Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

Entre ciencia e ingeniería

Computación cuántica: de qubits a qudits

Laura Tenjo Patiño, Juan David Hormaza Pantoja, Alcides Montoya Cañola

Published Aug 3, 2018• 5 citations
Publisher

Abstract

La computación cuántica ha dependido tradicionalmente de los qubits, que son sistemas cuánticos de dos niveles, pero la creciente demanda de escalabilidad y expresividad ha impulsado interés en los qudits, su generalización natural a sistemas de mayor dimensión. Al expandir el espacio de Hilbert local a ℂd, los qudits permiten una codificación de información más densa, estructuras de entrelazamiento más ricas, y representaciones más compactas de circuitos multiqubit. Esta breve revisión contrasta qubits y qudits, examina las principales implementaciones físicas, y analiza aplicaciones representativas como machine learning cuántico, simulación cuántica, corrección de errores cuántica, comunicación cuántica y detección cuántica. Se destacan las ventajas algorítmicas y los logros experimentales alcanzados. Finalmente, se analizan los principales desafíos que actualmente limitan la escalabilidad de las plataformas basadas en qudits y se esbozan futuras líneas de investigación, incluyendo arquitecturas híbridas qubit–qudit, control asistido por IA y avances hacia una computación cuántica tolerante a fallos en dimensiones superiores.

DOI
10.31908/19098367.3279

Related papers

Algoritmos Cuánticos Variacionales: Teoría y Simulación

Rafael Blasco Lorenzo

La computación cuántica es un paradigma de computación basado en las propiedades de la mecánica cuántica. Su unidad básica de información es el qubit, que permite estar en una superposición de múltiples estados. Esta propiedad, entre otras, permite la representación y manipulación de información de maneras que presentan potenciales ventajas respecto de otros tipos de computación. Sin embargo los ordenadores cuánticos actuales están limitados por la cantidad de ruido que sufren sus qubits. Los algoritmos cuánticos variacionales son una familia de arquitecturas de algoritmos cuánticos que surgen como una oportunidad en esta situación ya que debido a sus propiedades son capaces de alcanzar buenos resultados a pesar del ruido. La efectividad de esta aproximación depende de diversos factores como la tarea a resolver, el circuito cuántico utilizado, la optimización clásica, etc. que deben ser adaptados en cada situación. El objetivo de este proyecto es comprender y estudiar esta familia de arquitecturas desde sus fundamentos teóricos, y posteriormente realizar simulaciones que pongan en práctica estos conceptos. Para ello en la primera sección se definen los principios teóricos de la computación cuántica, para luego definir la arquitectura común entre los algoritmos variacionales y finalmente concretar en tres implementaciones relevantes, que después de exponerse serán implementadas con herramientas software de simulación de computación cuántica.

•Jul 31, 2026•0 citations

Redes neuronales cuánticas y sus desafíos en la teoría de errores

Manuel Esparcia Cantos

Este Trabajo de Fin de Grado tiene como propósito explorar y divulgar los avances más recientes en el fascinante campo de la computación cuántica, centrándose especialmente en su integración con el aprendizaje profundo. En concreto, se analizará el prometedor enfoque de las redes neuronales cuánticas (Quantum Neural Networks, QNN). La estructura del trabajo se organiza en cuatro bloques temáticos bien diferenciados que permiten abordar de forma progresiva los conceptos clave: En primer lugar, se explican los fundamentos de las Redes Neuronales Clásicas, donde se analizan conceptos como las funciones de activación, las funciones de pérdida, el algoritmo de retropropagación y el proceso completo de entrenamiento. En segundo lugar, nos adentraremos en los pilares de la computación cuántica. Estudiaremos elementos fundamentales como el qubit y las puertas cuánticas, componentes que permiten manipular estados cuánticos. A continuación, con ambas bases teóricas establecidas, abordaremos el diseño de una red neuronal cuántica, centrando la atención en los modelos basados en circuitos variacionales. Además del desarrollo teórico se incluirán ejemplos prácticos y detallados utilizando conjuntos de datos reales. Estos casos permitirán ilustrar de manera tangible cómo se aplica una red neuronal cuántica a problemas concretos, desde la preparación de los datos hasta la interpretación de resultados. Finalmente, se expondrán las principales limitaciones y desafíos que actualmente enfrentan las redes neuronales cuánticas, incluyendo aspectos como la corrección de errores.

•Jun 12, 2025•0 citations

Implementación del algoritmo de Grover en los ordenadores cuánticos de IBM

María del Carmen López López

La computación clásica forma parte de nuestro día a día y ha sido uno de los pilares que ha impulsado la innovación en las últimas décadas. Sin embargo, hay problemas que esta tecnología no es capaz de resolver o es muy poco eficiente hacerlo de esta manera. Aquí es donde entra en juego la computación cuántica, campo en el cual se están alcanzando progresos significativos. La principal diferencia entre la computación clásica y la cuántica es que en esta última se hace uso de fenómenos cuánticos, tales como la superposición y el entrelazamiento. Para ello la computación cuántica se basa en el uso de qubits o bits cuánticos, dejando de lado los bits clásicos y los sistemas lógicos empleados por los sistemas informáticos convencionales. Esta tecnología resulta de gran interés actualmente por su enorme potencial, que supone la posibilidad de revolucionar el mundo de la computación. Una misma tarea puede tener diferente complejidad en computación clásica y en computación cuántica, lo que ha dado lugar a una gran expectación. También permite la resolución de problemas intratables anteriormente. En general, los ordenadores cuánticos, debido a su gran capacidad de manejo de datos, nos ofrecen la posibilidad de impulsar grandes avances en diversos campos, desde la ingeniería hasta la investigación farmacéutica, por ejemplo. En este trabajo se aborda el estudio del algoritmo cuántico de Grover, que resuelve el problema de encontrar una entrada en una base de datos desestructurada. En primer lugar se introducen los conceptos básicos para la comprensión del algoritmo, tales como el oráculo y la amplificación de amplitud. Posteriormente se tratan las mejoras respecto de los algoritmos de búsqueda clásicos y el hecho de que el algoritmo de Grover es óptimo. Esto completa la parte de desarrollo teórico. Posteriormente se presenta una componente de simulación en la plataforma IBM Quantum Experience para las diferentes situaciones propuestas. Más tarde se lleva a cabo la implementación real del algoritmo en los ordenadores cuánticos de IBM así como la implementación mitigando en cierta medida el error propio de los ordenadores cuánticos. Finalmente, se comentan algunas aplicaciones dentro del gran abanico de aplicaciones existentes a día de hoy.

•Jun 27, 2020•0 citations

Simulador de computación cuántica de altas dimensiones

Andrés Giraldo Carvajal, Jaime Gutiérrez, José Alfredo Jaramillo Villegas

Este libro ofrece las herramientas fundamentales para comprender los conceptos de la computación cuántica de altas dimensiones. Comienza con una introducción a la computación cuántica en la que se explican fenómenos cómo la superposición cuántica, la de coherencia, el paralelismo cuántico y el entrelazamiento cuántico. El lector irá familiarizándose rápidamente con el uso de qubits para entender luego las ideas y el álgebra lineal que soporta el ámbito multidimensional de la computación cuántica. Una de las temáticas de mayor importancia es el desarrollo matemático de las principales compuertas cuánticas de dos dimensiones y cómo estas son extrapoladas a múltiples dimensiones. Se explica la generalización unificada de compuertas cuánticas de altas dimensiones que se obtuvo de la investigación de los autores donde se destaca la relación encontrada entre el operador adjunto de Weyl y las compuertas de Pauli de altas dimensiones, y la propuesta de una ecuación generalizada que describe la transformada cuántica de Fourier de altas dimensiones. El lector podrá conocer también de qué manera pudo llevarse a cabo la implementación en código de cada una de estas compuertas en QuantumSkynet, un novedoso simulador de computación cuántica de altas dimensiones basado en la nube. Al final se muestran los resultados obtenidos de la simulación de dos circuitos cuánticos sobre QuantumSkynet: el algoritmo de Deutsch-Jozsa y el Algoritmo de Estimación de Fase Cuántica para sus versiones en altas dimensiones. El texto está diseñado de tal manera que diferentes tipos de lectores puedan comprenderlo, ya sea que cuenten o no con conocimientos previos de mecánica cuántica.

Universidad Tecnológica de Pereira eBooks•Jan 1, 2022•0 citations

Convergencia entre la computación cuántica e inteligencia artificial

Cuervo Vanegas, Armando

Este documento desarrolla un análisis integral y profundamente técnico sobre la convergencia entre la computación cuántica y la inteligencia artificial, examinando los fundamentos físicos, algorítmicos y computacionales que están dando forma a un nuevo paradigma tecnológico. El texto expone de manera rigurosa los conceptos esenciales de qubits, superposición, entrelazamiento, algoritmos cuánticos de referencia y la evolución hacia la era NISQ, junto con una explicación detallada del aprendizaje automático moderno, sus limitaciones y la motivación para buscar aceleración cuántica. A partir de ese marco, se presenta un estudio completo de la inteligencia artificial cuántica (QAI), incluyendo arquitecturas híbridas, modelos nativos cuánticos, algoritmos variacionales, kernels cuánticos, aprendizaje supervisado y no supervisado cuántico, refuerzo cuántico, métodos generativos y optimización combinatoria mediante QAOA y recocido cuántico. El documento analiza aplicaciones sectoriales reales en salud, finanzas, energía, transporte, defensa y seguridad, así como estudios y casos documentados en laboratorios líderes como Google, IBM, RIKEN, NASA, USRA y múltiples startups especializadas. Profundiza en cómo la IA clásica potencia el desarrollo cuántico por medio de calibración autónoma, mitigación y corrección de errores, optimización experimental y descubrimiento automático de algoritmos. Finalmente, se abordan los desafíos técnicos, computacionales, éticos y teóricos que enfrenta la IA cuántica, incluyendo limitaciones del hardware NISQ, carga y extracción de datos, barren plateaus, ausencia de ventaja cuántica práctica demostrada y vacíos normativos emergentes. Dirigido a investigadores, ingenieros, decisores estratégicos y profesionales en ciencia de datos, computación cuántica, IA, ciberseguridad y prospectiva tecnológica que buscan comprender el estado del arte y las implicaciones geopolíticas y científicas de esta convergencia en rápido crecimiento.

•Aug 28, 2025•0 citations

Computación cuántica y su potencial en el ámbito financiero

Begoña Astarloa Domínguez

La computación cuántica se presenta como una de las tecnologías más disruptivas del siglo XXI, con un potencial transformador especialmente relevante para el sector financiero. Este trabajo analiza las principales aplicaciones de la computación cuántica en el sector financiero y los obstáculos que condicionan su desarrollo. Se examinan cuatro ámbitos concretos: la aceleración de simulaciones Monte Carlo, la optimización de carteras a través del quantum annealing, el quantum machine learning aplicado a la evaluación de riesgo crediticio y la amenaza de los algoritmos de Shor y Grover representan para la criptografía financiera vigente. Se examinan asimismo las limitaciones técnicas que frenan el desarrollo de esta tecnología como la decoherencia y el ruido en dispositivos NISQ, corrección de errores cuánticos y desafíos de escalabilidad del hardware. Se concluye que, si bien la mayoría de las aplicaciones se encuentran todavía en fases experimentales, la frontera entre el potencial teórico y la aplicación práctica se desplaza de forma sostenida, y que el sector financiero tiene ante sí tanto una amenaza presente, en materia de criptografía, como una oportunidad estratégica que ha lanzado una carrera hacia la supremacía cuántica, en la que participan gobiernos, instituciones e inversores privados de primer nivel.

•Sep 23, 2025•0 citations
La computación cuántica ha dependido tradicionalmente de los qubits, que son sistemas cuánticos de dos niveles, pero la creciente demanda de escalabilidad y expresividad ha impulsado interés en los qudits, su generalización natural a sistemas de mayor dimensión. Al expandir el espacio de Hilbert local a ℂd, los qudits permiten una codificación de información más densa, estructuras de entrelazamiento más ricas, y representaciones más compactas de circuitos multiqubit. Esta breve revisión contrasta qubits y qudits, examina las principales implementaciones físicas, y analiza aplicaciones representativas como machine learning cuántico, simulación cuántica, corrección de errores cuántica, comunicación cuántica y detección cuántica. Se destacan las ventajas algorítmicas y los logros experimentales alcanzados. Finalmente, se analizan los principales desafíos que actualmente limitan la escalabilidad de las plataformas basadas en qudits y se esbozan futuras líneas de investigación, incluyendo arquitecturas híbridas qubit–qudit, control asistido por IA y avances hacia una computación cuántica tolerante a fallos en dimensiones superiores.
La computación cuántica es un paradigma de computación basado en las propiedades de la mecánica cuántica. Su unidad básica de información es el qubit, que permite estar en una superposición de múltiples estados. Esta propiedad, entre otras, permite la representación y manipulación de información de maneras que presentan potenciales ventajas respecto de otros tipos de computación. Sin embargo los ordenadores cuánticos actuales están limitados por la cantidad de ruido que sufren sus qubits. Los algoritmos cuánticos variacionales son una familia de arquitecturas de algoritmos cuánticos que surgen como una oportunidad en esta situación ya que debido a sus propiedades son capaces de alcanzar buenos resultados a pesar del ruido. La efectividad de esta aproximación depende de diversos factores como la tarea a resolver, el circuito cuántico utilizado, la optimización clásica, etc. que deben ser adaptados en cada situación. El objetivo de este proyecto es comprender y estudiar esta familia de arquitecturas desde sus fundamentos teóricos, y posteriormente realizar simulaciones que pongan en práctica estos conceptos. Para ello en la primera sección se definen los principios teóricos de la computación cuántica, para luego definir la arquitectura común entre los algoritmos variacionales y finalmente concretar en tres implementaciones relevantes, que después de exponerse serán implementadas con herramientas software de simulación de computación cuántica.
Este Trabajo de Fin de Grado tiene como propósito explorar y divulgar los avances más recientes en el fascinante campo de la computación cuántica, centrándose especialmente en su integración con el aprendizaje profundo. En concreto, se analizará el prometedor enfoque de las redes neuronales cuánticas (Quantum Neural Networks, QNN). La estructura del trabajo se organiza en cuatro bloques temáticos bien diferenciados que permiten abordar de forma progresiva los conceptos clave: En primer lugar, se explican los fundamentos de las Redes Neuronales Clásicas, donde se analizan conceptos como las funciones de activación, las funciones de pérdida, el algoritmo de retropropagación y el proceso completo de entrenamiento. En segundo lugar, nos adentraremos en los pilares de la computación cuántica. Estudiaremos elementos fundamentales como el qubit y las puertas cuánticas, componentes que permiten manipular estados cuánticos. A continuación, con ambas bases teóricas establecidas, abordaremos el diseño de una red neuronal cuántica, centrando la atención en los modelos basados en circuitos variacionales. Además del desarrollo teórico se incluirán ejemplos prácticos y detallados utilizando conjuntos de datos reales. Estos casos permitirán ilustrar de manera tangible cómo se aplica una red neuronal cuántica a problemas concretos, desde la preparación de los datos hasta la interpretación de resultados. Finalmente, se expondrán las principales limitaciones y desafíos que actualmente enfrentan las redes neuronales cuánticas, incluyendo aspectos como la corrección de errores.
La computación clásica forma parte de nuestro día a día y ha sido uno de los pilares que ha impulsado la innovación en las últimas décadas. Sin embargo, hay problemas que esta tecnología no es capaz de resolver o es muy poco eficiente hacerlo de esta manera. Aquí es donde entra en juego la computación cuántica, campo en el cual se están alcanzando progresos significativos. La principal diferencia entre la computación clásica y la cuántica es que en esta última se hace uso de fenómenos cuánticos, tales como la superposición y el entrelazamiento. Para ello la computación cuántica se basa en el uso de qubits o bits cuánticos, dejando de lado los bits clásicos y los sistemas lógicos empleados por los sistemas informáticos convencionales. Esta tecnología resulta de gran interés actualmente por su enorme potencial, que supone la posibilidad de revolucionar el mundo de la computación. Una misma tarea puede tener diferente complejidad en computación clásica y en computación cuántica, lo que ha dado lugar a una gran expectación. También permite la resolución de problemas intratables anteriormente. En general, los ordenadores cuánticos, debido a su gran capacidad de manejo de datos, nos ofrecen la posibilidad de impulsar grandes avances en diversos campos, desde la ingeniería hasta la investigación farmacéutica, por ejemplo. En este trabajo se aborda el estudio del algoritmo cuántico de Grover, que resuelve el problema de encontrar una entrada en una base de datos desestructurada. En primer lugar se introducen los conceptos básicos para la comprensión del algoritmo, tales como el oráculo y la amplificación de amplitud. Posteriormente se tratan las mejoras respecto de los algoritmos de búsqueda clásicos y el hecho de que el algoritmo de Grover es óptimo. Esto completa la parte de desarrollo teórico. Posteriormente se presenta una componente de simulación en la plataforma IBM Quantum Experience para las diferentes situaciones propuestas. Más tarde se lleva a cabo la implementación real del algoritmo en los ordenadores cuánticos de IBM así como la implementación mitigando en cierta medida el error propio de los ordenadores cuánticos. Finalmente, se comentan algunas aplicaciones dentro del gran abanico de aplicaciones existentes a día de hoy.
Este libro ofrece las herramientas fundamentales para comprender los conceptos de la computación cuántica de altas dimensiones. Comienza con una introducción a la computación cuántica en la que se explican fenómenos cómo la superposición cuántica, la de coherencia, el paralelismo cuántico y el entrelazamiento cuántico. El lector irá familiarizándose rápidamente con el uso de qubits para entender luego las ideas y el álgebra lineal que soporta el ámbito multidimensional de la computación cuántica. Una de las temáticas de mayor importancia es el desarrollo matemático de las principales compuertas cuánticas de dos dimensiones y cómo estas son extrapoladas a múltiples dimensiones. Se explica la generalización unificada de compuertas cuánticas de altas dimensiones que se obtuvo de la investigación de los autores donde se destaca la relación encontrada entre el operador adjunto de Weyl y las compuertas de Pauli de altas dimensiones, y la propuesta de una ecuación generalizada que describe la transformada cuántica de Fourier de altas dimensiones. El lector podrá conocer también de qué manera pudo llevarse a cabo la implementación en código de cada una de estas compuertas en QuantumSkynet, un novedoso simulador de computación cuántica de altas dimensiones basado en la nube. Al final se muestran los resultados obtenidos de la simulación de dos circuitos cuánticos sobre QuantumSkynet: el algoritmo de Deutsch-Jozsa y el Algoritmo de Estimación de Fase Cuántica para sus versiones en altas dimensiones. El texto está diseñado de tal manera que diferentes tipos de lectores puedan comprenderlo, ya sea que cuenten o no con conocimientos previos de mecánica cuántica.
Este documento desarrolla un análisis integral y profundamente técnico sobre la convergencia entre la computación cuántica y la inteligencia artificial, examinando los fundamentos físicos, algorítmicos y computacionales que están dando forma a un nuevo paradigma tecnológico. El texto expone de manera rigurosa los conceptos esenciales de qubits, superposición, entrelazamiento, algoritmos cuánticos de referencia y la evolución hacia la era NISQ, junto con una explicación detallada del aprendizaje automático moderno, sus limitaciones y la motivación para buscar aceleración cuántica. A partir de ese marco, se presenta un estudio completo de la inteligencia artificial cuántica (QAI), incluyendo arquitecturas híbridas, modelos nativos cuánticos, algoritmos variacionales, kernels cuánticos, aprendizaje supervisado y no supervisado cuántico, refuerzo cuántico, métodos generativos y optimización combinatoria mediante QAOA y recocido cuántico. El documento analiza aplicaciones sectoriales reales en salud, finanzas, energía, transporte, defensa y seguridad, así como estudios y casos documentados en laboratorios líderes como Google, IBM, RIKEN, NASA, USRA y múltiples startups especializadas. Profundiza en cómo la IA clásica potencia el desarrollo cuántico por medio de calibración autónoma, mitigación y corrección de errores, optimización experimental y descubrimiento automático de algoritmos. Finalmente, se abordan los desafíos técnicos, computacionales, éticos y teóricos que enfrenta la IA cuántica, incluyendo limitaciones del hardware NISQ, carga y extracción de datos, barren plateaus, ausencia de ventaja cuántica práctica demostrada y vacíos normativos emergentes. Dirigido a investigadores, ingenieros, decisores estratégicos y profesionales en ciencia de datos, computación cuántica, IA, ciberseguridad y prospectiva tecnológica que buscan comprender el estado del arte y las implicaciones geopolíticas y científicas de esta convergencia en rápido crecimiento.
La computación cuántica se presenta como una de las tecnologías más disruptivas del siglo XXI, con un potencial transformador especialmente relevante para el sector financiero. Este trabajo analiza las principales aplicaciones de la computación cuántica en el sector financiero y los obstáculos que condicionan su desarrollo. Se examinan cuatro ámbitos concretos: la aceleración de simulaciones Monte Carlo, la optimización de carteras a través del quantum annealing, el quantum machine learning aplicado a la evaluación de riesgo crediticio y la amenaza de los algoritmos de Shor y Grover representan para la criptografía financiera vigente. Se examinan asimismo las limitaciones técnicas que frenan el desarrollo de esta tecnología como la decoherencia y el ruido en dispositivos NISQ, corrección de errores cuánticos y desafíos de escalabilidad del hardware. Se concluye que, si bien la mayoría de las aplicaciones se encuentran todavía en fases experimentales, la frontera entre el potencial teórico y la aplicación práctica se desplaza de forma sostenida, y que el sector financiero tiene ante sí tanto una amenaza presente, en materia de criptografía, como una oportunidad estratégica que ha lanzado una carrera hacia la supremacía cuántica, en la que participan gobiernos, instituciones e inversores privados de primer nivel.