RESUMEN: La computación cuántica con átomos neutros se posiciona como una plataforma prometedora para la optimización combinatoria, gracias a su escalabilidad, a su flexibilidad geométrica y a la posibilidad de operar en modo analógico, en el que el sistema evoluciona de forma continua bajo la aplicación de un Hamiltoniano controlado por pulsos láser. En este trabajo se presentan los fundamentos de la plataforma, prestando especial atención al Hamiltoniano de Rydberg, que permite codificar restricciones lógicas de forma nativa en la geometría del registro atómico. Se introduce también el planteamiento de problemas de optimización a través de Hamiltonianos de Ising y su formulación QUBO. Por último, se exponen el teorema adiabático y el algoritmo cuántico adiabático (QAA), las bases de su implementación. Estos conceptos se aplican a la resolución del Minimal Maximal Matching (MMM), un problema NP-duro sobre grafos escogido para estudiar las capacidades y limitaciones de la plataforma. Tras formularlo en formato QUBO, se mapea al Hamiltoniano de Rydberg y se resuelve mediante el emulador cuántico Bloqade. La metodología se evalúa sobre un catálogo de grafos, analizando la dependencia de la probabilidad de éxito con el tiempo de barrido, la escala energética y las constantes de penalización. Finalmente, se discuten las dos principales limitaciones encontradas, el truncamiento de la matriz QUBO y la restricción geométrica del "embedding" 2D.
RESUMEN: La computación cuántica con átomos neutros se posiciona como una plataforma prometedora para la optimización combinatoria, gracias a su escalabilidad, a su flexibilidad geométrica y a la posibilidad de operar en modo analógico, en el que el sistema evoluciona de forma continua bajo la aplicación de un Hamiltoniano controlado por pulsos láser. En este trabajo se presentan los fundamentos de la plataforma, prestando especial atención al Hamiltoniano de Rydberg, que permite codificar restricciones lógicas de forma nativa en la geometría del registro atómico. Se introduce también el planteamiento de problemas de optimización a través de Hamiltonianos de Ising y su formulación QUBO. Por último, se exponen el teorema adiabático y el algoritmo cuántico adiabático (QAA), las bases de su implementación. Estos conceptos se aplican a la resolución del Minimal Maximal Matching (MMM), un problema NP-duro sobre grafos escogido para estudiar las capacidades y limitaciones de la plataforma. Tras formularlo en formato QUBO, se mapea al Hamiltoniano de Rydberg y se resuelve mediante el emulador cuántico Bloqade. La metodología se evalúa sobre un catálogo de grafos, analizando la dependencia de la probabilidad de éxito con el tiempo de barrido, la escala energética y las constantes de penalización. Finalmente, se discuten las dos principales limitaciones encontradas, el truncamiento de la matriz QUBO y la restricción geométrica del "embedding" 2D.
RESUMEN: La resolución de problemas NP mediante computadores cuánticos tiene gran interés debido al coste que supone para sistemas clásicos. Se estudia cómo computadores cuánticos basados en átomos neutros pueden resolver este tipo de problemas haciendo uso de algoritmos cuánticos. En concreto, se resuelve el problema de optimización de carteas, con aplicación inmediata al mundo real. Mediante dos procedimientos distintos, se muestra la versatilidad de los átomos neutros como tecnología de computación cuántica. Finalmente, se analizan los resultados obtenidos, especificando ventajas y cuellos de botella de los métodos empleados.
Este Trabajo Fin de Grado tiene como objetivo el estudio de la computación cuántica y el desarrollo de un algoritmo cuántico para la resolución de una variante del problema de satisfacibilidad booleana. La computación cuántica es una rama de investigación que está actualmente en sus inicios. Basa su funcionamiento en fenómenos de la física cuántica, que permite realizar cálculos de forma paralelizable. El interés por este campo surge por la capacidad que podrían alcanzar los ordenadores cuánticos de resolver problemas computacionalmente más rápido que los ordenadores clásicos. Tras la comprensión de los principios básicos de la computación cuántica se han estudiado en detalle algunos de los algoritmos cuánticos más conocidos, centrándose en el algoritmo de Grover. Finalmente se ha podido llevar a cabo el desarrollo de un algoritmo para resolver una variante del problema de satisfacibilidad booleana, el problema ‘Exactly-1 3-SAT’, que basa su funcionamiento en el algoritmo de Grover. Se han desarrollado tres posibles implementaciones de este algoritmo y se han realizado pruebas tanto en un simulador, como en un ordenador cuántico real. El problema ‘Exactly-1 3-SAT’ es un problema perteneciente a la clase de complejidad NP-completo, cuya resolución de forma cuántica reduce el tiempo de computación notablemente con respecto a la forma clásica.
Este trabajo se centra en el estudio de algoritmos de computación cuántica, con una introducción general al marco teórico de la computación cuántica, su naturaleza, estado actual y potencial en la resolución de problemas complejos. En particular, se aborda el uso de algoritmos cuánticos en tareas de optimización, un área de gran relevancia. Se analizarán problemas de optimización de funciones, enfocándonos en la optimización de diferentes tipos de potenciales. Para ello, se implementará el algoritmo QAOA (Quantum Approximate Optimization Algorithm), uno de los algoritmos cuánticos más representativos en este ámbito. Con el objetivo de contextualizar su rendimiento, se compararán sus resultados con los obtenidos mediante algoritmos clásicos de optimización como el método del descenso del gradiente y el método de Newton. El estudio incluirá tanto una comparación cuantitativa en términos de precisión, tiem- po de ejecución y calidad de la solución, como un análisis cualitativo de las diferencias entre enfoques clásicos y cuánticos. Asimismo, se examinará la influencia de los hiperparámetros de cada algoritmo sobre su rendimiento, con el propósito de identificar patrones o relaciones que permitan optimizar su configuración para distintos tipos de problemas.
Las tecnologías de superconductores, iones atrapados o átomos neutros sobre las que se fundamentan las arquitecturas de procesadores cuánticos, presentan tasas de error no asumibles para la ejecución de aplicaciones fiables a gran escala. Dentro del procesador cuántico, la corrección de errores se presenta como una capa de la arquitectura encargada de reducir la tasa de error que sufre la información del sistema; es decir, los qubits lógicos. Esta capa se divide en dos etapas: codificación, en el dominio cuántico, y decodificación, en el dominio clásico. La primera genera los qubits lógicos a partir de los qubits físicos y la segunda sirve para recuperar la información lógica en presencia de ruido que afecte a los qubits físicos. En la literatura existen múltiples propuestas de decodificación con distintas relaciones en cuanto a capacidad de corrección y complejidad. En este trabajo se estudia, en primer lugar, un método de decodificación basado en dos algoritmos: Belief Propagation (BP), de baja complejidad y poca precisión, y Ordered Statistics Decoder (OSD), más preciso y costoso. En segundo lugar y de manera exploratoria, se ha adaptado el algoritmo Gaussian Belief Propagation (GaBP), originalmente utilizado para la resolución de problemas clásicos en inteligencia artificial y rob ótica, a la corrección de errores cuánticos. Respecto a BP+OSD, se ha verificado su comportamiento comparándolo con el estado del arte. Adicionalmente, se ha elaborado un entorno de simulación que permite aumentar el paralelismo de la fase experimental con el fin de analizar tasas de error lógico reducidas, necesarias para sistemas reales. En cuanto a GaBP, se han propuesto más de diez versiones para obtener curvas de precisión similares a las que presenta BP+OSD, consiguiendo mantener una pendiente equivalente a la distancia del código.
[ES] En este trabajo, describiremos físicamente, modelaremos matemáticamente, y probaremos el funcionamiento práctico de un ordenador cuántico de tres qubits, SpinQ Triangulum, adquirido en un proyecto con investigadores principales de la Universitat Politécnica de Valéncia y la Universidad CEU Cardenal Herrera. Tras una breve introducción matemática sobre los fundamentos de la computación cuántica, presentaremos los algoritmos cuánticos que ejecutaremos en la computadora. Estos son el algoritmo de Grover para la búsqueda en bases de datos no estructuradas y el algoritmo Harrow-Hassidim-Lloyd (HHL) para resolver sistemas lineales de ecuaciones. Una vez hecho esto, nos adentraremos en la física de las diferentes propuestas de computación cuántica. Se discutirán los más comunes antes de centrar nuestra atención en la computación usando resonancia magnética nuclear (NMR). En la última sección de este trabajo, discutimos la física de SpinQ Triangulum y la implementación de los algoritmos que hemos visto. Como otra prueba, también vamos a probar si la desigualdad de Bell está o no verificada, para ver si hay entrelazamiento. Finalmente, haremos pruebas practicas y evaluaremos el comportamiento del ordenador.
Este trabajo presenta un estudio exploratorio y preliminar sobre la aplicación de un algoritmo cuántico variacional para resolver problemas de planificación minera a cielo abierto con capacidad de extracción flexible. El objetivo principal es evaluar la viabilidad técnica de la formulación propuesta y su resolución mediante QAOA, más que comparar su rendimiento frente a métodos clásicos o cubrir un amplio rango de instancias. Se desarrolla una formulación Quadratic Unconstrained Binary Optimization (QUBO) que incorpora variables de holgura para modelar restricciones de capacidad del tipo “menor o igual”, permitiendo operaciones por debajo de la capacidad máxima sin penalizaciones. La metodología emplea el Quantum Approximate Optimization Algorithm (QAOA) para optimizar la selección de bloques maximizando la ganancia económica de la extracción mientras respeta restricciones de precedencia geológica y límites operativos flexibles. El enfoque se valida mediante un caso de estudio en un yacimiento sintético de cobre de 18 bloques resuelto en un simulador cuántico, demostrando la capacidad del algoritmo cuántico para manejar la complejidad adicional introducida por las variables auxiliares. Esta investigación establece fundamentos para aplicar computación cuántica a problemas de planificación minera con mayor flexibilidad operativa.