que el propio cálculo central.

Durante décadas, la síntesis de circuitos dependió de matemáticos humanos que aplicaban álgebra lineal, teoría de grupos y reescrituras topológicas, junto con herramientas automatizadas basadas en el cálculo ZX o la coincidencia de patrones. A lo largo de los últimos cinco años, la inteligencia artificial se ha incorporado progresivamente a la compilación de software cuántico. Empresas tecnológicas y laboratorios académicos han utilizado aprendizaje por refuerzo y modelos de aprendizaje automático para optimizar el enrutamiento de cúbits y reducir la sobrecarga de puertas SWAP en topologías de chips específicas. Anthropic, una corporación de beneficio público de inteligencia artificial estadounidense fundada en 2021 por antiguos miembros sénior de OpenAI, se ha centrado profundamente en las capacidades avanzadas de razonamiento científico y matemático de su serie de modelos Claude. Aplicar modelos de razonamiento a gran escala a las restricciones simbólicas y unitarias de la lógica cuántica representa una extensión de la demostración automatizada de teoremas y el descubrimiento científico impulsados por IA.

## Reacciones

Se espera que la comunidad científica en general y el sector de la computación cuántica evalúen el diseño de circuito de Claude mediante preprints académicos formales y réplicas experimentales. Investigadores en ciencia de la información cuántica en instituciones como el Massachusetts Institute of Technology, la University of Oxford y el Max Planck Institute of Quantum Optics evalúan habitualmente las afirmaciones de síntesis automatizada frente a marcos de compiladores consolidados como Qiskit de IBM, Cirq de Google y TKET de Cambridge Quantum.

Se prevé que los fabricantes de hardware analicen si el circuito, 17 veces más reducido, se ajusta estrictamente a los conjuntos de puertas nativas. Desarrolladores industriales de hardware que operan en plataformas superconductoras (como IBM y Google Quantum AI), arquitecturas de iones atrapados (como Quantinuum e IonQ) y configuraciones de átomos neutros (como QuEra Computing) evalúan las optimizaciones de circuitos de terceros en función de si la reducción de puertas se traduce en operaciones nativas de hardware de uno y dos cúbits sin requerir costosos pasos de descomposición que anulen las ganancias teóricas.

Analistas del sector y desarrolladores de software también esperan documentación formal por parte de Anthropic sobre las instrucciones de entrada, los mecanismos de verificación y los límites algorítmicos utilizados durante la generación del circuito por parte de Claude.

## Lo que aún no se sabe

Varios detalles técnicos siguen sin confirmarse en la información inicial. El principal de ellos es la línea de base matemática exacta respecto a la cual se midió la reducción de 17 veces. La información no especifica si el circuito de referencia era un diseño ingenuo de QRAM no optimizado, una arquitectura estándar de «cadena de cubos» o el resultado de un compilador industrial ya optimizado. Sin un circuito de referencia determinado, calcular la reducción absoluta exacta en la profundidad del circuito sigue siendo difícil.

Además, todavía no está claro si el diseño del circuito es exacto o aproximado. En la compilación de circuitos cuánticos, los compiladores a menudo sacrifican la exactitud en favor de la brevedad tolerando un pequeño umbral de error, conocido como épsilon, en la síntesis unitaria. Si el circuito de Claude es una equivalencia unitaria exacta, representa un auténtico avance matemático; si se trata de una síntesis aproximada, su utilidad dependerá por completo de que el error de aproximación se mantenga dentro de los umbrales admisibles de tolerancia a fallos.

Por último, la información no aclara si la reducción de 17 veces se ha ejecutado físicamente en hardware cuántico real o si existe meramente como una demostración matemática validada y un diagrama de circuito verificado mediante simulación clásica.

## Qué observar

El principal acontecimiento a seguir en los próximos meses es la publicación prevista de un informe técnico exhaustivo o un preprint revisado por pares en repositorios como arXiv. Dicha publicación revelaría la matriz completa de puertas cuánticas, el número exacto de cúbits auxiliares utilizados, el hamiltoniano o transformación unitaria objetivo y el conjunto específico de puertas empleado en la compilación.

Los observadores también deberán estar atentos a las ejecuciones de verificación independiente por parte de equipos de compiladores cuánticos. Si herramientas como Qiskit o TKET integran el diseño de memoria topológica de Claude como una rutina de síntesis estándar, los ingenieros de software de todo el mundo podrán incorporar la reducción de 17 veces en sus flujos de trabajo algorítmicos.

Finalmente, los resultados experimentales procedentes de laboratorios de hardware determinarán el rendimiento en el mundo real. Las demostraciones físicas que comparen las tasas de error y la fidelidad de estado al ejecutar el circuito de memoria tradicional frente a la alternativa más reducida de Claude en chips procesadores reales demostrarán si la reducción matemática se traduce en ganancias medibles de coherencia en entornos de laboratorio.

Este artículo se basa en la cobertura original de Aamir Khollam.