📄 Mostrando la versión "Simple" — "Avanzado" aún no está lista. Añádelo a favoritos para ayudar a priorizarla. Pedir el análisis completo

Una red de diminutos imanes busca el estado de menor energía total: así se ve aproximadamente el problema del Max Cut cuántico, uno de los más difíciles en física. Su solución se busca desde los tiempos de Werner Heisenberg. Un nuevo enfoque utiliza átomos de Rydberg: en ellos, el electrón está tan lejos del núcleo que el átomo crece hasta un tamaño comparable al grosor de un cabello y se comporta como un hidrógeno gigante. Estos átomos son estudiados por la espectroscopía.

El sistema de estos átomos se 'recuece' lentamente —como un metal que se enfría— y por sí mismo alcanza una disposición casi ideal de los imanes. El desorden restante, o entropía, es eliminado por un algoritmo clásico de optimización. El método híbrido logró una precisión récord de 0,651. E incluso si la parte cuántica comete errores, el resultado sigue siendo mejor que las soluciones puramente clásicas.

Estos mismos átomos gigantes son tan sensibles que detectan partículas individuales de luz, convirtiéndose en detectores de altísima precisión.

Resumen original

tal como lo escribieron los autores, en inglés arXiv:2606.27224

Quantum Max Cut, also known as the anti-ferromagnetic Heisenberg Hamiltonian, is a QMA-complete problem which serves as a benchmark for approximation algorithms in quantum physics. Here we develop a hybrid approximation algorithm to quantum Max Cut, which uses the natural quantum dynamics of Rydberg atom systems in combination with semidefinite programming and randomized rounding. It achieves a conditional approximation ratio of $$0.651$$, compared to the best-known ratio of $$0.614$$ that relies on semidefinite programming alone. The algorithm is robust in the sense that the advantage persists even if the annealing procedure of the Rydberg atom system obtains a state whose energy is only $$89\%$$ of its true ground state energy. Our approach opens a new route for hybrid quantum-classical algorithms that combine quantum with classical optimization methods.