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

Objetivos y oportunidades de la simulación cuántica

Juan Ignacio Cirac Sasturáin, P. Zoller

Published Jan 1, 2012• 0 citations
OpenAlex

Related papers

Simulaciones de sistemas cuánticos

Diego Porras, Juan Ignacio Cirac Sasturáin

Revista española de física•Jan 1, 2007•0 citations

Algoritmos Cuánticos Variacionales: Teoría y Simulación

Rafael Blasco Lorenzo

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.

•Jul 31, 2026•0 citations

Modeling quantum algorithms for the simulation of biological neural networks

Lucas Damián Alaniz Pintos

Este proyecto tiene como objetivo explorar el potencial de los algoritmos cuánticos en la simulación de redes neuronales biológicas. Aprovechando la computación cuántica en la nube proporcionada por IBM Quantum, se integran técnicas avanzadas de inteligencia artificial (IA) para optimizar y mejorar los modelos neuronales. Se utilizan datos detallados de conectividad y expresión génica obtenidos del Allen Brain Atlas, procesados y limpiados para facilitar su uso en simulaciones cuánticas. Los resultados demuestran la capacidad de los algoritmos cuánticos para manejar la complejidad de las redes neuronales biológicas, proporcionando una herramienta poderosa para la investigación en neurociencia y biología. La computación cuántica ofrece ventajas significativas en términos de eficiencia y escalabilidad para la simulación de sistemas biológicos complejos. Este trabajo detalla los pasos realizados, los resultados obtenidos y las conclusiones derivadas del proceso, destacando el papel crucial de la IA en la optimización de los parámetros del circuito cuántico y en el análisis de los resultados de las simulaciones

Metrópolis | Revista de Estudios Universitarios Globales•Jul 16, 2024•0 citations

Simulación cuántica de dimensiones suplementarias

José Ignacio Latorre

•Jan 1, 2013•0 citations

Tecnologías de computación cuántica analógico-digital

Enzo Torres García

En este trabajo se estudia la computación cuántica digital-analógica (DAQC), un paradigma de la computación cuántica que combina bloques de evolución analógica continua con operaciones digitales discretas para aprovechar las ventajas de ambos enfoques. Tras introducir los fundamentos de la simulación cuántica digital y analógica, se desarrolla un ejemplo concreto de implementación DAQC basado en la simulación del modelo cuántico de Rabi en circuitos superconductores. A continuación, se analizan seis experimentos recientes realizados en tres plataformas físicas: iones atrapados, átomos de Rydberg y circuitos superconductores. Para cada experimento se describen los objetivos, el protocolo experimental, los resultados principales, los recursos cuánticos empleados y sus aportaciones respecto a la ventaja cuántica. Los experimentos estudiados muestran que el paradigma DAQC permite abordar problemas de simulación de sistemas cuánticos de muchos cuerpos fuera del equilibrio. Entre los resultados analizados se incluyen la observación del efecto Mpemba cuántico, el control Floquet de interacciones, el estudio de transiciones de fase, la dinámica de coarsening, la termalización y la simulación de propagación y localización en cadenas cuánticas. En conjunto, estos trabajos muestran que la combinación de bloques analógicos con operaciones digitales proporciona una vía prometedora para explotar los dispositivos cuánticos actuales. Aunque no todos los experimentos alcanzan ventaja cuántica estricta, algunos de ellos acceden a regímenes de tamaño y complejidad difíciles de reproducir mediante métodos clásicos, lo que evidencia el potencial del enfoque DAQC en la era NISQ.

•Jun 30, 2026•0 citations

Computación cuántica y aplicaciones

Antonio González García

•Jan 1, 2020•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.
Este proyecto tiene como objetivo explorar el potencial de los algoritmos cuánticos en la simulación de redes neuronales biológicas. Aprovechando la computación cuántica en la nube proporcionada por IBM Quantum, se integran técnicas avanzadas de inteligencia artificial (IA) para optimizar y mejorar los modelos neuronales. Se utilizan datos detallados de conectividad y expresión génica obtenidos del Allen Brain Atlas, procesados y limpiados para facilitar su uso en simulaciones cuánticas. Los resultados demuestran la capacidad de los algoritmos cuánticos para manejar la complejidad de las redes neuronales biológicas, proporcionando una herramienta poderosa para la investigación en neurociencia y biología. La computación cuántica ofrece ventajas significativas en términos de eficiencia y escalabilidad para la simulación de sistemas biológicos complejos. Este trabajo detalla los pasos realizados, los resultados obtenidos y las conclusiones derivadas del proceso, destacando el papel crucial de la IA en la optimización de los parámetros del circuito cuántico y en el análisis de los resultados de las simulaciones
En este trabajo se estudia la computación cuántica digital-analógica (DAQC), un paradigma de la computación cuántica que combina bloques de evolución analógica continua con operaciones digitales discretas para aprovechar las ventajas de ambos enfoques. Tras introducir los fundamentos de la simulación cuántica digital y analógica, se desarrolla un ejemplo concreto de implementación DAQC basado en la simulación del modelo cuántico de Rabi en circuitos superconductores. A continuación, se analizan seis experimentos recientes realizados en tres plataformas físicas: iones atrapados, átomos de Rydberg y circuitos superconductores. Para cada experimento se describen los objetivos, el protocolo experimental, los resultados principales, los recursos cuánticos empleados y sus aportaciones respecto a la ventaja cuántica. Los experimentos estudiados muestran que el paradigma DAQC permite abordar problemas de simulación de sistemas cuánticos de muchos cuerpos fuera del equilibrio. Entre los resultados analizados se incluyen la observación del efecto Mpemba cuántico, el control Floquet de interacciones, el estudio de transiciones de fase, la dinámica de coarsening, la termalización y la simulación de propagación y localización en cadenas cuánticas. En conjunto, estos trabajos muestran que la combinación de bloques analógicos con operaciones digitales proporciona una vía prometedora para explotar los dispositivos cuánticos actuales. Aunque no todos los experimentos alcanzan ventaja cuántica estricta, algunos de ellos acceden a regímenes de tamaño y complejidad difíciles de reproducir mediante métodos clásicos, lo que evidencia el potencial del enfoque DAQC en la era NISQ.