IonQ logra récord en computación cuántica con una fidelidad de compuerta del 99.99%

IonQ logró un avance revolucionario con una fidelidad de puerta de dos qubits del 99.99% el 21 de octubre de 2025, convirtiéndose en la primera empresa de computación cuántica en cruzar el codiciado punto de referencia de "cuatro nueves" y estableciendo un nuevo récord mundial en rendimiento de computación cuántica. Este hito, demostrado utilizando la tecnología patentada de Control Electrónico de Qubits de la compañía, supera el récord anterior del 99.97% y posiciona a IonQ años por delante en la carrera hacia la computación cuántica tolerante a fallos.​


Método revolucionario de "Compuerta Suave" elimina la necesidad de enfriamiento al estado fundamental

El logro récord proviene del novedoso método de "compuerta suave" de IonQ, detallado en un artículo técnico publicado el 19 de octubre de 2025. A diferencia de los enfoques tradicionales que requieren un enfriamiento al estado fundamental costoso y que consume mucho tiempo, la técnica de compuerta suave opera eficazmente a temperaturas por encima del límite Doppler mientras mantiene una precisión sin precedentes. Los investigadores lograron un error de compuerta estimado de solo 8.4 × 10⁻⁵ sin enfriamiento al estado fundamental, lo que representa una mejora de aproximadamente 100 veces sobre los métodos anteriores que operan a temperaturas similares.​

El avance permite operaciones cuánticas con tasas de error que permanecen por debajo de 5 × 10⁻⁴ incluso para iones con números de ocupación de fonones promedio de hasta 9.4, demostrando una notable robustez en diversas condiciones térmicas. "Esta es, según nuestro conocimiento, la compuerta de dos qubits de mayor fidelidad jamás demostrada en cualquier modalidad de computación cuántica," señaló el equipo de investigación.​

La tecnología de Control Electrónico de Qubits de IonQ reemplaza los controles tradicionales basados en láser con electrónica de precisión integrada en chips semiconductores, permitiendo la fabricación en masa a través de procesos de fabricación existentes. Este enfoque reduce significativamente los costos mientras mejora la escalabilidad y la estabilidad operacional.​


Ganancias Dramáticas de Rendimiento e Implicaciones Comerciales

El umbral de fidelidad del 99.99% desbloquea capacidades transformadoras para aplicaciones de computación cuántica. Según IonQ, los clientes pueden esperar un aumento de rendimiento de 10 mil millones de veces sobre sistemas que operan con el estándar de oro anterior del 99.9% de fidelidad en hardware idéntico. Esta mejora exponencial reduce los requisitos de corrección de errores y permite la ejecución de algoritmos complejos previamente imposibles en sistemas cuánticos.​

"Alcanzar una fidelidad de cuatro nueves es un momento decisivo para el liderazgo cuántico de IonQ," dijo el CEO Niccolo de Masi. "Este nivel de rendimiento cuántico ha sido la estrella del norte de la industria durante décadas y cruzarlo acerca los sistemas cuánticos tolerantes a fallos años más cerca de la adopción masiva en el mercado".​

El logro forma la base para los sistemas de 256 qubits planificados por IonQ, programados para demostración en 2026, apoyando en última instancia la hoja de ruta de la compañía para escalar a millones de qubits para 2030. Estos avances se basan en el hito reciente de IonQ de lograr un rendimiento #AQ 64 tres meses antes de lo programado en septiembre de 2025.​

A pesar del avance técnico, las acciones de IonQ cerraron con una caída del 4.77% a $59.94 el día del anuncio, reflejando las preocupaciones continuas del mercado sobre la reciente oferta de capital de $2 mil millones de la compañía y los efectos de dilución. Sin embargo, la acción ha ganado un 79.6% en lo que va del año, cotizando cerca de su máximo de 52 semanas.

DeepSeek presenta modelo OCR con compresión de texto 20x.

La compañía china de IA DeepSeek presentó DeepSeek-OCR el lunes, un modelo de IA multimodal de código abierto que logra una compresión de texto de hasta 20 veces manteniendo un 97% de precisión, marcando un avance significativo en la eficiencia del procesamiento de documentos para sistemas de IA.​

Avance en la Compresión de Texto Visual

El modelo de visión-lenguaje de 3 mil millones de parámetros aprovecha un enfoque innovador que trata el texto como imágenes para la compresión, permitiendo que los sistemas de IA procesen documentos masivos sin aumentos proporcionales en los costos computacionales. Según el documento técnico de DeepSeek, el modelo puede comprimir texto hasta 10 veces manteniendo el 97% de la información original, con un rendimiento útil incluso en proporciones de compresión de 20x.​

"A través de DeepSeek-OCR, demostramos que la compresión visión-texto puede lograr una reducción significativa de tokens – de siete a 20 veces – para diferentes etapas de contexto histórico, ofreciendo una dirección prometedora para abordar los desafíos de contexto largo en LLMs," declaró la compañía con sede en Hangzhou.​

El sistema procesa más de 200,000 páginas diariamente en una sola GPU Nvidia A100, con un rendimiento que alcanza 33 millones de páginas por día utilizando 20 servidores equipados con ocho A100s cada uno. Esta capacidad de procesamiento supera con creces los métodos OCR tradicionales, que típicamente requieren miles de tokens para tareas similares.​

Arquitectura Técnica y Rendimiento

DeepSeek-OCR consta de dos componentes principales: DeepEncoder para el procesamiento de imágenes y DeepSeek3B-MoE-A570M como decodificador. El codificador combina el SAM (Segment Anything Model) de 80 millones de parámetros de con el CLIP de 300 millones de parámetros de OpenAI, utilizando un compresor 16x que reduce una imagen de 1.024 píxeles de 4.096 tokens a solo 256 tokens.​

En pruebas comparativas en OmniDocBench, DeepSeek-OCR superó a GOT-OCR 2.0 utilizando solo 100 tokens de visión en comparación con 256, y superó a MinerU 2.0 con menos de 800 tokens frente a más de 6.000 tokens por página. El modelo admite aproximadamente 100 idiomas y puede procesar varios tipos de documentos, desde presentaciones simples que requieren 64 tokens hasta periódicos complejos que necesitan hasta 800 tokens en "modo Gundam".​

DeepSeek entrenó el sistema utilizando 30 millones de páginas PDF en aproximadamente 100 idiomas, incluyendo diagramas sintéticos, fórmulas químicas y figuras geométricas. El modelo ya está disponible en Hugging Face y GitHub bajo la licencia MIT, continuando con el compromiso de DeepSeek con el desarrollo de IA de código abierto que previamente ha revolucionado la industria con alternativas rentables a los modelos de OpenAI.

Físicos del MIT duplican la precisión de los relojes atómicos utilizando entrelazamiento cuántico.

Físicos del MIT han logrado un avance en la precisión de los relojes atómicos al desarrollar una técnica de espectroscopía mejorada cuánticamente que lleva los relojes ópticos de red más allá de los límites fundamentales del ruido cuántico. Su investigación, publicada en la revista Nature el 8 de octubre de 2025, demuestra cómo entrelazar cientos de átomos de iterbio puede duplicar la precisión de los dispositivos de cronometraje.

Técnica revolucionaria de mejora cuántica

El equipo de investigación, dirigido por Vladan Vuletić en el Laboratorio de Investigación en Electrónica del MIT, desarrolló un método llamado "espectroscopía de fase global" que aprovecha el entrelazamiento cuántico para reducir el ruido cuántico, una limitación fundamental que oscurece las oscilaciones atómicas. El avance consiste en entrelazar cientos de átomos de iterbio en una cavidad óptica formada por espejos curvados, donde la luz láser rebota miles de veces, creando correlaciones cuánticas entre los átomos.​

A diferencia de los relojes atómicos tradicionales que rastrean oscilaciones de átomos de cesio a 10 mil millones de veces por segundo, los nuevos relojes atómicos ópticos monitorizan átomos de iterbio que laten 100 billones de veces por segundo, 10,000 veces más rápido que las frecuencias de microondas. La mejora cuántica permite que estos relojes logren una ganancia metrológica de 2.4 decibelios más allá del límite cuántico estándar, con una mejora de 4.0 decibelios en la sensibilidad al ruido del láser.​

Superando la barrera del ruido cuántico

La innovación se centra en aprovechar lo que los científicos antes consideraban irrelevante: la fase global que se acumula cuando la luz láser interactúa con átomos entrelazados. "Uno podría pensar que no hemos hecho nada", explicó Vuletić. "Se obtiene esta fase global de los átomos, que normalmente se considera irrelevante. Pero esta fase global contiene información sobre la frecuencia del láser".

La técnica emplea un enfoque sofisticado llamado eco rotatorio para contrarrestar las inhomogeneidades en el acoplamiento luz-átomo, preservando la coherencia cuántica en todo el conjunto atómico. Los investigadores también implementaron una estrategia de medición diferencial con cancelación de ruido que codifica simétricamente la información de fase a través de dos estados de espín nuclear, suprimiendo efectivamente los errores de modo común mientras amplifica la verdadera señal atómica.​

Aplicaciones transformadoras en el horizonte

La mayor precisión podría revolucionar la investigación de la física fundamental y sus aplicaciones prácticas. "Con estos relojes, la gente está intentando detectar materia oscura y energía oscura, probar si realmente existen solo cuatro fuerzas fundamentales, e incluso ver si estos relojes pueden predecir terremotos", señaló Vuletić. La escalabilidad de la técnica y su resistencia a imperfecciones experimentales la hacen prometedora para relojes atómicos portátiles que podrían utilizarse en diversas mediciones científicas.​

La investigación se basa en el trabajo previo del equipo de 2020, cuando demostraron por primera vez que el entrelazamiento cuántico podía mejorar la precisión de los relojes atómicos al redistribuir, esencialmente, la incertidumbre de la medición para revelar "tics" atómicos más claros. Su logro más reciente extiende exitosamente estas técnicas de mejora cuántica al dominio óptico, donde los átomos oscilan a frecuencias mucho más altas que los sistemas tradicionales basados en microondas.​

Google lanza inteligencia artificial de código abierto para detectar mutaciones cancerígenas.

Google Research presentó DeepSomatic el 16 de octubre, un modelo de IA de código abierto que mejora drásticamente la detección de mutaciones genéticas que causan cáncer, lo que podría acelerar la medicina de precisión en todo el mundo. La herramienta, desarrollada en colaboración con el Instituto de Genómica de UC Santa Cruz y el Children's Mercy Hospital, utiliza redes neuronales convolucionales para identificar variantes genéticas en células cancerígenas con una precisión sin precedentes.​

Rendimiento superior en todas las principales tecnologías de secuenciación

DeepSomatic superó significativamente a las herramientas existentes de análisis de cáncer en pruebas de referencia, alcanzando una puntuación F1 del 90% para la detección de inserciones y eliminaciones (indels) en datos de secuenciación de Illumina, en comparación con el 80% de los métodos actuales. Para los datos de secuenciación de lecturas largas de Pacific Biosciences, la mejora fue aún más notable—DeepSomatic obtuvo más del 80% mientras que las herramientas existentes puntuaron por debajo del 50%.​

El modelo de IA, publicado en Nature Biotechnology, analizó 329,011 variantes somáticas en líneas celulares de cáncer y logró identificar mutaciones genéticas en casos difíciles, incluyendo leucemia pediátrica y tumores cerebrales agresivos como el glioblastoma. En muestras de leucemia pediátrica, DeepSomatic descubrió 10 mutaciones previamente no detectadas, además de las ya conocidas por los investigadores.​

Lanzamiento integral de código abierto acelera la investigación global

Google Research publicó tanto el modelo DeepSomatic como su conjunto de datos de entrenamiento de alta calidad, llamado CASTLE (Cancer Standards Long-read Evaluation), bajo licencias de código abierto en GitHub. El conjunto de datos CASTLE combina datos de secuenciación del genoma completo de tres plataformas líderes—Illumina, PacBio y Oxford Nanopore—a través de seis pares de líneas celulares tumor-normal de muestras de cáncer de mama y pulmón.​

“El cáncer es fundamentalmente una enfermedad genética, y identificar las mutaciones correctas es esencial para ofrecer tratamientos precisos”, declararon los investigadores de Google. La herramienta va más allá de los datos de entrenamiento para incluir tipos de cáncer que no se estudiaron inicialmente, demostrando su versatilidad para diversas aplicaciones de investigación y clínicas. DeepSomatic puede analizar tanto muestras emparejadas tumor-normal como casos desafiantes solo de tumor donde no se dispone de tejido sano para comparación, como sucede en los cánceres de sangre.​

Científicos conectan un cristal temporal a un sistema externo por primera vez.

Los investigadores de la Universidad Aalto de Finlandia han logrado un hito revolucionario en física cuántica al conectar un cristal temporal a un sistema externo por primera vez, revolucionando potencialmente los sistemas de memoria de computación cuántica que durante mucho tiempo han luchado con la rápida degradación de la información.

El avance, publicado hoy en Nature Communications, demuestra cómo los científicos transformaron un cristal temporal en una plataforma optomecánica que mantuvo el movimiento cuántico durante hasta 100 millones de ciclos, órdenes de magnitud más largo que los sistemas actuales de computación cuántica.​


Solución Revolucionaria de Memoria Cuántica

El Investigador Académico Jere Mäkinen lideró el equipo que logró acoplar magnones en un superfluido de helio-3 a un oscilador mecánico, creando lo que los investigadores describen como un sistema optomecánico de cavidad. El cristal temporal, formado al enfriar helio-3 hasta cerca del cero absoluto y bombearlo con ondas de radio, mantuvo sus oscilaciones durante varios minutos antes de desvanecerse—un logro notable en coherencia cuántica.​

"El movimiento perpetuo es posible en el ámbito cuántico siempre y cuando no sea perturbado por una entrada de energía externa, como al observarlo," explicó Mäkinen. "Es por eso que un cristal temporal nunca antes había sido conectado a ningún sistema externo. Pero hicimos precisamente eso y demostramos, también por primera vez, que se pueden ajustar las propiedades del cristal usando este método".​

El avance aborda un desafío crítico en la computación cuántica: la fragilidad de la memoria. Los sistemas cuánticos actuales sufren de decoherencia rápida, donde los qubits pierden su información casi inmediatamente, limitando severamente las capacidades computacionales. Investigaciones recientes indican que la memoria cuántica representa "uno de los mayores cuellos de botella que enfrentamos como comunidad," según el Dr. Eran Ginossar de la Universidad de Surrey.​


Aplicaciones Más Allá de la Computación

El equipo demostró que los cambios en la frecuencia del cristal temporal reflejan fenómenos optomecánicos utilizados en la detección de ondas gravitacionales en el Observatorio de Ondas Gravitacionales por Interferometría Láser. Esta conexión abre posibilidades para dispositivos de medición ultrasensibles y referencias de frecuencia.​

Los cristales temporales, teorizados por primera vez por el laureado Nobel de 2012 Frank Wilczek, representan fases exóticas de la materia que exhiben movimiento perpetuo en su estado fundamental sin aporte de energía—pareciendo desafiar los principios termodinámicos tradicionales. Confirmados experimentalmente en 2016, estas estructuras cuánticas han permanecido en gran medida aisladas de sistemas externos hasta ahora.​

El avance de Aalto utilizó las instalaciones del Laboratorio de Baja Temperatura, parte de la infraestructura nacional de investigación OtaNano de Finlandia. Al optimizar la pérdida de energía y la frecuencia del oscilador mecánico, los investigadores creen que su enfoque podría alcanzar operaciones en el estado fundamental cuántico, donde los mundos clásico y cuántico se difuminan.​

Para aplicaciones de computación cuántica, los tiempos de coherencia extendidos podrían permitir elementos de memoria cuántica más robustos capaces de preservar información sin decaimiento rápido. La tecnología también podría servir como peines de frecuencia para sensores de alta precisión, transformando potencialmente campos desde el descubrimiento de fármacos hasta la ciencia de materiales donde las ventajas cuánticas siguen siendo esquivas.​

El modelo de IA de Google identifica una vía de terapia contra el cáncer.

Google reveló un importante avance en la investigación del cáncer el 15 de octubre, revelando que su modelo de inteligencia artificial Cell2Sentence-Scale 27B identificó y validó experimentalmente con éxito una nueva vía para hacer que los tumores "fríos" sean visibles al sistema inmunológico. El modelo de 27 mil millones de parámetros, construido sobre la plataforma Gemma de Google en colaboración con la Universidad de Yale, predijo que la combinación del medicamento silmitasertib con interferón en dosis bajas podría aumentar la presentación de antígenos tumorales aproximadamente en un 50%.​

Las pruebas de laboratorio confirmaron la hipótesis de la IA en modelos de células humanas, demostrando el potencial del descubrimiento de fármacos guiado por IA para acelerar el desarrollo de la inmunoterapia. "Un hito emocionante para la IA en la ciencia", escribió el CEO de Google, Sundar Pichai, en las redes sociales, calificando el descubrimiento como una vía potencial para desarrollar nuevas terapias contra el cáncer.​


IA Identifica Combinación Oculta de Fármacos

El avance aborda uno de los desafíos más persistentes de la inmunoterapia: transformar tumores "fríos" que evaden la detección inmunitaria en tumores "calientes" que responden al tratamiento. C2S-Scale fue diseñado para comprender lo que los investigadores describen como el "lenguaje de las células individuales", analizando patrones de comunicación celular que modelos de IA más pequeños no podían procesar.​

El modelo empleó un enfoque de cribado virtual de doble contexto, simulando los efectos de más de 4,000 fármacos en muestras de tumores de pacientes con señalización inmunitaria activa y datos de células aisladas sin contexto inmunitario. Este análisis identificó silmitasertib (CX-4945), un inhibidor de la quinasa CK2, como un amplificador condicional que mejoraría el reconocimiento inmunitario solo en entornos biológicos específicos donde ya estaban presentes niveles bajos de interferón.​

Según Google, la predicción representó "una idea novedosa" ya que la inhibición de CK2 mediante silmitasertib no había sido reportada previamente para mejorar explícitamente el reconocimiento del sistema inmunitario de los tumores.​

La Validación de Laboratorio Confirma la Hipótesis de IA

Los investigadores de Yale probaron las predicciones del modelo en modelos de células neuroendocrinas humanas que no formaban parte de los datos de entrenamiento de la IA. Los experimentos mostraron que tratar las células solo con silmitasertib no produjo ningún efecto en la presentación de antígenos, mientras que el interferón solo en dosis bajas tuvo un impacto modesto. Sin embargo, la combinación de ambos tratamientos resultó en la amplificación sinérgica predicha, con un aumento de la presentación de antígenos de aproximadamente el 50%.​

Los equipos de Yale están ahora explorando el mecanismo descubierto por la IA y probando predicciones adicionales en otros contextos inmunológicos. El modelo C2S-Scale 27B y los recursos asociados se han puesto a disposición de la comunidad investigadora a través de las plataformas GitHub y Hugging Face, lo que potencialmente acelerará más estudios de validación preclínica y clínica que podrían conducir a nuevas terapias combinadas.​

Microsoft añade control por voz y agentes de IA a Windows 11.

Microsoft lanzó oficialmente hoy importantes actualizaciones de inteligencia artificial para Windows 11, introduciendo funciones controladas por voz y gestión autónoma de tareas a través de su asistente Copilot, estratégicamente programado con el fin del soporte para Windows 10.

La compañía anunció que los usuarios ahora pueden activar Copilot diciendo "Hey, Copilot", permitiendo la interacción manos libres con el asistente de IA en todos los dispositivos con Windows 11. Esto marca el impulso más agresivo de Microsoft hasta ahora para integrar la IA directamente en su sistema operativo, transformando lo que la compañía llama "cada PC con Windows 11" en una máquina habilitada para IA.​

Los Comandos de Voz y el Análisis de Pantalla Impulsan Nuevas Funcionalidades

La pieza central de la actualización de hoy es Copilot Voice, que permite a los usuarios mantener conversaciones naturales con sus computadoras usando la frase de activación "Hey, Copilot". La función está emparejada con Copilot Vision, ahora disponible globalmente, que puede analizar el contenido mostrado en las pantallas de los usuarios y proporcionar asistencia contextual.​

"Creemos que estamos al borde de la siguiente fase, donde la IA no está confinada a chatbots sino que está integrada sin problemas en las innumerables experiencias con las que las personas interactúan diariamente", dijo Yusuf Mehdi, vicepresidente ejecutivo y director de marketing para consumidores de Microsoft.​

Microsoft demostró las capacidades de la tecnología a través de materiales promocionales que muestran a usuarios pidiendo a Copilot que mejore la configuración de calidad de audio de Spotify o escriba biografías basadas en el contenido del portafolio mostrado en pantalla. La compañía enfatizó que todas las interacciones requieren el consentimiento del usuario y pueden terminarse diciendo "Goodbye" o a través de controles manuales.​


Agentes de IA Experimentales para Realizar Tareas Complejas

Quizás la adición más ambiciosa es Copilot Actions, una función experimental que actualmente se está probando con Windows Insiders y que permite a los agentes de IA realizar tareas del mundo real en las computadoras de los usuarios. La función puede organizar fotos, extraer datos de PDFs, enviar correos electrónicos e incluso interactuar con aplicaciones tanto de escritorio como web.​

Estos agentes de IA operan dentro de "espacios de trabajo" aislados con sus propios entornos de escritorio, separados de las cuentas de usuario, para mantener límites de seguridad. Microsoft enfatizó que la función comienza con permisos restringidos y requiere el consentimiento explícito del usuario para cada acción.​

La compañía está adoptando un enfoque más cauteloso tras las críticas a su función Recall anunciada anteriormente, que enfrentó preocupaciones de privacidad y fue retrasada. "Hemos internalizado estas percepciones en nuestros nuevos desarrollos",

Momento Estratégico en Medio de la Transición de Windows 10

Estas mejoras de IA llegan apenas dos días después de que Microsoft finalizara el soporte gratuito para Windows 10 el 14 de octubre, afectando a un estimado del 40% de los usuarios de escritorio de Windows que aún operan el sistema de una década de antigüedad. El momento parece diseñado para incentivar las actualizaciones a Windows 11, con Microsoft lanzando anuncios televisivos que promueven el eslogan "conoce la computadora con la que puedes hablar".​

Los usuarios que permanecen en Windows 10 pueden adquirir Actualizaciones de Seguridad Extendidas por $30 anuales hasta 2026, aunque los residentes de la UE reciben estas actualizaciones de forma gratuita con una cuenta de Microsoft. Microsoft también está ofreciendo acceso gratuito a ESU a usuarios de EE.UU. que sincronicen la configuración de su PC con OneDrive o canjeen 1,000 puntos de Microsoft Rewards.​

La compañía reveló que estas nuevas funciones de Copilot representan su visión de "reimaginar completamente el sistema operativo en torno a la IA", creando lo que los ejecutivos describen como la "verdadera PC con IA". A diferencia de las designaciones anteriores de PC Copilot+ que requerían hardware especializado con unidades de procesamiento neuronal de más de 40 TOPS, estas nuevas funciones funcionan en todos los dispositivos con Windows 11.​