El objetivo central del trabajo consiste en realizar una comparación entre dos arquitecturas modernas de redes neuronales basadas en grafos (la red neuronal de paso de mensaje (MP-GNN) y la <<universal bag of nodes>> (UBoN)), usadas como ansätze para el estado fundamental de un modelo de espines, y las arquitecturas basadas en mecanismos de atención, en concreto el <<vision transformer>>. Evaluando la eficacia y precisión de cada una de ellas a la hora de aproximar el estado fundamental de el sistema.
El objetivo central del trabajo consiste en realizar una comparación entre dos arquitecturas modernas de redes neuronales basadas en grafos (la red neuronal de paso de mensaje (MP-GNN) y la <<universal bag of nodes>> (UBoN)), usadas como ansätze para el estado fundamental de un modelo de espines, y las arquitecturas basadas en mecanismos de atención, en concreto el <<vision transformer>>. Evaluando la eficacia y precisión de cada una de ellas a la hora de aproximar el estado fundamental de el sistema.
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.
En el presente trabajo de Tesis se examina el entrelazamiento cuántico y su rol en sistemas de espines y en modelos cuánticos de tiempo. En primer lugar, se aborda el problema de la determinación del entrelazamiento cuántico en sistemas de espines interactuantes por medio de aproximaciones de campo medio no convencionales. Un primer objetivo fue lograr una descripción física simple pero consistente de sistemas de espines en los que la aproximación de campo medio convencional (basada en espines independientes) no logra proporcionar siquiera una descripción básica razonable del estado fundamental, tal como sucede en sistemas dimerizados. En la segunda parte, se considera la aplicación del concepto de entrelazamiento al propio problema de la definición de tiempo y de la cuantificación de la evolución. Se presenta y analiza un modelo cuántico de evolución discreta basado en correlaciones cuánticas entre un sistema dado y un sistema reloj de referencia, logrando incorporar la noción de tiempo dentro de la teoría cuántica como consecuencia del entrelazamiento entre dos partes de un estado en principio atemporal. Estas dos partes se encuentran vinculadas, ya que los estados de cadenas de espines dimerizados se pueden considerar, gracias al modelo discreto de tiempo propuesto, como relojes cuánticos de espines. Finalmente, se presenta un esquema experimental de fotón individual y un modulador espacial para simular un estado historia sistema-tiempo, realizado en colaboración con el Laboratorio de Procesado de Imágenes.
En esta tesis estudiaremos diversos aspectos del entrelazamiento entre diferentes particiones de sistemas de muchos cuerpos, tanto para el estado fundamental como para estados térmicos. Consideraremos en general aquellos sistemas definidos por Hamiltonianos cuadráticos en operadores locales y en particular el caso de redes de espines. Con este fin se desarrollará en primer lugar una generalización de la aproximación denominada CSPA de la función de partición de sistemas cuánticos compuestos, así como del formalismo RPA, al que se reduce el primero en situaciones donde el sistema admite soluciones de campo medio estables. A partir de la función de partición aproximada se estimará la concurrencia de pares para redes de espines 1/2 invariantes ante translaciones. Se mostrará también que en redes de espín 1/2 invariantes traslacionales la función de partición en la aproximación RPA puede evaluarse en forma analítica. En segundo lugar se presentará un mapeo bosónico consistente con RPA, que nos permitirá mapear el estado fundamental de un sistema general a un estado en el sistema de bosones que en primera aproximación pertenece a la clase de los estados Gaussianos. Esto nos permitirá estimar el entrelazamiento entre cualquier par de partes del sistema original en términos del entrelazamiento en estados Gaussianos, que puede ser evaluado exactamente. Luego se mostrarán resultados concretos en redes generales de espín s invariantes ante transformaciones de “paridad de espín z”. Veremos además como este tratamiento nos permite determinar las condiciones exactas para la existencia de un campo factorizante del sistema, esto es, configuraciones particulares del campo magnético externo para las que el sistema admite un (o en general varios) estado(s) fundamental(es) completamente separables. En los ejemplos estudiados, mostraremos cómo en el caso en que estos estados presenten ruptura espontánea de simetría el sistema desarrolla correlaciones cuánticas de largo alcance en la vecindad de ese punto, independientemente del alcance de las interacciones entre las partes. Finalmente se analizará en detalle el comportamiento exacto del sistema en esas condiciones.
Registro de autoría y asignación de DOI para la obra de investigación titulada "Coherencia Cuántica En Microtúbulos Neuronales". Este registro incluye la portada oficial del libro. Este libro escrito por el Físico Matemático Marcos Iván Vilchez Ruiz (Daz Zuvr) analiza el cerebro como un sistema físico regido por leyes cuánticas, desplazando el estudio de la red sináptica macroscópica hacia la dinámica de escala subneuronal. El trabajo se centra en identificar la interacción de estados de superposición y transferencia de energía dentro de la arquitectura molecular del citoesqueleto. El objetivo es delimitar el marco biofísico donde la estructura proteica y la geometría del espacio-tiempo convergen para definir una dinámica de procesamiento no algorítmica. El documento desarrolla, en primer lugar, el formalismo físico-matemático que vincula la energía de autogravitación de los estados del sistema con el tiempo de transición entre regímenes cuánticos y clásicos. Se analiza la propuesta de no-computabilidad de Penrose como eje para caracterizar procesos que exceden la lógica de los sistemas basados en algoritmos de Turing. Se revisan las bases para comprender la actividad cerebral como un fenómeno vinculado a eventos de auto-colapso intrínsecos en la materia. Posteriormente, se examina la topología de los microtúbulos y su comportamiento como cavidades resonantes dentro de la neurona. Se aborda la evidencia experimental derivada de la interacción con agentes anestésicos como sondas de interacción. Finalmente, la investigación concluye con una síntesis sobre la transición de fase entre los microestados cuánticos y la emergencia de la actividad macroscópica integrada donde se discuten las implicaciones de una física no algorítmica en la resolución de problemas de sincronía y unidad cerebral.Disponibilidad: El archivo adjunto en este registro es únicamente la imagen de la portada para fines de indexación y citación académica. El texto completo del libro, la metodología detallada y los resultados de la investigación se encuentran disponibles comercialmente de forma exclusiva en Amazon. https://www.amazon.com/dp/b0ghtv6f1z
El objetivo principal es acelerar el muestreo del espacio de configuraciones prescindiendo total o mayoritariamente del método de Metropolis-Hastings, en el cual se genera una cadena de estados mediante propuestas de mutaciones locales y un criterio de aceptación o rechazo. El muestreo directo eliminará problemas tales como las correlaciones entre muestras, facilitará la exploración global del espacio de configuraciones, y mejorará el escalado del método. Se busca poner a prueba esta idea con el hamiltoniano de Ising en campo transversal con interacciones de largo alcance, abordando tanto los casos uni- como bidimensionales. Para este cometido se rediseña la arquitectura Vision transformer(ViT) previamente existente en la literatura. La nueva arquitectura se denomina ARViT, consiguiendo computacionalmente convertir el vision transformer en una arquitectura autorregresiva, lo que se lleva a cabo con distintas herramientas como la inclusión de convoluciones internas controladas por una máscara causal. Se consigue aprovechar el ARViT para el muestreo directo comentado, consiguiendo una serie de mejoras tanto en los tiempos de ejecución como en la reconstrucción del estado fundamental mediante el método del Montecarlo variacional cuántico.
La adopción de modelos de aprendizaje automático en entornos clínicos exige soluciones que combinen precisión diagnóstica con eficiencia computacional e interpretabilidad. En este contexto, las redes tensoriales cuántico-inspiradas emergen como una alternativa prometedora a las arquitecturas profundas convencionales, gracias a su reducido número de parámetros y su fundamentación matemática rigurosa. Este Trabajo de Fin de Grado implementa, evalúa y analiza LoTeNet, una red tensorial basada en Matrix Product States (MPS), aplicada a la clasificación binaria de imágenes médicas. El modelo se entrena íntegramente desde cero, sin preentrenamiento ni transferencia de conocimiento, sobre dos conjuntos de datos de referencia: PCam, orientado a la detección de metástasis en tejido histológico, y PneumoniaMNIST, para el diagnóstico de neumonía en radiografías de tórax. A pesar de contar con únicamente 4.092 parámetros entrenables, el modelo alcanza un AUC de 0,9501 y 0,8635 respectivamente, resultados competitivos frente a arquitecturas de mayor complejidad como DenseNet121 y ResNet18. Entre las contribuciones originales del trabajo destaca una estrategia de inicialización near-identity, diseñada para mitigar el problema de vanishing gradients en cadenas MPS de gran longitud, que supone una mejora práctica relevante sobre las aproximaciones existentes. Asimismo, se realiza un análisis de explicabilidad empleando tres enfoques complementarios: Gradient×Input, Integrated Gradients y un método nativo basado en los logits espaciales de la arquitectura MPS, que permite una interpretación directa sin cálculo de gradientes. Los resultados sugieren que las redes tensoriales constituyen una vía viable para el diagnóstico asistido por ordenador, ofreciendo ventajas diferenciales en términos de XAI nativa, transparencia matemática y viabilidad de despliegue en dispositivos con recursos extremadamente limitados.