La investigación con ORNL y Nvidia mantiene los tiempos en cerca de 28 segundos al escalar problemas
El 16 de septiembre de 2026, IonQ presentó una investigación conjunta con Oak Ridge National Laboratory, Nvidia y la Universidad de Tennessee, Knoxville. El estudio demuestra que un modelo generativo basado en arquitectura transformer puede diseñar circuitos de optimización cuántica de forma directa, eliminando el ciclo iterativo de ajuste de parámetros que encarecía este tipo de cálculos.
En la optimización cuántica híbrida, los problemas se dividen en partes más pequeñas que requieren circuitos específicos. En una prueba con 100 variables de decisión, los métodos anteriores vieron subir el tiempo de búsqueda de circuitos de unos 34 segundos con 4 cúbits a más de 11 minutos con 12 cúbits. El enfoque generativo mantuvo una duración cercana a 28 segundos en todos los tamaños evaluados y duplicó la calidad de las respuestas a medida que crecían los subproblemas.
El estudio fue liderado por Oak Ridge National Laboratory y simulado en una unidad GPU Nvidia H200 del sistema Defiant2, utilizando la plataforma Nvidia CUDA-Q y el kit cuQuantum. Para cada subproblema, el modelo generó diez circuitos candidatos, evaluó sus resultados y seleccionó el mejor para actualizar la solución global.
El artículo recibió el premio al mejor trabajo en la conferencia IEEE Quantum Week 2026 en Toronto, donde IonQ contó con nueve publicaciones aceptadas. IonQ indicó que este avance facilitará escalar la optimización en sus generaciones actuales y futuras de computadores cuánticos.
Newsletter
Los mercados en tu correo, cada semana
Análisis enfocado en LATAM, ideas de inversión y el resumen financiero de la semana.
Seguir leyendo
