AMD y Qibo han presentado un nuevo avance en simulación cuántica sobre hardware clásico: una simulación exacta de vector de estado de 35 cúbits ejecutada en una sola GPU AMD Instinct MI355X. El resultado no significa que AMD haya construido un ordenador cuántico de 35 cúbits, ni que se haya alcanzado ventaja cuántica práctica, pero sí marca un hito importante para investigadores que necesitan probar algoritmos, validar circuitos y estudiar sistemas cuánticos antes de ejecutarlos en hardware real.

La simulación cuántica exacta es uno de los trabajos más exigentes para la memoria. Cada cúbit adicional duplica el tamaño del vector de estado, así que el salto de 34 a 35 cúbits no es menor: exige el doble de memoria y ancho de banda para mantener y operar sobre todos los estados posibles del sistema. Por eso la noticia tiene más que ver con la capacidad de memoria HBM, el rendimiento sostenido y la madurez del stack ROCm que con una simple mejora de cálculo bruto.

Por qué 35 cúbits en una sola GPU importan

En una simulación de vector de estado, el sistema clásico guarda todos los amplitudes complejos que describen el circuito cuántico. Para pocos cúbits, esto es manejable. A partir de 30, el problema crece con rapidez. En 35 cúbits ya hablamos de 2³⁵ amplitudes, una escala que obliga a usar aceleradores con mucha memoria y un acceso muy rápido a ella.

AMD ya había mostrado, junto a BlueQubit, simulaciones de hasta 34 cúbits en una Instinct MI300X. Aquella GPU cuenta con 192 GB de memoria HBM3 y 5,3 TB/s de ancho de banda. La nueva Instinct MI355X eleva la capacidad a 288 GB de HBM3E y hasta 8 TB/s, lo que permite empujar un poco más el límite de la simulación exacta en una sola tarjeta.

Ese “un poco más” es relevante porque evita, para determinados trabajos, tener que dividir el estado cuántico entre varias GPUs. Las simulaciones multi-GPU son necesarias para escalar más allá, pero también añaden complejidad: particionado del estado, comunicación entre dispositivos, sincronización y posible pérdida de eficiencia. Si una sola GPU puede ejecutar un circuito mayor, el flujo de trabajo se simplifica y se reducen barreras para investigadores y equipos que no tienen acceso a grandes superordenadores.

El avance se ha logrado con Qibo, un framework open source de computación cuántica que cubre distintas capas del trabajo: simulación de circuitos, benchmarking, validación y control de hardware experimental. Su backend Qibojit utiliza compilación JIT y kernels optimizados, con soporte para GPUs AMD mediante CuPy sobre ROCm. La idea es que los investigadores puedan trabajar con un entorno flexible y trasladar sus circuitos entre simuladores y sistemas físicos con menos cambios.

MI355X, Qibojit y el peso de la memoria HBM

La comparación publicada por AMD se centra en circuitos de Quantum Fourier Transform, una carga habitual para medir cómo escala un simulador cuántico. Según la compañía, la MI355X reduce el tiempo total de simulación frente a la MI300X en todo el rango probado, con mejoras más claras cuando aumenta el número de cúbits y la presión sobre la memoria se vuelve mayor.

Este punto ayuda a entender por qué las GPUs de centros de datos se están usando en más ámbitos que la Inteligencia Artificial generativa. La misma combinación de memoria HBM, ancho de banda y paralelismo que acelera modelos de lenguaje también resulta útil para simulación científica, dinámica molecular, análisis numérico y, en este caso, circuitos cuánticos.

AMD destaca que en el régimen de muchos cúbits el cuello de botella se desplaza hacia el acceso a memoria, más que al rendimiento puro de coma flotante. También señala que el salto entre precisión simple y doble precisión se mantiene contenido en ciertas pruebas, aunque la presión de memoria aumenta de forma importante cuando se trabaja con representaciones más pesadas.

Hay que matizar la lectura. Simular 35 cúbits de forma exacta en una GPU es útil, pero no convierte a una GPU en un ordenador cuántico. Un simulador clásico reproduce el comportamiento matemático de un circuito cuántico, con un coste que crece exponencialmente. Un ordenador cuántico físico, si madura lo suficiente, debería ejecutar ciertos tipos de problemas de otra forma. Mientras ese hardware llega a una fase más práctica, los simuladores siguen siendo herramientas esenciales para diseñar algoritmos, depurar circuitos y preparar cargas que después puedan probarse en sistemas reales.

Del simulador al control de hardware cuántico

La colaboración entre AMD y Qibo no se limita a ejecutar simulaciones en GPUs. El blog de AMD también destaca el papel de Qibolab y Qibosoq, piezas del ecosistema Qibo orientadas al control de hardware cuántico. Qibolab convierte circuitos en pulsos e instrucciones para electrónica de control, mientras que Qibosoq permite comunicarse con plataformas basadas en QICK, un sistema open source desarrollado por Fermilab y apoyado en FPGAs AMD Zynq UltraScale+ RFSoC.

Este puente entre simulación y control físico es importante. Muchos equipos de investigación quieren diseñar circuitos, probarlos en simuladores y después llevarlos a hardware real sin reescribir toda la lógica. Si el mismo framework permite moverse entre esas fases, el desarrollo experimental puede ser más rápido y menos propenso a errores.

AMD intenta posicionarse ahí con una estrategia de ecosistema abierto. Por un lado, GPUs Instinct para simulación masiva. Por otro, ROCm como plataforma de software. Y, además, FPGAs RFSoC para control y lectura de sistemas cuánticos. No es una apuesta por fabricar directamente un ordenador cuántico universal, sino por ofrecer parte de la infraestructura clásica que rodea a la computación cuántica.

También hay una lectura de mercado. NVIDIA domina buena parte de la conversación sobre aceleración, Inteligencia Artificial y computación científica, pero AMD está intentando ganar terreno con memoria HBM abundante, precios competitivos, ROCm y colaboraciones con proyectos open source. En simulación cuántica, donde la capacidad de memoria pesa mucho, una GPU como la MI355X tiene un argumento claro.

El acceso a estas capacidades también se está abriendo mediante AMD Developer Cloud sobre DigitalOcean, con instancias MI300X y MI350X. El objetivo es que investigadores y desarrolladores puedan probar Qibo sobre aceleradores AMD sin comprar hardware propio. La experiencia aún exige conocimientos técnicos, instalación de dependencias y trabajo con ROCm, pero apunta a un modelo más accesible para laboratorios y equipos de software cuántico.

La computación cuántica real sigue teniendo retos enormes: corrección de errores, ruido, estabilidad, escalado físico y control. Mientras tanto, la simulación clásica seguirá siendo una herramienta imprescindible. El resultado de AMD y Qibo muestra que el avance no depende solo de nuevos cúbits físicos, sino también de mejores formas de estudiar y preparar algoritmos desde la computación clásica.

Preguntas frecuentes

¿Qué han conseguido AMD y Qibo?

Han ejecutado una simulación exacta de vector de estado de 35 cúbits en una sola GPU AMD Instinct MI355X usando Qibo y su backend Qibojit.

¿Esto significa que AMD tiene un ordenador cuántico de 35 cúbits?

No. Es una simulación clásica de un sistema cuántico, no un ordenador cuántico físico. Sirve para probar algoritmos y circuitos, pero el cálculo lo realiza una GPU convencional.

¿Por qué la memoria HBM es tan importante?

Porque el tamaño del vector de estado se duplica con cada cúbit adicional. A partir de 30 cúbits, la capacidad y el ancho de banda de memoria pesan tanto o más que el rendimiento de cálculo puro.

¿Qué papel tiene Qibo?

Qibo es un framework open source de computación cuántica. Permite simular circuitos, probar algoritmos y conectar esos flujos con herramientas de control de hardware cuántico mediante módulos como Qibolab y Qibosoq.

vía: amd