El equipo dirigido por Yiwen Chu, doctora en Física y profesora de sistemas cuánticos híbridos en ETH Zurich, ha reemplazado la memoria cuántica tradicional con resonadores mecánicos microscópicos que vibran de diferentes maneras para almacenar información. Este enfoque introduce una arquitectura de computadora inspirada en los ordenadores digitales modernos, que separa el procesamiento de la memoria.

"Nuestro chip cuántico contiene componentes diminutos que comienzan a vibrar cuando almacenan información", explicó Chu en un comunicado de prensa. La innovación aborda directamente uno de los obstáculos más críticos de la computación cuántica: alcanzar millones de qubits (unidades básicas de información cuántica) mientras se superan limitaciones de tamaño, disipación térmica y complejidad electrónica.

**Funcionamiento del chip**

En el modelo desarrollado por ETH Zurich, el procesamiento y la memoria están separados físicamente. Un qubit superconductor actúa como procesador, funcionando de manera similar a la unidad central de procesamiento (CPU) en un ordenador convencional. Mientras tanto, la información cuántica se almacena temporalmente dentro de resonadores mecánicos que sirven como una forma de memoria de trabajo cuántica.

En lugar de almacenar información electromagnéticamente, los resonadores codifican datos a través de vibraciones diminutas. Durante un cálculo, el qubit recupera la información almacenada en una vibración, realiza los cálculos necesarios y escribe la información actualizada nuevamente en la memoria vibrante.

Según Chu y su equipo, el concepto se asemeja a las cuerdas de una guitarra, que pueden vibrar a diferentes frecuencias para producir diferentes notas. En el chip cuántico, cada modo vibracional actúa como una ranura de memoria separada capaz de almacenar información cuántica. Estas vibraciones obedecen las reglas de la mecánica cuántica, lo que les permite existir en superposiciones cuánticas (un fenómeno en el que ocupan múltiples estados posibles simultáneamente) y entrelazarse entre sí.

**Ventajas del almacenamiento mecánico**

Debido a que los resonadores mecánicos soportan muchos modos vibracionales, pueden almacenar más información que la memoria electromagnética convencional mientras ocupan menos espacio. Los resonadores también preservan estados cuánticos frágiles durante períodos más prolongados, lo que extiende los tiempos de almacenamiento antes de que la información se pierda, un problema crítico en la computación cuántica actual.

**Pruebas y validación**

Para demostrar la arquitectura, el equipo acoplió exitosamente los resonadores mecánicos con qubits superconductores y realizó cálculos cuánticos en el chip. Probaron el sistema con la Transformada de Fourier Cuántica y un algoritmo de búsqueda de períodos.

"La Transformada de Fourier Cuántica es un procedimiento computacional fundamental requerido para muchos algoritmos cuánticos", explicó Igor Kladaric, estudiante de doctorado en el grupo de Chu y coautor del estudio. "El algoritmo de búsqueda de períodos que implementamos sirvió como demostración de cómo se puede utilizar este procedimiento".

Los resultados confirmaron que la arquitectura puede almacenar y manipular de manera confiable múltiples estados cuánticos. Según el equipo, el sistema ya puede realizar todas las operaciones computacionales clave requeridas para una computadora cuántica de propósito general.

**Perspectivas futuras**

El prototipo actual mide aproximadamente 0,3 pulgadas (7,5 milímetros) de largo. Sin embargo, Chu está convencida de que podría proporcionar un camino práctico hacia sistemas cuánticos más grandes. Aunque las computadoras cuánticas prácticas siguen siendo años en el futuro, este enfoque marca un paso prometedor hacia ese objetivo, según representantes de ETH Zurich.

El estudio ha sido publicado en la revista científica Science, lo que subraya la importancia de este avance para la comunidad científica internacional. Este desarrollo podría acelerar significativamente el camino hacia computadoras cuánticas comercialmente viables, con implicaciones profundas para campos como la criptografía, el descubrimiento de fármacos, la optimización de sistemas complejos y la simulación de materiales.