Google Quantum AI: el aprendizaje por refuerzo triplica la estabilidad del chip cuántico Willow

Google Quantum AI presentó el 22 de julio de 2026 en la revista Nature un sistema que, mediante aprendizaje por refuerzo (reinforcement learning), calibra por sí solo el procesador cuántico Willow en pleno cálculo, sin detenerlo, y triplica la estabilidad del código de corrección de errores.

Cómo aprende el chip de sus errores

Google Quantum AI ha integrado un algoritmo de aprendizaje por refuerzo directamente en el circuito de corrección cuántica de errores (QEC). Un agente autónomo observa los eventos de detección de errores en el procesador Willow y ajusta en tiempo real miles de parámetros de control para compensar la deriva del hardware, todo ello sin interrumpir el cálculo. Hasta ahora, la calibración había que lanzarla por separado y detener el procesador; ahora el sistema "se ajusta sobre la marcha".

• Publicación: 22 de julio de 2026, revista Nature
• Plataforma: procesador cuántico superconductor Willow
• Aumento de 3,5 veces en la estabilidad lógica del código de corrección
• Reducción adicional del 20% en la tasa de errores lógicos tras el reentrenamiento
• Récord: menos de 1 error por cada 1000 ciclos (surface code) y alrededor de 1 por cada 100 (color code)

Cuánto han bajado los errores

El reentrenamiento mediante aprendizaje por refuerzo multiplicó por 3,5 la estabilidad lógica del código de corrección y redujo además un 20% la tasa de errores lógicos, según Google Quantum AI. De acuerdo con la publicación en Nature, el sistema alcanzó cifras récord de bajos errores: menos de un error por cada mil ciclos en el surface code y del orden de uno por cada cien en el color code.

Para la decodificación, Google utiliza el decodificador neuronal AlphaQubit y el decodificador algorítmico Tesseract. El aprendizaje por refuerzo trabaja por encima de ellos: no se encarga de descifrar los errores, sino de mantener el propio "hardware" en un estado óptimo mientras se realiza el cálculo.

"Hemos encontrado una forma de afinar los instrumentos mientras suena la música", así describen los autores, en el blog de

Google Research, la calibración continua durante los cálculos activos.

¿Escala el enfoque?

El enfoque escala a máquinas cuánticas más grandes: según Google Quantum AI, el número de iteraciones de entrenamiento no depende del tamaño del sistema. En simulaciones numéricas con cientos de cúbits y decenas de miles de parámetros de control, el número de rondas de entrenamiento con RL se mantuvo prácticamente constante. Es decir, el método no se "ahogará" al pasar a miles de cúbits, que son los que hacen falta para una computación tolerante a fallos práctica.

Los autores principales del trabajo son los investigadores de Google Quantum AI Volodymyr Sivak y Paul Klimov. Según el equipo, precisamente la independencia del coste de entrenamiento respecto a la escala hace que el método sea adecuado para los futuros grandes ordenadores cuánticos, y no solo para el Willow actual.

Qué significa

El aprendizaje por refuerzo convierte el ordenador cuántico en un sistema que se estabiliza a sí mismo, en lugar de un instrumento frágil que exige un ajuste manual constante. Esto elimina una de las barreras clave en el camino hacia la computación cuántica tolerante a fallos: la deriva continua del hardware, que durante años hubo que compensar a mano.

Preguntas frecuentes

¿Qué es el aprendizaje por refuerzo en la corrección cuántica de errores?

Es un agente de IA que aprende a partir de las señales de error y ajusta por sí mismo miles de parámetros de control del procesador durante el cálculo. En el trabajo de Google Quantum AI logró un aumento de 3,5 veces en la estabilidad lógica sin detener el cómputo.

¿Qué es el procesador Willow?

Willow es el procesador cuántico superconductor de Google en el que se probó el método. Fue en él donde el sistema alcanzó el récord: menos de un error lógico por cada mil ciclos en el surface code.

¿Sustituye esto a los decodificadores

AlphaQubit y Tesseract?

No. AlphaQubit (decodificador neuronal) y Tesseract (decodificador algorítmico) siguen descifrando los errores, y el aprendizaje por refuerzo trabaja por encima de ellos: calibra el hardware, no decodifica.