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

Algoritmos Cuánticos Variacionales: Teoría y Simulación

Rafael Blasco Lorenzo

Published Jul 31, 2026• 0 citations
OpenAlex

Abstract

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.

Related papers

Memory Management in Software Quantum Computing Simulators

Gilberto Javier Díaz

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.

•Feb 3, 2025•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

Estudio comparativo de soluciones algorítmicas bajo el contexto de la computacion clásica y computación cuántica : estudio comparativo de soluciones algorítmicas bajo el contexto de la computacion clásica y computación cuántica para problemas de busqueda

Ivan Dario Simbaña Farinango

El presente trabajo de integración curricular tiene como objetivo analizar y comparar el desempeño de un algoritmo de búsqueda clásico y de un cuántico, en específico el algoritmo de Grover, con el fin de analizar y contrastar la ventaja computacional teórica y asintótica que proporciona la computación cuántica frente a los algoritmos clásicos, considerando las limitaciones del hardware cuántico actual. Se analizan las bases teóricas de estos dos enfoques, su complejidad temporal y su comportamiento frente a conjuntos de datos de tamaño distinto. La metodología que se emplea es la simulación de ambos algoritmos, es experimental, ya que permite observar y realizar comparaciones de tiempo y eficiencia para la localización de un elemento objetivo. En el caso del algoritmo cuántico, se implementa el algoritmo de Grover mediante simuladores cuánticos, analizando el impacto del número de qubits y de las iteraciones en los resultados obtenidos. Los resultados muestran que para la búsqueda clásica la complejidad de tiempo es O(n) en cambio en el caso del algoritmo de Grover esta se reduce a O(√n) siendo una mejora interesante que se centra en un n grande. A pesar de esto, existen limitaciones en la implementación de ordenadores cuánticos en la actualidad. Por último, se concluyó que el algoritmo de Grover es una alternativa bastante interesante para resolver problemas de búsqueda no estructurada y se muestra el potencial de la computación cuántica como una tecnología emergente con aplicaciones en la ingeniería.

•May 28, 2026•0 citations

Simulación de algoritmos cuánticos en GPU

Pablo Izquierdo Fraile

La computación cuántica es un campo de la ingeniería informática que actualmente empieza a ser de gran relevancia debido a su capacidad de mejora de eficiencia para la resolución de ciertas tareas de la computación. En este Trabajo de Fin de Grado se ven algunos de los algoritmos cuánticos más importantes, ya sea porque sirven para demostrar la ventaja cuántica frente a la clásica o porque tienen una gran utilidad en áreas como la criptografía, la inteligencia artificial o las comunicaciones. Los algoritmos cuánticos se basan en la manipulación de un vector, denominado vector de estado, que define el estado en el que se encuentran los cúbits, o bits cuánticos, y que será una superposición de los valores definidos como 0 y 1. Esto se hace para maximizar la probabilidad de un estado, o conjunto de estados, que serán la solución o facilitarán su obtención. En los computadores cuánticos reales esto se hace de manera natural, ya que la mecánica cuántica está presente en la naturaleza del universo, aunque estos son escasos debido al lento avance que se tiene, por lo que su uso es limitado. Por tanto, se utilizan computadores clásicos para simular las operaciones cuánticas sobre el vector de estado, de forma que se pueda comprobar el correcto funcionamiento de nuevos algoritmos sin tener que ejecutarlos en un computador cuántico. El problema que existe es la gran capacidad de memoria que se necesita tener, ya que el vector de estado crece exponencialmente con el número de cúbits que se desea simular, y el tiempo necesario para llevar a cabo la simulación. Para ello se utilizarán técnicas de paralelización de código en CPU y en GPU, de forma que se disminuya en gran medida el tiempo de simulación. Se realizará un estudio comparativo del rendimiento que ofrece cada versión del código, de forma que se determine la necesidad de cada una de las técnicas de computación de alto rendimiento para realizar simulaciones de computación cuántica. ABSTRACT Quantum computing is a field of computer engineering which is currently beginning to gain importance due to the capacity for efficiency improvement in the resolution of certain tasks of computation. In this Final Degree Project several of the most important quantum algorithms are going to be studied either because of their ability to demonstrate the quantum advantage over the classical computation or because they are useful in areas like cryptography, artificial intelligence or communications. Quantum algorithms are based on the manipulation of a vector, named state vector, that defines the state that qubits, or quantum bits have, which is a superposition of the values defined as 0 and 1. This vector manipulation is done to maximise the probability of a state or group of states that are the solution or that will facilitate obtaining it. In real quantum computers this is done naturally, since quantum mechanics are present in the nature of the universe, although these computers are scarce due to the slow progress being made in this field, so their use is limited. Therefore, classical computers are used to simulate the quantum operations on the state vector, such that proper functioning of new algorithms can be verified without needing to run them on a quantum computer. The problem is the memory capacity that is needed, because the state vector grows exponentially with the number of qubits that are wanted to simulate, in addition to the time that this simulation requires. For this reason, techniques of parallelization in CPU and GPU will be utilized, so that the time of simulation can be decreased. A comparative study of performance from each code version will be conducted, in a way that the necessity of each technique of high-performance computing for performing simulations of quantum computing can be determined.

•Jan 1, 2026•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

Control cuántico óptimo realimentado de un qubit de estado sólido

Sebastián García Cutillas

El control es una rama interdisciplinar entre la ingeniería y las matemáticas, cuyo objetivo es la manipulación activa del comportamiento de cualquier sistema dinámico. Actualmente, con el desarrollo de nuevas tecnologías basadas en dispositivos cuyas leyes vienen dictadas por la mecánica cuántica, el desarrollo de técnicas de control aplicadas a estos sistemas se ha convertido en una prioridad para el desarrollo tecnológico actual. \nEl principal problema radica en que 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 (SDE1) no lineales en lugar de las ecuaciones diferenciales deterministas de los sistemas clásicos. \nEl dominio de las tecnologías cuánticas se divide en cuatro campos destacables [1]: Sensores cuánticos, donde la alta sensibilidad de los sistemas cuánticos a las perturbaciones se aprovecha para mejorar la precisión de las medidas de magnitudes físicas; Comunicación cuántica, donde los fotones se usan para transmitir datos e información de una manera segura; Simulación cuántica, donde un sistema cuántico controlado puede simular el comportamiento de otro sistema cuántico menos accesible; y Computación cuántica, donde mediante los fenómenos cuánticos se puede conseguir una disminución drástica del tiempo de computación en cálculos numéricos. \nSabiendo los campos de actuación de estas tecnologías y mirando al futuro, del mismo modo que el transistor supone actualmente un elemento imprescindible en la industria, parece difícil no creer que las tecnologías cuánticas supondrán una revolución en sectores como la industria aeroespacial, automotriz o manufacturera, así como en salud, agricultura o finanzas. \nEl desarrollo de las tecnologías cuánticas ha conseguido captar mucha atención en las últimas décadas. Como aparece explicado en [1], parte de este impulso se debe al “Quantum Manifesto”, un documento generado en 2016 por la comunidad científica donde se realiza un llamamiento a gobiernos e industrias para apoyar esta tecnología. El interés generado por este documento fue respondido por la Comisión Europa mediante un proyecto de 10 años de duración (Flagship) y con una inversión de más de un billón de euros iniciales, aumentando en volumen cada año que pasa. Por otro lado, potencias mundiales como China, Rusia, Australia, Estados Unidos o Canadá son actualmente líderes en el desarrollo de tecnologías cuánticas. A nivel empresarial, compañías como Intel, HP, Toshiba y Microsoft, con IMB y Google a la cabeza, apuestan por la investigación en los campos de las tecnologías cuánticas como la computación y la comunicación cuánticas. \nCon este trabajo se pretende desarrollar un proyecto de investigación enfocado a la simulación numérica de la dinámica y control de un Qubit (bit cuántico): la nueva unidad de información elemental de la teoría de la información cuántica. A diferencia de un bit clásico que solo presenta dos estados posibles, un bit cuántico puede presentar ambos estados al mismo tiempo, es decir, el estado de un Qubit es una combinación lineal de los estados elementales de un bit clásico. \nEsta característica es la que define el potencial de los Qubits como nueva tecnología. Por este mismo motivo, el Qubit, como su propio nombre indica, es un sistema cuántico, estando sometido y regido por las leyes de estos. \nEn el primer capítulo del trabajo, se realizará una breve introducción a las tecnologías cuánticas, ilustrando el formalismo cuántico a través de la computación cuántica. En esta sección, se estudiará el Qubit, sus estados y las operaciones a las que son sometidos. En el segundo capítulo, se introducirá el modelo de control empleado para sistemas cuánticos en general, concretando para la dinámica y control de un Qubit. En el siguiente capítulo, analizaremos los resultados obtenidos a través de las diferentes simulaciones llevadas a cabo mediante métodos numéricos. En este punto, comprobaremos qué tan bueno es el control propuesto en la bibliografía para un Qubit y si es robusto ante diferentes situaciones. Se cerrará el proyecto con un capítulo dedicado a las conclusiones extraídas y los posibles trabajos de interés que se pueden realizar en un futuro.

•Oct 1, 2019•0 citations
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.
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.
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.
El presente trabajo de integración curricular tiene como objetivo analizar y comparar el desempeño de un algoritmo de búsqueda clásico y de un cuántico, en específico el algoritmo de Grover, con el fin de analizar y contrastar la ventaja computacional teórica y asintótica que proporciona la computación cuántica frente a los algoritmos clásicos, considerando las limitaciones del hardware cuántico actual. Se analizan las bases teóricas de estos dos enfoques, su complejidad temporal y su comportamiento frente a conjuntos de datos de tamaño distinto. La metodología que se emplea es la simulación de ambos algoritmos, es experimental, ya que permite observar y realizar comparaciones de tiempo y eficiencia para la localización de un elemento objetivo. En el caso del algoritmo cuántico, se implementa el algoritmo de Grover mediante simuladores cuánticos, analizando el impacto del número de qubits y de las iteraciones en los resultados obtenidos. Los resultados muestran que para la búsqueda clásica la complejidad de tiempo es O(n) en cambio en el caso del algoritmo de Grover esta se reduce a O(√n) siendo una mejora interesante que se centra en un n grande. A pesar de esto, existen limitaciones en la implementación de ordenadores cuánticos en la actualidad. Por último, se concluyó que el algoritmo de Grover es una alternativa bastante interesante para resolver problemas de búsqueda no estructurada y se muestra el potencial de la computación cuántica como una tecnología emergente con aplicaciones en la ingeniería.
La computación cuántica es un campo de la ingeniería informática que actualmente empieza a ser de gran relevancia debido a su capacidad de mejora de eficiencia para la resolución de ciertas tareas de la computación. En este Trabajo de Fin de Grado se ven algunos de los algoritmos cuánticos más importantes, ya sea porque sirven para demostrar la ventaja cuántica frente a la clásica o porque tienen una gran utilidad en áreas como la criptografía, la inteligencia artificial o las comunicaciones. Los algoritmos cuánticos se basan en la manipulación de un vector, denominado vector de estado, que define el estado en el que se encuentran los cúbits, o bits cuánticos, y que será una superposición de los valores definidos como 0 y 1. Esto se hace para maximizar la probabilidad de un estado, o conjunto de estados, que serán la solución o facilitarán su obtención. En los computadores cuánticos reales esto se hace de manera natural, ya que la mecánica cuántica está presente en la naturaleza del universo, aunque estos son escasos debido al lento avance que se tiene, por lo que su uso es limitado. Por tanto, se utilizan computadores clásicos para simular las operaciones cuánticas sobre el vector de estado, de forma que se pueda comprobar el correcto funcionamiento de nuevos algoritmos sin tener que ejecutarlos en un computador cuántico. El problema que existe es la gran capacidad de memoria que se necesita tener, ya que el vector de estado crece exponencialmente con el número de cúbits que se desea simular, y el tiempo necesario para llevar a cabo la simulación. Para ello se utilizarán técnicas de paralelización de código en CPU y en GPU, de forma que se disminuya en gran medida el tiempo de simulación. Se realizará un estudio comparativo del rendimiento que ofrece cada versión del código, de forma que se determine la necesidad de cada una de las técnicas de computación de alto rendimiento para realizar simulaciones de computación cuántica. ABSTRACT Quantum computing is a field of computer engineering which is currently beginning to gain importance due to the capacity for efficiency improvement in the resolution of certain tasks of computation. In this Final Degree Project several of the most important quantum algorithms are going to be studied either because of their ability to demonstrate the quantum advantage over the classical computation or because they are useful in areas like cryptography, artificial intelligence or communications. Quantum algorithms are based on the manipulation of a vector, named state vector, that defines the state that qubits, or quantum bits have, which is a superposition of the values defined as 0 and 1. This vector manipulation is done to maximise the probability of a state or group of states that are the solution or that will facilitate obtaining it. In real quantum computers this is done naturally, since quantum mechanics are present in the nature of the universe, although these computers are scarce due to the slow progress being made in this field, so their use is limited. Therefore, classical computers are used to simulate the quantum operations on the state vector, such that proper functioning of new algorithms can be verified without needing to run them on a quantum computer. The problem is the memory capacity that is needed, because the state vector grows exponentially with the number of qubits that are wanted to simulate, in addition to the time that this simulation requires. For this reason, techniques of parallelization in CPU and GPU will be utilized, so that the time of simulation can be decreased. A comparative study of performance from each code version will be conducted, in a way that the necessity of each technique of high-performance computing for performing simulations of quantum computing can be determined.
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.
El control es una rama interdisciplinar entre la ingeniería y las matemáticas, cuyo objetivo es la manipulación activa del comportamiento de cualquier sistema dinámico. Actualmente, con el desarrollo de nuevas tecnologías basadas en dispositivos cuyas leyes vienen dictadas por la mecánica cuántica, el desarrollo de técnicas de control aplicadas a estos sistemas se ha convertido en una prioridad para el desarrollo tecnológico actual. \nEl principal problema radica en que 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 (SDE1) no lineales en lugar de las ecuaciones diferenciales deterministas de los sistemas clásicos. \nEl dominio de las tecnologías cuánticas se divide en cuatro campos destacables [1]: Sensores cuánticos, donde la alta sensibilidad de los sistemas cuánticos a las perturbaciones se aprovecha para mejorar la precisión de las medidas de magnitudes físicas; Comunicación cuántica, donde los fotones se usan para transmitir datos e información de una manera segura; Simulación cuántica, donde un sistema cuántico controlado puede simular el comportamiento de otro sistema cuántico menos accesible; y Computación cuántica, donde mediante los fenómenos cuánticos se puede conseguir una disminución drástica del tiempo de computación en cálculos numéricos. \nSabiendo los campos de actuación de estas tecnologías y mirando al futuro, del mismo modo que el transistor supone actualmente un elemento imprescindible en la industria, parece difícil no creer que las tecnologías cuánticas supondrán una revolución en sectores como la industria aeroespacial, automotriz o manufacturera, así como en salud, agricultura o finanzas. \nEl desarrollo de las tecnologías cuánticas ha conseguido captar mucha atención en las últimas décadas. Como aparece explicado en [1], parte de este impulso se debe al “Quantum Manifesto”, un documento generado en 2016 por la comunidad científica donde se realiza un llamamiento a gobiernos e industrias para apoyar esta tecnología. El interés generado por este documento fue respondido por la Comisión Europa mediante un proyecto de 10 años de duración (Flagship) y con una inversión de más de un billón de euros iniciales, aumentando en volumen cada año que pasa. Por otro lado, potencias mundiales como China, Rusia, Australia, Estados Unidos o Canadá son actualmente líderes en el desarrollo de tecnologías cuánticas. A nivel empresarial, compañías como Intel, HP, Toshiba y Microsoft, con IMB y Google a la cabeza, apuestan por la investigación en los campos de las tecnologías cuánticas como la computación y la comunicación cuánticas. \nCon este trabajo se pretende desarrollar un proyecto de investigación enfocado a la simulación numérica de la dinámica y control de un Qubit (bit cuántico): la nueva unidad de información elemental de la teoría de la información cuántica. A diferencia de un bit clásico que solo presenta dos estados posibles, un bit cuántico puede presentar ambos estados al mismo tiempo, es decir, el estado de un Qubit es una combinación lineal de los estados elementales de un bit clásico. \nEsta característica es la que define el potencial de los Qubits como nueva tecnología. Por este mismo motivo, el Qubit, como su propio nombre indica, es un sistema cuántico, estando sometido y regido por las leyes de estos. \nEn el primer capítulo del trabajo, se realizará una breve introducción a las tecnologías cuánticas, ilustrando el formalismo cuántico a través de la computación cuántica. En esta sección, se estudiará el Qubit, sus estados y las operaciones a las que son sometidos. En el segundo capítulo, se introducirá el modelo de control empleado para sistemas cuánticos en general, concretando para la dinámica y control de un Qubit. En el siguiente capítulo, analizaremos los resultados obtenidos a través de las diferentes simulaciones llevadas a cabo mediante métodos numéricos. En este punto, comprobaremos qué tan bueno es el control propuesto en la bibliografía para un Qubit y si es robusto ante diferentes situaciones. Se cerrará el proyecto con un capítulo dedicado a las conclusiones extraídas y los posibles trabajos de interés que se pueden realizar en un futuro.