La computación cuántica tiene un montón de problemas de primera categoría —como, ¿podemos siquiera construir suficientes qubits que no exploten?— pero también hay un problema más mundano: la calibración. Los qubits superconductores, como los que usan Google y otros, son como copos de nieve con actitud: cada uno tiene variaciones sutiles, y los pulsos de microondas que los controlan pueden desviarse a medida que el hardware se calienta. Normalmente, paras todo para recalibrar, lo cual está bien para cálculos cortos, pero es un no rotundo para los algoritmos de maratón que podrían descifrar encriptaciones o curar el cáncer.

¿La solución de Google? Usar los datos de corrección de errores que ya se están recopilando para detectar la deriva de calibración, luego aplicar aprendizaje por refuerzo para ajustar aproximadamente 1,000 parámetros de control sobre la marcha. En su artículo, describen aplicar deliberadamente pequeñas perturbaciones a todos los parámetros de control durante un cómputo, como un chef probando la sopa mientras aún hierve a fuego lento. El sistema luego infiere qué ajustes minimizan los errores, todo mientras gestiona la corrección de errores del qubit lógico.

El equipo probó esto en dos qubits lógicos usando diferentes esquemas de corrección de errores (un código de superficie y un código de color) y encontró que el aprendizaje por refuerzo activo aumentó la detección de errores en un 20 por ciento. Hay un problema: el sistema solo funciona si la deriva se mantiene pequeña —las grandes oscilaciones lo confunden. Pero al reevaluar constantemente, el equilibrio entre exploración (probar configuraciones subóptimas) y explotación (quedarse con lo que funciona) realmente da resultados, siempre que la deriva sea lo suficientemente lenta. Las simulaciones mostraron que funciona para un sistema con aproximadamente 40,000 parámetros.

Esto no es para las computadoras cuánticas de juguete de hoy, que apenas tienen tiempo para desviarse. Pero si alguna vez construimos máquinas que ejecuten algoritmos más largos que una pausa para el café, esta técnica podría evitar que se descarrilen. El artículo aparece en Nature, 2026.