La simulación clásica de circuitos cuánticos sigue siendo un recurso indispensable para diseñar, validar y analizar algoritmos cuánticos. No obstante, en los simuladores de estado completo su alcance práctico queda limitado por el crecimiento exponencial de la memoria requerida para almacenar el vector de estado. En respuesta a esta restricción, el presente trabajo estudia la compresión sin pérdida como mecanismo de gestión de memoria en simuladores cuánticos tipo Schrödinger, con el objetivo de reducir la huella de almacenamiento sin introducir alteraciones numéricas en la simulación. La propuesta comprende la selección de un simulador base y de una biblioteca de compresión adecuada, el diseño de una arquitectura de almacenamiento por bloques con descompresión selectiva y caché LRU, su implementación en TMFQSfullstate mediante Blosc2 y su evaluación experimental frente a una ejecución de referencia sin compresión y a una estrategia con pérdida controlada basada en ZFP. La validación se realizó con circuitos representativos de comportamientos contrastantes de compresibilidad, en particular Grover y la transformada cuántica de Fourier, para instancias entre 20 y 25 qubits. Los resultados muestran que la estrategia sin pérdida basada en Blosc logra reducciones significativas de memoria en escenarios favorables, especialmente en Grover, manteniendo coincidencia exacta con la referencia no comprimida y error absoluto máximo nulo en todos los casos evaluados. También evidencian que la eficacia de la compresión depende de la estructura del estado cuántico y del patrón de acceso al vector, por lo que no puede asumirse un beneficio uniforme entre algoritmos. En conjunto, el trabajo demuestra que la compresión sin pérdida es una alternativa viable para ampliar la capacidad práctica de simulación cuando la memoria es la restricción dominante y el estado conserva regularidades aprovechables.
La simulación clásica de circuitos cuánticos sigue siendo un recurso indispensable para diseñar, validar y analizar algoritmos cuánticos. No obstante, en los simuladores de estado completo su alcance práctico queda limitado por el crecimiento exponencial de la memoria requerida para almacenar el vector de estado. En respuesta a esta restricción, el presente trabajo estudia la compresión sin pérdida como mecanismo de gestión de memoria en simuladores cuánticos tipo Schrödinger, con el objetivo de reducir la huella de almacenamiento sin introducir alteraciones numéricas en la simulación. La propuesta comprende la selección de un simulador base y de una biblioteca de compresión adecuada, el diseño de una arquitectura de almacenamiento por bloques con descompresión selectiva y caché LRU, su implementación en TMFQSfullstate mediante Blosc2 y su evaluación experimental frente a una ejecución de referencia sin compresión y a una estrategia con pérdida controlada basada en ZFP. La validación se realizó con circuitos representativos de comportamientos contrastantes de compresibilidad, en particular Grover y la transformada cuántica de Fourier, para instancias entre 20 y 25 qubits. Los resultados muestran que la estrategia sin pérdida basada en Blosc logra reducciones significativas de memoria en escenarios favorables, especialmente en Grover, manteniendo coincidencia exacta con la referencia no comprimida y error absoluto máximo nulo en todos los casos evaluados. También evidencian que la eficacia de la compresión depende de la estructura del estado cuántico y del patrón de acceso al vector, por lo que no puede asumirse un beneficio uniforme entre algoritmos. En conjunto, el trabajo demuestra que la compresión sin pérdida es una alternativa viable para ampliar la capacidad práctica de simulación cuando la memoria es la restricción dominante y el estado conserva regularidades aprovechables.
La computación cuántica promete una potencia computacional sin precedentes al aprovechar principios mecánicos cuánticos como la superposición y el entrelazamiento. Sin embargo, el hardware cuántico actual está limitado por la cantidad de cúbits y las altas tasas de error, lo que dificulta la prueba de algoritmos cuánticos complejos a escala. Como resultado, los simuladores cuánticos basados en software que se ejecutan en computadoras clásicas se han convertido en herramientas esenciales para explorar algoritmos y rincipios cuánticos. Estos simuladores, aunque potentes, requieren recursos de memoria significativos debido al crecimiento exponencial de los tamaños de los estados cuánticos. Por ejemplo, representar un estado de N cúbits requiere 2^N números complejos, lo que supone una carga inmensa para los sistemas de memoria clásicos. Este trabajo investiga estrategias de gestión de memoria para optimizar el uso de recursos en simuladores de computación cuántica. Las técnicas exploradas incluyen la eliminación de estados, las estructuras de datos de estado completo, las optimizaciones de aplicaciones de puertas cuánticas, la compresión de datos y los enfoques de memoria distribuida. El objetivo es reducir el consumo de memoria al tiempo que se preserva la precisión de las simulaciones cuánticas. El estudio implementa estas estrategias en un simulador cuántico, proporcionando una comparación detallada de su rendimiento en varios algoritmos cuánticos. Los resultados resaltan las compensaciones entre la eficiencia computacional y el uso de la memoria, ofreciendo información sobre los enfoques más efectivos para escalar simulaciones cuánticas en hardware clásico.
La corrección cuántica de errores constituye una condición esencial para construir computadores cuánticos capaces de ejecutar algoritmos largos y fiables. A diferencia de la corrección clásica, debe proteger estados cuánticos sin medir directamente ni destruir la información codificada, mediante redundancia, mediciones de síndrome y decodificación. El objetivo de este artículo es revisar el estado del arte entre 2020 y 2026, considerando códigos de superficie, códigos cuánticos de baja densidad de paridad (qLDPC), códigos bosónicos, decodificadores y circuitos dinámicos, así como su relación con aplicaciones prácticas. Se desarrolló una revisión narrativa de literatura científica y fuentes institucionales, con énfasis en resultados experimentales recientes y en las limitaciones que separan las demostraciones de memoria lógica de la ejecución de algoritmos útiles a gran escala. La literatura muestra avances en operación por debajo del umbral, reducción de errores lógicos al aumentar la distancia del código, decodificación en tiempo real y arquitecturas alternativas que buscan reducir el costo físico. Sin embargo, persisten desafíos relacionados con errores correlacionados, fuga de estados computacionales, conectividad, latencia, recursos para puertas lógicas tolerantes a fallos y escalabilidad. Las aplicaciones más prometedoras incluyen simulación cuántica, química y materiales, optimización y criptografía, aunque la corrección de errores no demuestra por sí sola una ventaja práctica en esas tareas. Se concluye que el progreso debe evaluarse por la calidad de los qubits lógicos, el costo total de recursos y la ejecución fiable de circuitos completos, no solo por el número de qubits físicos.
La computación cuántica tiene una base teórica de más de tres décadas que muestra aceleraciones polinómicas y exponenciales sobre los algoritmos clásicos. Los procesadores que se construyen hoy, sin embargo, son ruidosos, pequeños y de conectividad limitada, aún lejos de aprovechar esa ventaja en problemas de escala real. Este trabajo es un estudio experimental que mide qué tan profunda es esa brecha para cuatro algoritmos cuánticos fundamentales: Bernstein–Vazirani, Simon, Grover sobre instancias de k-SAT y la estimación cuántica de fase. Para cada algoritmo se construyó una contraparte clásica de referencia y se evaluaron, por cada tamaño de entrada, todas las combinaciones posibles de tres modelos de ruido (error de lectura, despolarizante y relajación térmica) con tres topologías de hardware (ideal, lineal de 20 qubits y heavy-hex de 127 qubits, esta última inspirada en el chip ibm_brisbane). El estudio se hizo enteramente en simulación porque permite controlar de forma independiente cada parámetro del ruido y de la conectividad, condición necesaria para hacer comparaciones limpias entre escenarios. Cada uno de los 39 escenarios resultantes por tamaño se repitió 25 veces y los resultados se reportan con intervalo de confianza al 95 % calculado con la t de Student. Toda la infraestructura (algoritmos, generador de instancias, modelos de ruido, scripts de análisis e interfaz gráfica para exploración interactiva) queda reproducible y abierta. Los hallazgos principales son tres. Primero, la ventaja teórica sobrevive en los algoritmos de poca profundidad como Bernstein–Vazirani, mientras que en Grover y en la estimación de fase el ruido deteriora rápidamente el speedup a medida que crece el número de iteraciones. Segundo, el tipo de ruido importa tanto como su nivel: el error de lectura es el menos agresivo porque no se acumula con la profundidad del circuito, mientras que el despolarizante es el más severo. Tercero, la topología influye de forma indirecta pero significativa porque condiciona la cantidad de compuertas SWAP que el compilador debe insertar y, por esa vía, aumenta la profundidad efectiva del circuito. El framework, los datos y los análisis quedan disponibles para quien quiera prototipar pruebas de algoritmos cuánticos en la era NISQ sin depender de tiempo en hardware real.
En este trabajo se estudia el uso de algoritmos cuánticos variacionales para la discriminación de estados cuánticos, mediante el entrenamiento de un clasificador cuántico simulado capaz de implementar esquemas de medición que aproximan mediciones óptimas. Este enfoque permite estudiar estrategias de medición desde una perspectiva híbrida clásico–cuántica, aprovechando las capacidades de los dispositivos NISQ y evitando la complejidad asociada a implementaciones experimentales directas. En una primera parte, se valida el desempeño del clasificador mediante la reproducción parcial de un esquema de redes neuronales cuánticas variacionales propuesto previamente en la literatura. Se analizan tanto el régimen de discriminación de mínimo error como el de discriminación inequívoca, comparando los resultados numéricos con las cotas teóricas obtenidas a partir del límite de Helstrom y de técnicas de programación semidefinida. En el régimen de discriminación inequívoca, el clasificador logra aproximarse de manera robusta a las cotas teóricas, incluso para conjuntos de entrenamiento reducidos. En una segunda parte, el clasificador se generaliza para abordar problemas más complejos que involucran familias de estados asociadas a la Medición Conjunta Elegante (EJM), así como a familias de estados de Popescu y de Werner, tanto en escenarios binarios como en multiclase. Los resultados muestran que, para estas familias, la discriminación inequívoca es imposible y que, en el régimen de mínimo error, el desempeño del clasificador se ve limitado por restricciones geométricas asociadas al rango y al soporte de los operadores de medición implementados.
El documento presenta la validación empírica y simulación mediante código de un modelo de computación cuántica extendida basado en el principio de dimensiones comprimidas o compactificadas, en analogía directa con los postulados de la teoría de cuerdas. A través de diez demostraciones y pruebas de estrés graduales (alcanzando desde 10× hasta 1000×), el estudio demuestra los siguientes puntos clave: Capacidad de Almacenamiento Lógico Extendido: Un sistema cuántico que utiliza reglas de compresión dimensional puede almacenar mayor información lógica (entropía) que la permitida por la cantidad física de qubits, logrando un rango óptimo de expansión en configuraciones de 4 a 20 bases (con un rendimiento superior en 4 bases y 3 qubits, equivalente a una eficiencia cuántica del 80% y una compresión lógica del 160%). Límites Físicos y Rigidez Estructural: La ampliación del espacio lógico no es infinita; al intentar "estirar" el espacio comprimido aumentando desmedidamente las bases o aplicando factores de escalado térmico/energético, el sistema aplica una auto-normalización que bloquea la sobrecarga y restringe la entropía a una capacidad fija estable. Plegamiento y Modos Estacionarios: Se identifican patrones de fase (lineal, cuadrático y alternante) que actúan como modos propios estacionarios, permitiendo que el denominado "bolsillo dimensional" (o espacio interno) se pliegue sin perder estructura ni coherencia interna. Resistencia y Ultraestabilidad: El espacio comprimido demuestra ser indestructible bajo cargas cuánticas progresivas y ruido cuántico, manteniendo la varianza de peso cercana a cero y la entropía estable sin sufrir saturación, rupturas ni degradación. Aplicaciones Tecnológicas Prácticas: Se establecen las bases teóricas y experimentales para el desarrollo de bolsas de almacenamiento dimensional, anillos de almacenamiento cuántico y Núcleos de Identidad Dimensional (NID) orientados a arquitecturas cuánticas avanzadas y compresión reversible de datos.
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.