13 lenguajes y herramientas de programación cuántica imprescindibles para 2026

Los lenguajes de programación cuántica están emergiendo rápidamente como herramientas cruciales en la era de la computación cuántica que se desarrolla. Esta nueva generación de lenguaje de programación permite a los desarrolladores e investigadores interactuar con qubits y diseñar algoritmos que pronto podrían superar a sus homólogos clásicos en órdenes de magnitud.

Hasta 2025, se han introducido más de 37 lenguajes de programación cuántica distintos, cada uno de ellos adaptado a modelos, hardware y casos de uso específicos de la computación cuántica. En conjunto, estos lenguajes reflejan los diversos enfoques de la computación cuántica, que van desde sistemas basados ​​en puertas y circuitos variacionales hasta modelos adiabáticos y algoritmos híbridos cuánticos clásicos. [1]

A continuación, destaco los principales lenguajes de programación cuántica que permiten a los desarrolladores aprovechar de manera efectiva las peculiaridades de la mecánica cuántica para resolver problemas complejos. 

¿Lo sabías?  

GitHub alberga más de 21.000 repositorios de software cuántico, lo que refleja un crecimiento del 200 % desde 2017. Estos repositorios han atraído contribuciones de más de 10.000 desarrolladores únicos, con confirmaciones de código que superan los 1,2 millones de líneas en conjunto. [2]

13. Cantidad

Lanzamiento inicial :2022
Creado por :Investigadores independientes y contribuyentes de código abierto.
Fuerza única :Enfoque cuántico primero y modelo de abstracción limpia
Ideal para :Investigadores que buscan un conjunto de herramientas liviano sin dependencia del proveedor

Qunity es un lenguaje y marco de programación cuántica menos conocido pero con visión de futuro que combina la claridad de los modelos de programación clásicos con los paradigmas únicos de la mecánica cuántica. 

Está construido desde cero para ser un lenguaje nativo cuántico, que impone restricciones de la mecánica cuántica (como la no clonación y la evolución unitaria) tanto a nivel de sistema de tipos como de lógica. 

Si bien se inspira en lenguajes de programación clásicos como C y Python, adapta la sintaxis y la semántica para que sean naturalmente compatibles con los principios de la computación cuántica, como la linealidad, la reversibilidad, la superposición y el entrelazamiento. [3]

El diseño de Qunity es modular y está destinado a ser independiente del backend, con soporte para simuladores y capas de compatibilidad que se están desarrollando para apuntar a procesadores cuánticos reales en el futuro.  

12. TKET 

Lanzamiento inicial :2019
Creado por :Cuantitativo
Fuerza única :Maneja de forma inteligente las limitaciones de hardware
Ideal para :Optimización de circuitos independiente del hardware; herramientas de nivel de producción

TKET actúa principalmente como un compilador de optimización de nivel intermedio y un marco de ejecución que interactúa entre programas cuánticos de alto nivel y varios objetivos de hardware cuántico. 

TKET se centra en la optimización de circuitos cuánticos, la síntesis de puertas y el enrutamiento de qubits. Transforma algoritmos cuánticos abstractos en instrucciones compatibles con hardware con una profundidad y tasas de error mínimas. 

Su capacidad para manejar de manera inteligente las limitaciones de hardware (como limitaciones de conectividad de qubits, fidelidades de puerta y conjuntos de instrucciones nativas) le permite generar circuitos más eficientes con un menor número de puertas y tiempos de ejecución más cortos. 

En pruebas comparativas independientes, TKET ha mostrado un recuento de puertas hasta un 40 % menor y tiempos de ejecución entre un 25 % y un 30 % más rápidos en comparación con los compiladores nativos en algunos casos de uso. 

11. ProyectoQ 

Lanzamiento inicial :2016 
Creado por :ETH Zúrich
Fuerza única :Diseño modular orientado al compilador
Ideal para :Compilador cuántico con fines educativos y de investigación

ProjectQ proporciona una plataforma de computación cuántica modular y extensible para investigadores, desarrolladores y educadores. 

Escrito en Python, fue uno de los primeros SDK cuánticos que enfatizaba una arquitectura basada en compiladores, donde los programas cuánticos se traducen en representaciones intermedias antes de su ejecución en simuladores o hardware cuántico real. 

ProjectQ enfatiza la modularidad, lo que permite a los desarrolladores definir programas cuánticos en un estilo similar a Python, compilarlos utilizando canalizaciones personalizables y ejecutarlos en simuladores integrados o backends, como IBM Quantum Experience. Además, el diseño centrado en el compilador permite un control detallado sobre la optimización, la descomposición de puertas y la traducción específica de destino. [4]

También admite emulación de circuitos cuánticos, simulación de funciones de onda, emulación de matrices unitarias y puede servir como campo de juego experimental para investigaciones de compiladores, corrección de errores cuánticos y estudios de optimización. 

10. Lenguaje de Computación Cuántica (QCL)

Lanzamiento inicial :2000
Creado por :Bernhard Ömer
Fuerza única :Acceso claro y de bajo nivel al estado cuántico.
Ideal para :Aprendizaje de la estructura híbrida clásica-cuántica

QCL es uno de los primeros lenguajes de programación de alto nivel creado específicamente para la computación cuántica.

En una época en la que la programación cuántica se realizaba en gran medida a nivel matemático o de circuito, QCL introdujo sintaxis estructurada, variables, condicionales, bucles y funciones modulares, sentando esencialmente las bases para lenguajes cuánticos de alto nivel posteriores. 

Separa la computación clásica y la cuántica, donde los registros clásicos gestionan el flujo de control, mientras que los registros cuánticos (quregs) almacenan y manipulan los estados cuánticos. El lenguaje introdujo muchas de las construcciones de programación ahora comunes para la computación cuántica, como operadores unitarios, instrucciones de medición, computación reversible y qubits ancilla para uso temporal. 

Aunque QCL no está vinculado a ningún hardware cuántico comercial, sigue siendo una herramienta valiosa en entornos académicos y de investigación, particularmente para la enseñanza y simulación de algoritmos cuánticos. 

9. Campos de fresas

Lanzamiento inicial :2018
Creado por :Xanadú
Fuerza única :Enfoque exclusivo en computación cuántica CV
Ideal para :Simulación y programación de sistemas cuánticos fotónicos

Strawberry Fields es una biblioteca de programación cuántica de código abierto y de pila completa diseñada para la computación cuántica de variable continua (CV). Está diseñado específicamente para circuitos fotónicos cuánticos que utilizan estados cuánticos de la luz (como estados comprimidos, estados coherentes y estados gaussianos) para realizar cálculos.

En esencia, Strawberry Fields aprovecha el lenguaje ensamblador cuántico Blackbird. Esto permite a los desarrolladores diseñar, simular y optimizar circuitos cuánticos fotónicos utilizando modelos basados ​​en puertas y flujos de trabajo de aprendizaje automático. 

Se puede utilizar junto con PennyLane (otro proyecto de Xanadu) para facilitar cálculos híbridos cuánticos-clásicos y aplicaciones de aprendizaje automático. La plataforma es adecuada para casos de uso en aprendizaje automático cuántico, química cuántica, criptografía cuántica CV e investigación en óptica cuántica. [5]

8. Océano

Lanzamiento inicial :2018
Creado por :Sistemas D-Wave
Fuerza única :Diseñado para recocido cuántico; admite solucionadores híbridos
Ideal para :Afrontar problemas de optimización combinatoria

Ocean es un marco de programación cuántica de código abierto diseñado específicamente para ayudar a los usuarios a desarrollar y optimizar problemas para los recocedores cuánticos, un paradigma muy diferente de las computadoras cuánticas basadas en puertas. [6]

No es un lenguaje de programación en el sentido tradicional, sino una cadena de herramientas construida en Python que traduce los problemas definidos por el usuario (principalmente problemas de optimización) a una forma que pueda resolverse mediante el hardware de recocido cuántico de D-Wave.

La arquitectura modular de Ocean lo hace altamente extensible para desarrolladores e investigadores que trabajan en solucionadores personalizados o heurísticas de optimización. Es más adecuado para abordar problemas de optimización combinatoria, como rutas de vehículos, optimización de cartera, programación y tareas de aprendizaje automático. 

Además, Ocean se integra perfectamente con el servicio en la nube Leap de D-Wave, brindando a los desarrolladores acceso inmediato a hardware y recursos cuánticos. En 2025, D-Wave anunció la disponibilidad general de su sistema de computación cuántica Advantage2, con más de 4.400 qubits. Ocean se ha actualizado para ser totalmente compatible con este sistema de próxima generación.

7. QuTiP

Lanzamiento inicial :2012
Creado por :Johannes Johansson, Paul Nation y colaboradores
Fuerza única :Potencia de simulación centrada en la física
Ideal para :Investigación teórica y modelización

QuTiP es un marco integral de código abierto que se centra en simular la física de sistemas cuánticos, particularmente en evolución en tiempo continuo, ecuaciones maestras y dinámica no unitaria. 

Escrito en Python y optimizado con NumPy, SciPy y Cython, QuTiP es eficiente para cálculos numéricos. Permite a los investigadores modelar y resolver ecuaciones de Schrödinger dependientes del tiempo, ecuaciones maestras de Lindblad y ecuaciones de movimiento de Heisenberg, que son fundamentales para la mecánica cuántica. [7]

QuTiP también proporciona un conjunto de solucionadores, incluido mesolve para ecuaciones maestras de Lindblad, sesolve para ecuaciones de Schrödinger y mcsolve para simulaciones de Montecarlo. Estos solucionadores permiten el estudio de sistemas cuánticos abiertos y cerrados en diversas condiciones.  

Estas capacidades lo hacen ampliamente utilizado en campos como la óptica cuántica, la termodinámica cuántica, la QED de cavidades y la investigación de qubits superconductores.

6. PennyLane

Lanzamiento inicial :2018
Creado por :Xanadú
Fuerza única :Se integra con ecosistemas clásicos de aprendizaje automático
Ideal para :Aprendizaje automático cuántico; modelos híbridos clásico-cuánticos

PennyLane es una biblioteca de computación cuántica de código abierto basada en Python que integra la computación cuántica con flujos de trabajo de aprendizaje automático y ofrece herramientas para la diferenciación automática de circuitos cuánticos. 

Une la computación cuántica y la optimización clásica aprovechando marcos como PyTorch, TensorFlow y JAX. Esto permite a los desarrolladores integrar nodos cuánticos en modelos clásicos de aprendizaje automático. 

PennyLane admite varios simuladores y hardware cuánticos a través de su sistema de complementos, lo que permite a los desarrolladores ejecutar circuitos cuánticos en diferentes backends sin modificar su código. Esta flexibilidad la convierte en una herramienta valiosa tanto para la investigación como para aplicaciones prácticas en computación cuántica. [8]

La biblioteca también ofrece funcionalidades especializadas para la química cuántica, como solucionadores Hartree-Fock diferenciables y herramientas para construir hamiltonianos moleculares. Estas características permiten a los investigadores realizar simulaciones de química cuántica con técnicas de optimización basadas en gradientes.

5. OpenQASM

Lanzamiento inicial :2017
Creado por :Investigación de IBM
Fuerza única :Soporta la neutralidad del hardware, facilita la interoperabilidad
Ideal para :Definición de circuitos de bajo nivel y secuencias de puertas

OpenQASM (Lenguaje ensamblador cuántico abierto) es una representación intermedia independiente del hardware para circuitos cuánticos que proporciona una sintaxis de estilo ensamblador de bajo nivel para operaciones de puertas cuánticas. 

El lenguaje se centra particularmente en expresar circuitos cuánticos en un formato legible por máquinas y por humanos. Permite la descripción precisa de instrucciones a nivel de puerta, incluida la asignación de qubits, la aplicación de puertas cuánticas, mediciones, interacciones de registros clásicos y lógica condicional.

OpenQASM ha evolucionado hasta convertirse en un estándar ampliamente aceptado para expresar programas cuánticos en una forma declarativa estructurada. Investigaciones recientes se han centrado en permitir la verificación y formalización de la computación clásica cuántica híbrida con OpenQASM 3, destacando el potencial del lenguaje para el análisis y la validación rigurosos de programas.

4. PyQuil

Lanzamiento inicial :2017
Creado por :Computación Rigetti
Fuerza única :Compilación paramétrica, capa de simulación realista.
Ideal para :Ejecución de programas en hardware y simuladores Rigetti

PyQuil es una biblioteca de programación cuántica de código abierto creada para crear y ejecutar programas cuánticos utilizando el protocolo Quil (lenguaje de instrucciones cuánticas).  

Escrito en Python, PyQuil sirve como herramienta principal para interactuar con la plataforma Forest de Rigetti y los procesadores cuánticos Aspen, que se basan en arquitecturas qubit superconductoras. A diferencia de las abstracciones basadas en Python en otros marcos, Quil brinda a los desarrolladores más transparencia sobre lo que realmente se ejecuta en el hardware cuántico, lo cual es invaluable para la depuración y el ajuste del rendimiento. [9]

Está especialmente orientado a la computación NISQ (Noisy Intermediate-Scale Quantum), proporcionando a los desarrolladores una interfaz expresiva pero de bajo nivel para construir y simular circuitos cuánticos. 

PyQuil ofrece una sólida combinación de abstracción y optimización, junto con una capa de simulación realista (QVM) que imita fielmente el comportamiento del hardware. Los desarrolladores pueden compilar circuitos para que coincidan con las limitaciones reales de hardware de los dispositivos de Rigetti, como la conectividad de qubit, conjuntos de puertas nativas y perfiles de ruido. 

Combinado con el acceso a las QPU Aspen de Rigetti, esto convierte a PyQuil en una herramienta práctica y de alta fidelidad para investigación y pruebas.  

3. P#

Lanzamiento inicial :2017
Creado por :Microsoft
Fuerza única :Herramientas de simulación integradas, bibliotecas cuánticas modulares
Ideal para :Desarrollo de algoritmos de nivel empresarial

Q# (Q-sharp) es un lenguaje de programación cuántica de dominio específico que utiliza un sistema de tipos sólido y impone una separación estricta entre datos cuánticos y datos clásicos para minimizar los errores de programación. 

A diferencia de marcos como Qiskit y Cirq, que se basan en lenguajes de programación de propósito general como Python, Q# está diseñado desde cero específicamente para la computación cuántica. 

Q# se destaca por su estructura formal, su sólida seguridad de tipos y su escalabilidad a largo plazo. Cuenta con escritura estática fuerte y verificación de errores en tiempo de compilación, lo que reduce significativamente el riesgo de errores. Una de sus fortalezas clave son las herramientas integradas de estimación de recursos, que permiten a los desarrolladores no solo simular circuitos cuánticos sino también evaluar su costo en términos de qubits, recuentos de puertas y profundidad del circuito.

Viene con una rica biblioteca de operaciones cuánticas prediseñadas, como la transformada cuántica de Fourier, la amplificación de amplitud y la búsqueda de Grover. Además, está profundamente integrado en la plataforma Azure Quantum más amplia de Microsoft, así como en Visual Studio, Visual Studio Code y Jupyter Notebooks. [10]

2. Circo

Lanzamiento inicial :2018
Creado por :Equipo cuántico de IA de Google
Fuerza única :Control de nivel de precisión orientado al hardware
Ideal para :Circuitos personalizados para dispositivos de la era NISQ, simulaciones cuánticas

Cirq es un marco de programación cuántica de código abierto diseñado principalmente para admitir dispositivos NISQ (Noisy Intermediate-Scale Quantum). Ofrece a los desarrolladores un control detallado sobre los circuitos cuánticos, especialmente cuando la topología del hardware y las propiedades del ruido son importantes.

Cirq utiliza una arquitectura basada en momentos. Organiza las operaciones en "Momentos" basados ​​en el tiempo, lo que permite una mejor simulación del tiempo de ejecución y facilita la incorporación de modelos realistas de ruido y decoherencia. [11]

A diferencia de los marcos de nivel superior que se centran en algoritmos cuánticos abstractos, Cirq enfatiza el control a nivel de puerta y programación de circuitos. Esto permite a los investigadores experimentar con optimizaciones basadas en hardware y comparar operaciones cuánticas. 

Cirq se utiliza a menudo como capa de programación base para TensorFlow Quantum. También es el idioma nativo para interactuar con los procesadores cuánticos superconductores de Google, como Sycamore y Bristlecone. 

1. Qiskit

Lanzamiento inicial :2017
Creado por :Investigación de IBM
Fuerza única :Profunda integración vertical con el hardware cuántico de IBM
Ideal para :Diseño de circuitos, creación de prototipos de algoritmos cuánticos, simulaciones híbridas

Qiskit es un lenguaje de programación cuántica de código abierto que permite a los desarrolladores e investigadores interactuar con la computación cuántica desde perspectivas tanto teóricas como prácticas, que van desde la simulación de circuitos cuánticos hasta su implementación en los procesadores cuánticos superconductores de IBM.

Construido en Python, Qiskit admite el modelo de computación cuántica basado en puertas y se ha integrado estrechamente con el hardware de nube cuántica de IBM. 

La plataforma ha evolucionado más allá de un SDK básico hasta convertirse en una pila integral que incluye bibliotecas de algoritmos de alto nivel (como Qiskit Machine Learning, Nature, Optimization), constructores de circuitos de nivel medio e incluso control de nivel de pulso a través de Qiskit Pulse. Esta arquitectura en capas permite a los desarrolladores crear, experimentar y optimizar programas cuánticos en todos los niveles de abstracción. 

Una de las características más innovadoras de Qiskit es su acceso en tiempo real a hardware cuántico real a través de IBM Quantum Experience, que aloja procesadores cuánticos con 5, 16, 27 y más de 127 qubits. Esto ha brindado a miles de desarrolladores experiencia práctica con ruido cuántico real y limitaciones de dispositivos. 

En los últimos años, Qiskit se ha convertido en una de las plataformas más accesibles y ampliamente adoptadas en computación cuántica. Se ha instalado más de 6 millones de veces y se realizan alrededor de 300.000 nuevas instalaciones cada mes. Con más de 2000 bifurcaciones y más de 8000 contribuciones en GitHub, Qiskit también ha permitido la ejecución de más de 3 billones de circuitos cuánticos hasta la fecha. [12]

Leer más 

• 21 datos más interesantes sobre las computadoras cuánticas  
• 15 procesadores cuánticos que presentan un nuevo paradigma informático

Fuentes citadas y referencias adicionales  

1. Felipe Ferreira, Un estudio exploratorio sobre el uso de lenguajes de programación cuánticos, ScienceDirect
2. Krishna Upadhyay, Analizando la evolución y el mantenimiento de los repositorios de computación cuántica, arXiv
3. Finn Voichick, Un lenguaje unificado para la computación cuántica y clásica, arXiv
4. ProjectQ, un esfuerzo de software de código abierto para la computación cuántica, arXiv
5. Documentación, complemento de campos PennyLane-Strawberry, PennyLane
6. Documentación, Cómo optimizar problemas empresariales utilizando solucionadores híbridos cuánticos clásicos, D-Wave
7. Neill Lambert, La caja de herramientas cuántica en Python, arXiv
8. Quantum Devices, el ecosistema de dispositivos cuánticos de PennyLane con más de 40 opciones integradas, PennyLane
9. Documentación, pyQuil le permite crear y ejecutar programas Quil usando Python, pyQuil
10. Descripción general de Qsharp, Introducción al lenguaje de programación cuántica Q#, Microsoft
11. Referencia, un intervalo de tiempo de operaciones dentro de un circuito, Google
12. Muhammad AbuGhanem, Computadoras cuánticas de IBM:evolución, rendimiento y direcciones futuras, Springer