Un sistema de búsqueda evolutiva basado en modelos GPT-6 encuentra diseños para operaciones cuánticas y comprueba su tolerancia a errores. Algunos circuitos reducen considerablemente la complejidad frente a soluciones anteriores, aunque los resultados todavía son computacionales.
Investigadores del Instituto Max Planck para la Ciencia de la Luz y de la Universidad Friedrich-Alexander de Erlangen-Núremberg, en Alemania, desarrollaron un sistema de inteligencia artificial capaz de descubrir circuitos cuánticos tolerantes a fallos mediante una combinación de modelos de lenguaje, programación y verificación matemática. Según el estudio de Aritra Lahiri y Florian Marquardt, publicado en arXiv el 13 de noviembre de 2026, el método permite automatizar tareas que tradicionalmente requieren diseñar circuitos específicos para preparar estados cuánticos, ejecutar operaciones lógicas y modificar códigos de corrección de errores.
La corrección de errores es uno de los principales desafíos para desarrollar computadoras cuánticas capaces de ejecutar cálculos complejos. Los cúbits físicos son vulnerables al ruido y a las perturbaciones del entorno, por lo que la información debe distribuirse entre varios de ellos mediante códigos de protección. Sin embargo, los circuitos utilizados para operar sobre esa información también pueden introducir errores que se propaguen y superen la capacidad correctiva del código. Según los investigadores, esta dificultad ha obligado a desarrollar manualmente numerosos procedimientos para cada arquitectura y operación.
Una IA que diseña circuitos y comprueba sus errores
El sistema, denominado agentic FunSearch, combina búsqueda evolutiva con modelos de lenguaje capaces de utilizar herramientas externas. De acuerdo con el artículo, la IA recibe una descripción del estado cuántico o de la operación que debe construir, junto con las características del código de corrección de errores, la distribución física de los cúbits y las puertas cuánticas permitidas. A partir de esa información genera un programa en Python que define el circuito propuesto.
Cada propuesta es examinada por un verificador especializado que determina si el circuito alcanza el objetivo y evalúa cómo respondería ante fallos. El procedimiento contempla errores en puertas cuánticas, estados iniciales y mediciones, y examina exhaustivamente las combinaciones de fallos incluidas en el modelo de prueba hasta el orden que puede corregir el código utilizado. Los resultados se devuelven al agente para que modifique su programa y genere nuevas alternativas.
Los investigadores incorporaron una base de datos que conserva las mejores soluciones y permite reutilizarlas durante generaciones sucesivas. El modelo puede consultar directamente las herramientas de verificación antes de entregar una nueva propuesta y dejar notas de trabajo que se incorporan a las siguientes iteraciones. Este mecanismo permite explorar diferentes configuraciones sin comenzar cada búsqueda a partir de un circuito diseñado previamente por especialistas.
Para implementar el método se utilizaron GPT-6-luna y GPT-6.1-sol, con diferentes niveles de esfuerzo de razonamiento. Según los autores, GPT-6.1-sol obtuvo mejores resultados en varias tareas complejas, particularmente en circuitos asociados con códigos cuánticos que presentan mayores dificultades de diseño. Los investigadores atribuyen parte del rendimiento del sistema a la capacidad de los modelos para probar hipótesis, utilizar herramientas y aprovechar la información generada durante la búsqueda.
Circuitos más cortos para operaciones cuánticas
Uno de los resultados más destacados corresponde a una puerta lógica CNOT, utilizada para ejecutar operaciones controladas entre dos cúbits lógicos protegidos mediante un código cuántico de cinco cúbits físicos. Según la tabla II del estudio, una implementación anterior tenía una profundidad de 84 capas de operaciones y requería 65 puertas de dos cúbits. El sistema desarrollado por los investigadores encontró un circuito de profundidad 16, con 29 puertas de dos cúbits y el mismo número de cúbits auxiliares.
El equipo también encontró diseños de profundidad nueve para esa operación utilizando una configuración con más cúbits auxiliares. La reducción de profundidad es relevante porque disminuye el número de etapas secuenciales necesarias para ejecutar el circuito. No obstante, los resultados corresponden a las métricas de diseño y verificación utilizadas en el estudio, por lo que no permiten afirmar que una computadora cuántica real ejecutará la operación con una reducción equivalente de tiempo o de errores.
En las tareas de preparación de estados lógicos, el sistema obtuvo circuitos tolerantes a fallos para diferentes familias de códigos, incluidos códigos de superficie y códigos de color. Según los investigadores, algunos programas pudieron generar soluciones para varias distancias de código, entre tres y nueve, sin requerir un diseño independiente para cada configuración. En otros casos, el sistema tuvo que producir circuitos específicos y no consiguió una solución general para todas las distancias examinadas.
Cambiar y ampliar códigos cuánticos
El trabajo también examina procedimientos más complejos, como la conversión de información entre distintos códigos de corrección de errores. Los investigadores consiguieron circuitos para transferir estados lógicos entre los códigos Steane y Reed-Muller, utilizados en diferentes estrategias de computación tolerante a fallos. Según la tabla III, las soluciones obtenidas satisfacen los criterios de verificación establecidos para ambas direcciones de conversión.
Otra aplicación consiste en ampliar un código cuántico para aumentar su capacidad de protección. El sistema produjo circuitos para pasar de distancias tres a cinco y de cinco a siete, aunque los autores identificaron una limitación: estas operaciones pueden requerir descartar ejecuciones cuando los errores detectados no pueden corregirse de manera inequívoca. Por ello, el resultado no implica que todos los procedimientos descubiertos puedan ejecutarse sin rechazar operaciones fallidas.

Resultados todavía limitados a la verificación computacional
La investigación se concentra en circuitos dinámicos de Clifford, una familia de operaciones cuánticas que puede describirse mediante herramientas matemáticas especializadas. Los circuitos incluyen mediciones intermedias y correcciones condicionadas a sus resultados. Aunque este conjunto permite estudiar funciones fundamentales de corrección de errores, no constituye por sí solo un sistema universal de computación cuántica.
La verificación exhaustiva realizada por los investigadores demuestra que los circuitos satisfacen los criterios matemáticos establecidos para los fallos contemplados en el estudio. No equivale a una demostración de funcionamiento sobre procesadores cuánticos físicos, donde pueden presentarse otras fuentes de ruido, restricciones de calibración e imperfecciones experimentales. El artículo tampoco proporciona una comparación sistemática de los costos de ejecución de los modelos frente a todos los métodos anteriores.
Los autores consideran que el resultado demuestra la utilidad de combinar modelos de lenguaje avanzados con verificadores especializados para automatizar problemas científicos de diseño. En lugar de depender exclusivamente de respuestas generadas por un modelo, el método incorpora criterios matemáticos para seleccionar y mejorar soluciones. Su alcance actual permanece limitado a los problemas y arquitecturas examinados, pero plantea una vía para explorar circuitos cuánticos cuya construcción manual resulta cada vez más compleja.
