El aprendizaje por refuerzo clásico (CRL, por sus siglas en inglés), ha sido utilizado ampliamente en aplicaciones para la psicología y neurociencia. Sin embargo, el aprendizaje por refuerzo cuántico (QRL, por sus siglas en inglés) ha demostrado mejor desempeño en simulaciones por computadora. Para poder analizar la toma de decisiones basada en el valor utilizando estos modelos, se diseñó un protocolo experimental que consiste en dos grupos sanos de diferentes edades realizando la prueba Iowa Gambling Task. Con esta base de datos se comparó el desempeño de cuatro modelos de CRL y uno de QRL, los resultados demostraron que la toma de decisiones basadas en el valor se puede modelar utilizando aprendizaje por refuerzo cuántico y esto sugiere que el enfoque cuántico a la toma de decisiones aporta nuevas perspectivas y herramientas que permiten entender nuevos aspectos del proceso de toma de decisiones humano.
El aprendizaje por refuerzo clásico (CRL, por sus siglas en inglés), ha sido utilizado ampliamente en aplicaciones para la psicología y neurociencia. Sin embargo, el aprendizaje por refuerzo cuántico (QRL, por sus siglas en inglés) ha demostrado mejor desempeño en simulaciones por computadora. Para poder analizar la toma de decisiones basada en el valor utilizando estos modelos, se diseñó un protocolo experimental que consiste en dos grupos sanos de diferentes edades realizando la prueba Iowa Gambling Task. Con esta base de datos se comparó el desempeño de cuatro modelos de CRL y uno de QRL, los resultados demostraron que la toma de decisiones basadas en el valor se puede modelar utilizando aprendizaje por refuerzo cuántico y esto sugiere que el enfoque cuántico a la toma de decisiones aporta nuevas perspectivas y herramientas que permiten entender nuevos aspectos del proceso de toma de decisiones humano.
El presente artículo propone el Modelo de Superposición Cuántica de Valor (SQV) como una alternativa innovadora para abordar la ambivalencia en las decisiones de consumo, superando las limitaciones de los modelos de utilidad esperada y la Prospect Theory. El objetivo principal fue demostrar que las preferencias no son entidades fijas, sino estados probabilísticos dinámicos que se colapsan en una elección observada al interactuar con un contexto particular. Para alcanzar este propósito, se aplicó un enfoque teórico-exploratorio acompañado de simulaciones computacionales, comparando el desempeño del SQV frente a un modelo clásico de elección racional en escenarios caracterizados por efectos de dominancia asimétrica y atracción. Los resultados muestran que el modelo cuántico logra replicar con mayor exactitud patrones empíricos, reflejados en divergencias de Jensen–Shannon y log-verosimilitudes negativas más bajas en comparación con los enfoques tradicionales. Estos hallazgos corroboran que el valor económico no constituye una magnitud lineal ni estática, sino un fenómeno emergente y contextual, en sintonía con descubrimientos recientes en econofísica y neuroeconomía. En consecuencia, el marco SQV ofrece un vínculo formal entre las ciencias del comportamiento y la teoría cuántica de decisiones, con aplicaciones prácticas en la fijación dinámica de precios, el diseño de experiencias para usuarios y el desarrollo de algoritmos de recomendación en mercados digitales complejos.
Este trabajo presenta el diseño e implementación de modelos híbridos clásico-cuánticos para la predicción de ventas mediante la integración de redes neuronales LSTM y circuitos cuánticos, con el propósito de evaluar el impacto de la incorporación de procesamiento cuántico en tareas de predicción de series temporales, se utilizaron datos reales de ventas obtenidos de la plataforma Kaggle, planteando el problema como una tarea de predicción de ventas diarias a partir del comportamiento histórico de la serie. El proyecto se desarrolló en varias etapas que incluyeron el preprocesamiento de los datos, el diseño e implementación de un modelo LSTM clásico, la incorporación de tres arquitecturas híbridas basadas en Variational Quantum Circuits (VQC), Residual Hybrid y Quantum Long Short-Term Memory (QLSTM), y la comparación de su desempeño. Los modelos fueron implementados utilizando PyTorch y PennyLane, entrenados sobre los mismos conjuntos de datos y evaluados mediante las métricas de R cuadrado y el coeficiente de correlación de Pearson. Adicionalmente, las arquitecturas VQC y Residual Hybrid fueron ejecutadas en hardware cuántico de IBM, mientras que el modelo QLSTM fue evaluado mediante simulaciones con ruido utilizando Qiskit Aer. Los resultados obtenidos muestran que los modelos híbridos clásico-cuánticos constituyen una alternativa para explorar la integración de computación cuántica en tareas de predicción de series temporales, en los experimentos realizados, la arquitectura QLSTM obtuvo el mejor desempeño en la mayoría de los productos evaluados, obteniendo mejores resultados que las arquitecturas VQC y Residual Hybrid.
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.
Cuando se aplican los métodos de análisis propios de la Mecánica Cuántica al estudio de la información , se obtienen resultados no reconciliables con la Teoría de la información.Clasíca.Suge así un nuevo paradigma de descripción formal de la información:el proporcionado por la Teoría de la Información Cuántica. En los últimos años esta reciente disciplina ha experimentado un enorme progreso que ha puesto en evidencia sus grande ventejas potenciales , respecto a su análogo clásico, en el tratamiento, transmisión y especialmente protección de información clásica. Sin embargo, del mismo modo que este último recurso (la protección de información clasíca)es imprescindible para la sociedad actual, debido a la expansión y popularización de las redes abiertas de ordenadores, el problema cuántico análogo (la protección de información puramente cuántica)también podría tener gran importancia en los futuros sistemas cuánticos de comunicación. La protección de la información está fuertemente relacionada con dos de lso principales servicios criptográficos:La confidencialiddad y la integridad o autenticación de información.El propósito de esta tesis es estudiar la viabilidad de la versión cuántica del segundo de estos servicios y desarrollar protocolos eficientes par la autenticación de información cuántica,es decir , sistemas criptográficos que garanticen que un mensaje de naturaleza cuántica no ha sido modificado o reemplazddo sin aautorización en el canal de comunicaciones.Asimismo , se estudian las posibles ventajas del prceso cuántico de la información , respecto al clásico, en la autenticación de información exclusivamente clásica.
Se pretende que el alumno desarrolle un proyecto de investigación asociado a la simulación numérica de la dinámica y control de sistemas estocásticos con potenciales aplicaciones en el novedoso campo de las tecnologías cuánticas. Objetivo 1) Utilizar software adaptado al análisis y simulación numérica de ecuaciones diferenciales estocásticas. Objetivo 2) Modelización y simulación de sistemas lineales estocásticos análogos a sistemas cuánticos lineales. Objetivo 3) Planteamiento de protocolos de control óptimo sobre estos sistemas. Objetivo 4) Simulación de la dinámica y control óptimo de un sistema cuántico lineal. \nEl control es una rama interdisciplinar de la ingeniería y las matemáticas, aplicada al comportamiento de los sistemas dinámicos. Un controlador manipula la entrada o estado inicial del sistema para lograr un efecto deseado en un estado posterior o salida. Hoy en día, prácticamente todo sistema mecánico y electrónico posee un sistema de control asociado, por sencillo que sea. Un sistema de control simple consiste en una acción sobre el sistema y la obtención del resultado esperado sobre el mismo. Sin embargo, para evitar un final abierto, los sistemas realizan, por lo regular, mediciones intermedias sobre sus salidas y con esa información el sistema es retroalimentado para modificar la acción de control reiniciando el ciclo de entrada-salida. Por otra parte, el desarrollo de nuevas tecnologías basadas en dispositivos cuyas leyes vienen dictadas por la mecánica cuántica se ha convertido en una prioridad para el desarrollo tecnológico actual y diversas aplicaciones tales como las comunicaciones, sensores y computadores cuánticos esperan a su desarrollo para ser implementadas. Esto exige que la rama del control cuántico se desarrolle. Sin embargo, algunas cualidades de la mecánica cuántica no permiten pasar fácilmente el esquema del control clásico al ámbito cuántico. Clásicamente, es posible adquirir toda la información necesaria y emplearla de manera eficiente para retroalimentar el sistema y especializar la acción de control al estado actual. Por el contrario, en un sistema cuántico no toda la información es asequible mediante una medición y, además, todo intento de medir el sistema lo perturba de manera notable. Técnicamente, las ecuaciones dinámicas en un proceso tal, son ecuaciones diferenciales estocásticas no lineales en lugar de las ecuaciones diferenciales deterministas de los sistemas clásicos. En este proyecto, el alumno implementará un software de simulación de sistemas estocásticos adaptado a las peculiaridades de sistemas cuánticos lineales para a continuación, ensayar la validez de diversos protocolos de control óptimo propuestos para estos sistemas
El problema de la flecha del tiempo y la reversibilidad son tópicos centrales de la historia de la Física. Con el advenimiento de las tecnologías cuánticas, se presenta la oportunidad de estudiar sistemas cuánticos individuales, vinculando los problemas mencionados con desafíos tecnológicos. Nuestro objetivo es investigar la irreversibilidad en procesadores cuánticos, en relación al estudio de distintos modelos de ruido. Para ello, generamos circuitos cuánticos aleatorios, seguido de sus circuitos inversos. Si el dispositivo considerado fuera ideal, deberíamos recuperar el estado inicial de la computadora cuántica (es decir, aquel en el que todos los n qubits involucrados en un circuito están en cero |000...⟩). Sin embargo, esto no es así en presencia de ruido. De esta forma, nos proponemos estudiar cómo se comporta la magnitud M = |⟨000...|f⟩|2 (donde |f⟩ es el estado final) para distintos tipos de ruido en circuitos cuánticos aleatorios. Esto puede pensarse como una estrategia similar a la que se utiliza para estudiar el eco de Loschmidt en sistemas de múltiples spines [2]. Usamos QISKIT [1] para calcular los valores de M asociados a dichos circuitos, utilizando simuladores de distintos prototipos de computadoras cuánticas, de forma tal de evaluar el solapamiento entre los estados finales y los iniciales, simulando mediciones de los estados finales. De esta forma, se obtienen histogramas que muestran las distribuciones de los valores de M asociados a los circuitos para distintos modelos de ruido. Los parámetros de las simulaciones son: el dispositivo cuántico simulado, el tipo de ruido, el número de qubits por circuito, y la profundidad del circuito (cantidad de capas de compuertas). De esta forma, se busca evaluar cómo se comporta la irreversibilidad en relación al ruido en distintas arquitecturas de procesadores cuánticos. Un objetivo a futuro es comparar los resultados obtenidos con lo que se obtendría con dinámicas No-Hermíticas [3].