La computación cuántica dejó de ser un experimento de laboratorio para convertirse en una herramienta con aplicaciones concretas, y pocos estados lo entienden mejor que Maryland. En abril de 2026, el ecosistema cuántico de este estado —que agrupa a la Universidad de Maryland, IonQ, institutos federales y decenas de startups— redobló su apuesta por un objetivo que hace una década sonaba a ciencia ficción: usar qubits para descubrir tratamientos contra el cáncer.
El reciente reportaje del Maryland Daily Record describe una carrera donde confluyen inversión pública, talento universitario y empresas que ya cotizan en bolsa. El plan no es ganar una supremacía cuántica abstracta, sino resolver un problema clínico concreto: simular con precisión las interacciones moleculares que gobiernan el comportamiento de un tumor. Si funciona, la medicina podría acelerarse como lo hizo el software cuando apareció la nube.
Qué pasó: Maryland consolida su hub cuántico biomédico
La noticia central es que Maryland está formalizando lo que hasta ahora era un ecosistema disperso: laboratorios universitarios, empresas privadas, institutos federales y hospitales universitarios, todos coordinados bajo un mismo eje de investigación. La meta declarada es desarrollar algoritmos cuánticos para diseño de fármacos oncológicos que, en la próxima década, reduzcan drásticamente el tiempo y el costo del descubrimiento de nuevas terapias.
Entre los actores destacan IonQ —spinoff de la Universidad de Maryland que hoy cotiza en NYSE—, el Joint Quantum Institute (colaboración entre UMD y NIST), el National Quantum Initiative Office y el Johns Hopkins Kimmel Cancer Center. La alianza busca algo sencillo de enunciar y complejísimo de lograr: que una máquina cuántica modele cómo una proteína mutada activa el crecimiento tumoral y qué molécula podría bloquearla.
Los procesadores cuánticos operan a temperaturas cercanas al cero absoluto.
💭 Clave: La computación cuántica no reemplaza a la computación clásica; la complementa. Resuelve una clase específica de problemas —simular sistemas cuánticos naturales— donde los supercomputadores clásicos tardarían miles de años.
Contexto e historia: de los qubits al cáncer
Para entender por qué esta noticia importa, hay que retroceder tres décadas. En 1994, Peter Shor demostró matemáticamente que una máquina cuántica podría factorizar números enteros de forma exponencialmente más rápida que cualquier algoritmo clásico. Ese resultado abrió la caja de Pandora: si los qubits podían pulverizar la criptografía actual, también podrían atacar problemas que la computación clásica considera intratables, como la simulación molecular.
Del bit al qubit
Un bit clásico vale 0 o 1. Un qubit, por el fenómeno cuántico de superposición, puede estar en una combinación simultánea de ambos estados hasta el momento de la medición. Al entrelazar múltiples qubits, la máquina representa un espacio de estados que crece exponencialmente con cada qubit añadido. Con 50 qubits ya se superan las capacidades de simulación de los supercomputadores clásicos más potentes; con mil qubits de alta fidelidad, el salto pasa de cuantitativo a cualitativo.
El problema es que los qubits son frágiles. Pierden su coherencia en microsegundos por vibraciones, campos magnéticos o fluctuaciones térmicas. Por eso las máquinas actuales operan a temperaturas cercanas al cero absoluto, en cámaras criogénicas que cuestan millones de dólares. La ingeniería cuántica avanza en dos frentes: fabricar más qubits y, sobre todo, hacerlos más estables mediante corrección cuántica de errores.
Por qué la biología es un problema cuántico
Las proteínas, el ADN y los fármacos son objetos cuánticos. Sus enlaces, sus interacciones y su capacidad de plegarse en miles de conformaciones obedecen a las reglas de la mecánica cuántica. Cuando una computadora clásica intenta simular una molécula mediana, el costo computacional se dispara exponencialmente: un fármaco de apenas cien átomos ya es prácticamente inabordable a nivel exacto.
Una computadora cuántica, por diseño, representa la naturaleza cuántica de forma directa. Con algoritmos como Variational Quantum Eigensolver (VQE) o Quantum Phase Estimation (QPE), puede calcular la energía de estados moleculares con precisión suficiente para predecir cómo una molécula candidata se uniría a una proteína cancerígena. Esto transforma el diseño de fármacos de un proceso de ensayo y error —con millones de compuestos sintetizados y probados en laboratorio— a una búsqueda guiada por simulación.
Datos y cifras: el ecosistema de computación cuántica en 2026
El impulso de Maryland se enmarca en un esfuerzo nacional mucho mayor. La National Quantum Initiative, aprobada por el Congreso de Estados Unidos en 2018 y renovada en 2024, ha canalizado más de US$5.000 millones en investigación cuántica desde su lanzamiento. Solo en 2025, el presupuesto federal dedicado al área superó los US$1.200 millones, según datos del NIST.
- IonQ — Fundada en 2015, opera procesadores basados en iones atrapados. Su hoja de ruta anunciada contempla dos millones de qubits lógicos equivalentes para 2030.
- IBM Quantum — Presentó en 2024 el procesador Condor de 1.121 qubits físicos, y en 2025 el Heron R2, con tasas de error por debajo del 0,1%.
- Google Quantum AI — En 2024 demostró corrección cuántica de errores con su chip Willow, un hito que redujo exponencialmente la tasa de errores al agregar más qubits físicos.
- China — Con los procesadores Zuchongzhi 3 y Jiuzhang 4 mantiene una carrera paralela centrada en qubits superconductores y fotones entrelazados.
El Joint Quantum Institute de Maryland, fundado en 2006, ha publicado más de dos mil artículos científicos y alberga a decenas de investigadores de posgrado especializados en qubits superconductores, iones atrapados y óptica cuántica. Es la columna vertebral académica del ecosistema estatal.
Impacto y análisis: por qué esta apuesta importa
El costo promedio de desarrollar un nuevo fármaco oncológico supera los US$2.600 millones y toma entre 10 y 15 años desde el descubrimiento inicial hasta la aprobación regulatoria, según estimaciones del Tufts Center for the Study of Drug Development. Buena parte de ese costo se gasta en compuestos que fallan en etapas avanzadas precisamente porque su comportamiento molecular no se predijo con suficiente precisión durante la fase de diseño.
Las simulaciones cuánticas podrían reducir el costo de descubrir nuevos fármacos oncológicos.
Si la computación cuántica logra reducir los ciclos de iteración en un 30%, el ahorro acumulado para la industria farmacéutica sería de decenas de miles de millones de dólares anuales. Pero más importante aún es el impacto clínico: tratamientos oncológicos personalizados diseñados en meses en lugar de años podrían cambiar el pronóstico de cientos de miles de pacientes, en especial en cánceres con mutaciones raras para las que hoy no existe terapia dirigida.
La apuesta de Maryland también tiene lectura geopolítica. Estados Unidos compite con China por el liderazgo cuántico, y concentrar infraestructura, talento y aplicaciones médicas en un corredor específico —alrededor de College Park, Bethesda y Baltimore— busca replicar el modelo de Silicon Valley pero adaptado a la era cuántica y biomédica.
⚠️ Ojo: Pese al entusiasmo, la computación cuántica útil para descubrimiento de fármacos todavía requiere máquinas con corrección de errores tolerante a fallos. La mayoría de expertos sitúa ese hito entre 2028 y 2032.
Qué sigue: los próximos hitos
En el corto plazo, la agenda incluye el lanzamiento del Capital of Quantum Initiative, un fondo público-privado de Maryland que aportaría alrededor de US$1.000 millones en cinco años para infraestructura, educación y atracción de empresas. IonQ planea inaugurar un centro de fabricación de chips cuánticos en College Park, y la Universidad de Maryland abrirá un programa de maestría en computación cuántica aplicada a ciencias biomédicas a partir de agosto de 2026.
Para los próximos dos años, la métrica clave no son los qubits brutos, sino los qubits lógicos: qubits con corrección de errores que pueden ejecutar circuitos extensos sin degradarse. Pasar de los 10 a 50 qubits lógicos actuales a varios miles será el umbral que abrirá aplicaciones comerciales serias en descubrimiento de fármacos, ciencia de materiales y química industrial.
# Ejemplo simplificado: calcular la energía base de una molécula con VQE
from qiskit_nature.drivers import PySCFDriver
from qiskit_nature.second_q.mappers import JordanWignerMapper
from qiskit.algorithms.minimum_eigensolvers import VQE
from qiskit.circuit.library import EfficientSU2
from qiskit.primitives import Estimator
driver = PySCFDriver(atom="H 0 0 0; H 0 0 0.74")
problem = driver.run()
mapper = JordanWignerMapper()
hamiltonian = mapper.map(problem.second_q_ops()[0])
ansatz = EfficientSU2(hamiltonian.num_qubits)
vqe = VQE(Estimator(), ansatz, optimizer=None)
result = vqe.compute_minimum_eigenvalue(hamiltonian)
print(f"Energía base estimada: {result.eigenvalue.real:.6f} Hartree")
Este fragmento ilustra el tipo de cálculo que ya hoy se puede ejecutar en máquinas cuánticas públicas —como las de IBM Quantum o AWS Braket— para moléculas pequeñas. El desafío científico es escalar el enfoque a proteínas con cientos de átomos y hacerlo con suficiente precisión química, un reto que Maryland aspira a liderar durante la próxima década.
📖 Resumen en Telegram: Ver resumen
Preguntas frecuentes
¿La computación cuántica puede curar el cáncer por sí sola?
No. La computación cuántica es una herramienta de apoyo al descubrimiento de fármacos: permite simular con mayor precisión cómo se comportan las moléculas y predecir interacciones. El tratamiento final requiere investigación biomédica, ensayos clínicos y aprobación regulatoria, procesos que seguirán tomando años aunque los qubits aceleren el diseño.
¿Cuándo tendremos una computadora cuántica práctica?
Depende de qué entendamos por «práctica». Ya hoy se ejecutan cálculos útiles en máquinas ruidosas (era NISQ). Las aplicaciones serias en farmacia y materiales se esperan entre 2028 y 2032, cuando los sistemas alcancen miles de qubits lógicos con corrección de errores tolerante a fallos.
¿Por qué Maryland y no California o Massachusetts?
Maryland combina tres factores únicos: la Universidad de Maryland con el Joint Quantum Institute (uno de los grupos cuánticos más prolíficos del mundo), IonQ como empresa cotizada con sede local, y la proximidad geográfica a agencias federales como NIST, NSA y NASA que impulsan financiación y colaboración.
¿Qué tipo de qubits se usan para descubrir fármacos?
Las plataformas líderes son iones atrapados (IonQ, Quantinuum) y qubits superconductores (IBM, Google). Ambas permiten implementar algoritmos como VQE y QPE requeridos para simulación química. Los iones atrapados ofrecen mayor fidelidad por operación; los superconductores, mayor velocidad de ejecución.
¿Cómo se compara Maryland con el esfuerzo cuántico de China?
China invierte fuertemente en qubits fotónicos y superconductores con iniciativas como el Laboratorio Nacional de Ciencias Cuánticas en Hefei. Maryland, dentro del esfuerzo estadounidense, apuesta por un ecosistema más diversificado con fuerte participación de empresas privadas, universidades y agencias federales trabajando en red.
¿Cómo puedo aprender computación cuántica desde cero?
Hay recursos abiertos excelentes: Qiskit de IBM, PennyLane de Xanadu y los cursos gratuitos del Joint Quantum Institute. Conviene repasar primero álgebra lineal y probabilidad, luego programar circuitos sencillos en simuladores locales y, finalmente, ejecutar en hardware real a través de las plataformas gratuitas de IBM Quantum o AWS Braket.
Referencias
- Maryland Daily Record — Reportaje original sobre la iniciativa cuántica de Maryland orientada a investigación contra el cáncer.
- IonQ — Empresa líder en computación cuántica con iones atrapados, spinoff de la Universidad de Maryland.
- Joint Quantum Institute (UMD / NIST) — Uno de los centros de investigación cuántica más productivos del mundo, con sede en College Park.
- Wikipedia — Quantum computing — Introducción técnica con referencias académicas actualizadas.
- NIST Quantum Information Science — Programa de investigación cuántica del gobierno federal de Estados Unidos.
📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.
