-
Computación cuántica
-
Fundamentos y contexto
-
Definición computación cuántica
- Uso de qubits y mecánica cuántica describe cómo la información se almacena en estados cuánticos superpuestos y entrelazados, siguiendo las leyes de la mecánica cuántica para procesar datos.
- Complemento a cómputo clásico destaca que los ordenadores cuánticos no sustituyen a los clásicos, sino que los amplían con algoritmos especializados para problemas donde la ventaja cuántica es plausible.
-
Comparación con cómputo clásico
- Bits 0-1 vs qubits contrasta sistemas clásicos que solo toman 0 o 1 con qubits capaces de estar en superposición de ambos valores, permitiendo nuevas formas de procesar información.
- Espacio de estados exponencial enfatiza que un registro de n qubits codifica amplitudes sobre 2^n configuraciones simultáneas, ofreciendo un espacio de búsqueda mucho mayor que el de bits clásicos.
-
Base en mecánica cuántica
- Superposición e interferencia explica que los qubits pueden combinar estados y que las amplitudes interfieren entre sí, diseñando algoritmos donde las trayectorias erróneas se cancelan y las correctas se refuerzan.
- Entrelazamiento cuántico se refiere a correlaciones profundas entre qubits que no pueden describirse por separado, recurso esencial para teletransporte, distribución de claves y ciertas ventajas algorítmicas.
-
Historia y cronología
- Décadas 1980-1990 teoría recuerdan la formulación de modelos de cómputo cuántico y algoritmos fundacionales, como las ideas que luego inspirarían a Shor y Grover, mucho antes de contar con hardware práctico.
- Prototipos experimentales 2000-2010 marcan la transición de la teoría a pequeños dispositivos físicos, con primeros procesadores de pocos qubits y demostraciones controladas accesibles en laboratorios especializados.
- Era NISQ actual describe procesadores con decenas o cientos de qubits ruidosos, capaces de ejecutar circuitos limitados que permiten demostraciones de principio pero aún lejos del cómputo tolerante a fallos.
- Futuro tolerante a fallos apunta a máquinas cuánticas con corrección de errores robusta, donde los qubits lógicos permitan ejecutar algoritmos largos y complejos con tasas de fallo lógicamente despreciables.
-
-
Qubits y estados
-
Qubit físico
- Tecnologías superconductoras utilizan circuitos superconductores enfriados a temperaturas criogénicas, donde niveles de energía discretos actúan como qubits y permiten compuertas rápidas con buena integración electrón
- Iones atrapados y otros abarcan plataformas basadas en iones en trampas electromagnéticas, átomos neutros, fotones o puntos cuánticos, cada una con compromisos distintos entre coherencia, conectividad y escalabilidad.
-
Qubit lógico
- Codificación con muchos qubits describe cómo un solo qubit lógico se implementa mediante códigos que agrupan numerosos qubits físicos, repartiendo la información para detectar y corregir errores sin destruirla.
- Protección frente a errores explica que los qubits lógicos y los códigos de corrección permiten suprimir el efecto del ruido, manteniendo la información cuántica útil durante tiempos de cómputo mucho mayores.
-
Superposición cuántica
- Estados |0⟩ y |1⟩ combinados indican que un qubit se describe como superposición compleja de los estados base, de modo que la información reside en amplitudes que solo se revelan parcialmente al medir.
- Medición y colapso señala que al observar un qubit la superposición se proyecta a un resultado concreto, perdiéndose parte de la información, lo que obliga a repetir ejecuciones para estimar probabilidades.
-
Entrelazamiento cuántico
- Correlaciones no clásicas resumen cómo el entrelazamiento genera resultados fuertemente correlacionados entre qubits separados, sin explicación clásica local, y constituye el recurso central de muchas tareas cuánticas.
- Recurso para protocolos destaca que el entrelazamiento se utiliza en teletransporte, distribución de claves y algoritmos, permitiendo procesar o comunicar información de formas imposibles con sistemas puramente clásicos.
-
Decoherencia y ruido
- Interacción con el entorno describe cómo el acoplamiento inevitable de los qubits con el medio provoca decoherencia y ruido, degradando superposiciones y entrelazamiento y limitando la fidelidad de los cálculos.
- Limitación de tiempos de cómputo indica que los tiempos de coherencia finitos imponen una ventana temporal restringida para ejecutar circuitos, condicionando la profundidad de los algoritmos útiles en hardware real.
-
-
Modelos de cómputo
-
Modelo de circuitos
- Compuertas de un qubit abarcan operaciones básicas como X, Y, Z o Hadamard, que rotan el estado de un qubit en el espacio de Bloch y permiten preparar y manipular superposiciones controladas.
- Compuertas de dos qubits incluyen operaciones como CNOT, que crean y manipulan entrelazamiento entre qubits, elemento imprescindible para lograr universalidad cuántica y construir circuitos complejos.
- Mediciones finales representan la etapa en que el circuito cuántico se lee en la base computacional, convirtiendo amplitudes en probabilidades y produciendo resultados clásicos que luego se procesan o analizan.
-
Algoritmos adiabáticos
- Evolución lenta de Hamiltonianos describe algoritmos adiabáticos donde el sistema se prepara en un estado sencillo y se deforma lentamente el Hamiltoniano, esperando permanecer en el estado fundamental que codifica la
- Relación con annealing resalta que el quantum annealing implementa versiones físicas de estos procesos adiabáticos, usando campos controlados para guiar al sistema hacia mínimos de energía asociados a soluciones óptimas.
-
Quantum annealing
- Optimización en hardware dedicado se refiere a máquinas especializadas que usan procesos cuánticos adiabáticos o similares para resolver problemas de optimización combinatoria codificados en interacciones entre qubits.
- Limitaciones de universalidad recuerda que muchos dispositivos de annealing no implementan conjuntos de compuertas universales, por lo que solo sirven para clases específicas de problemas y no para cómputo general.
-
Algoritmos variacionales
- Circuitos parametrizados describen familias de circuitos con ángulos ajustables en determinadas compuertas, que se optimizan para aproximar estados objetivo o resolver problemas de energía y clasificación.
- Bucle de optimización clásico resume el esquema donde un optimizador clásico propone parámetros, el circuito cuántico estima una función objetivo y el resultado actualiza los parámetros en iteraciones sucesivas.
-
NISQ vs CCUTE
- Dispositivos ruidosos actuales caracterizan procesadores NISQ con errores de compuerta significativos y pocos qubits lógicos efectivos, adecuados para experimentos controlados pero insuficientes para criptografía a gr
- Visión tolerante a fallos plantea un horizonte donde la corrección de errores haga que las operaciones lógicas sean confiables, permitiendo ejecutar algoritmos largos como Shor o simulaciones químicas precisas.
-
-
Recursos y era NISQ
-
Número de qubits
- Escala intermedia actual indica que los chips disponen de un número de qubits entre decenas y centenares, suficiente para demostrar ventajas parciales pero todavía lejos de la escala necesaria para aplicaciones masivas.
- Impacto en tamaño de problemas explica que el número de qubits físicos disponibles limita el tamaño de las instancias tratables, condicionando qué moléculas, grafos u optimizaciones pueden explorarse en la práctica.
-
Tiempos de coherencia
- Ventana temporal de cómputo refleja que la coherencia finita determina cuánto tiempo puede mantenerse un estado cuántico útil, restringiendo la longitud de los circuitos antes de que el ruido domine los resultados.
- Relación con profundidad de circuito señala que circuitos más profundos acumulan más errores y requieren tiempos mayores, lo que obliga a diseñar algoritmos NISQ con pocas capas de compuertas para seguir siendo útiles.
-
Tasa de error de compuertas
- Fidelidad de operaciones mide cuán cerca están las compuertas implementadas del comportamiento ideal, parámetro crítico para la viabilidad de algoritmos complejos y para estimar la sobrecarga de corrección de errores.
- Necesidad de calibración frecuente enfatiza que las características del hardware cuántico derivan con el tiempo, exigiendo rutinas periódicas de calibración para mantener fidelidades y tasas de error dentro de rangos
-
Conectividad entre qubits
- Restricciones de acoplo físico describen que no todos los qubits se conectan entre sí directamente, obligando a usar compuertas de intercambio adicionales que aumentan la profundidad y el coste de los circuitos.
- Coste de swaps lógicos recuerda que mover información entre qubits lejanos mediante secuencias de SWAP introduce errores extra y tiempo de cómputo, factor clave en la optimización de mapeos de circuitos.
-
Gestión de recursos cuánticos
- Estimación de recursos QRE estudia de forma sistemática cuántos qubits, compuertas T, profundidad y ciclos de corrección se requieren para ejecutar una aplicación cuántica con una probabilidad de éxito deseada.
- Planificación de algoritmos NISQ consiste en usar estimaciones de recursos y modelos de ruido para seleccionar algoritmos y parámetros que encajen en las capacidades reales de los dispositivos ruidosos disponibles.
-
-
Algoritmos cuánticos
-
Algoritmo de Shor
- Factorización de enteros grandes describe el algoritmo de Shor, que usa transformadas de Fourier cuánticas y estimación de fase para encontrar períodos y factorizar números en tiempos casi polinómicos.
- Impacto en criptografía advierte que una máquina cuántica tolerante a fallos con suficientes qubits podría romper esquemas de clave pública actuales, impulsando la adopción de criptografía resistente a ataques cuánticos.
-
Algoritmo de Grover
- Búsqueda no estructurada se refiere al algoritmo de Grover, que permite localizar un elemento marcado en una base de datos sin estructura usando muchas menos evaluaciones de la función que los métodos clásicos.
- Aceleración cuadrática resume que Grover reduce el número de consultas de O(N) a O(√N), ofreciendo una mejora significativa aunque no exponencial en tareas de búsqueda y optimización sin estructura.
-
Estimación de fase
- Cálculo de autovalores describe algoritmos de estimación de fase que obtienen fases asociadas a autovalores de operadores unitarios, herramienta central para simulación cuántica y problemas de química.
- Base de algoritmos de química explica que técnicas de estimación de fase permiten calcular energías de estados moleculares, sustentando algoritmos cuánticos para química computacional y diseño de materiales.
-
VQE y algoritmos variacionales
- Aproximación de estados de mínima energía presenta VQE como método variacional que ajusta parámetros de un circuito para aproximar el estado fundamental de un Hamiltoniano, minimizando la energía esperada.
- Uso en dispositivos NISQ destaca que VQE y otros algoritmos variacionales emplean circuitos poco profundos y bucles híbridos, adaptándose mejor al ruido y limitaciones de los procesadores actuales.
-
QAOA y optimización
- Problemas de grafos y rutas resume que QAOA se aplica a problemas de optimización discreta, como rutas y cortes en grafos, codificando las restricciones en un Hamiltoniano cuyo mínimo se busca cuánticamente.
- Control de profundidad de circuito indica que QAOA permite ajustar el número de capas alternas de operadores, equilibrando calidad de la solución y viabilidad frente a los errores de dispositivos NISQ.
-
-
Algoritmos híbridos
-
Arquitectura híbrida
- Bucle clásico-cuántico describe la arquitectura híbrida donde un optimizador clásico propone parámetros, el hardware cuántico evalúa una función y los resultados realimentan el ajuste iterativo.
- División de tareas resalta que los módulos cuánticos se encargan de explorar espacios de estados difíciles, mientras que el procesamiento pesado y la lógica de optimización permanecen en recursos clásicos.
-
Ejemplo VQE híbrido
- Circuitos parametrizados en hardware se refiere a la ejecución repetida de circuitos con ángulos ajustables en el dispositivo cuántico, que entregan mediciones usadas para estimar funciones objetivo.
- Optimización clásica externa explica que algoritmos como VQE utilizan métodos clásicos de descenso de gradiente o búsqueda global para actualizar parámetros a partir de las mediciones cuánticas.
-
Quantum Metropolis Solver
- Paseos cuánticos para muestreo describe Quantum Metropolis Solver, que adapta técnicas de Metropolis-Hastings a paseos cuánticos para explorar distribuciones asociadas a problemas complejos de optimización.
- Aplicaciones industriales señala que QMS y métodos relacionados se estudian para planificación, logística y otros contextos donde las mejoras en muestreo pueden traducirse en beneficios económicos reales.
-
TFermion y compuertas T
- Estimación de coste no Clifford detalla herramientas como TFermion, que calculan cuántas compuertas T se necesitan en algoritmos de simulación, clave para evaluar su viabilidad en máquinas tolerantes a fallos.
- Planificación de algoritmos de química ilustra cómo estas estimaciones guían el diseño de algoritmos de química cuántica, seleccionando enfoques más eficientes en recursos para hardware futuro.
-
Ventajas prácticas corto plazo
- Uso en hardware actual enfatiza que los algoritmos híbridos están pensados para sacar partido de dispositivos ruidosos, buscando ventajas parciales sin requerir corrección de errores completa.
- Casos de negocio tempranos se refiere a aplicaciones donde mejoras modestas en optimización o simulación mediante esquemas híbridos ya pueden justificar pilotos industriales y proyectos exploratorios.
-
Limitaciones algoritmos híbridos
- Dependencia de ruido NISQ recuerda que el rendimiento de los algoritmos híbridos está fuertemente limitado por el nivel de ruido, que puede degradar las ventajas teóricas si no se controla adecuadamente.
- Coste de optimización clásica indica que el número de evaluaciones de la función objetivo puede ser muy alto, haciendo que el tiempo y recursos clásicos dominen el esfuerzo total del algoritmo híbrido.
-
-
Corrección de errores
-
Errores cuánticos típicos
- Errores de bit y de fase clasifican fallos donde el qubit cambia de 0 a 1 o su fase relativa se altera, componentes básicos de los modelos de ruido que los códigos deben corregir.
- Errores de despolarización describen procesos en los que el estado cuántico se mezcla con ruido completamente aleatorio, borrando gradualmente la información almacenada en superposiciones y entrelazamiento.
-
Códigos de corrección
- Códigos de superficie presentan una familia de códigos cuánticos definidos en redes bidimensionales, muy estudiados porque se adaptan bien a arquitecturas con interacciones locales entre qubits.
- Mediciones de síndrome explican que, midiendo operadores auxiliares, se detectan patrones de error sin colapsar la información lógica, permitiendo decidir correcciones apropiadas durante la ejecución.
-
Qubits lógicos robustos
- Reducción de tasa de error lógica señala que, combinando redundancia y corrección activa, la tasa de error efectiva de los qubits lógicos puede hacerse exponencialmente pequeña respecto a la de los qubits físicos.
-
Coste de compuertas T
- Destilación de estados mágicos se refiere a protocolos que, a partir de muchos estados ruidosos especiales, producen recursos más puros necesarios para implementar compuertas T de alta fidelidad.
- Recurso dominante en algoritmos subraya que el número de compuertas T suele dominar el coste de muchos algoritmos tolerantes a fallos, convirtiéndose en métrica clave al estimar recursos.
-
Escalado a CCUTE
- Aumentar qubits físicos por qubit lógico indica que lograr corrección de errores robusta requiere grandes factores de sobrecarga, con cientos o miles de qubits físicos dedicados a cada qubit lógico útil.
- Mejorar fidelidades hardware destaca que reducir las tasas de error físicas permite usar códigos menos exigentes y disminuye el número de recursos necesarios para alcanzar cómputo cuántico escalable.
-
-
Redes y comunicación
-
Teletransporte cuántico
- Uso de pares entrelazados describe el teletransporte cuántico, donde un qubit desconocido se traslada a distancia utilizando un par entrelazado compartido y operaciones locales coordinadas.
- Requiere comunicación clásica aclara que el teletransporte necesita enviar información clásica sobre las mediciones realizadas, combinando canales cuánticos y clásicos para completar la reconstrucción del estado.
-
Nodos no vecinos
- Rutas de entrelazamiento intermedias explican que las redes cuánticas pueden crear entrelazamiento entre nodos lejanos mediante enlaces intermedios y técnicas de purificación y conexión de pares.
-
Distribución de claves cuánticas
- Protocolos tipo BB84 se basan en enviar qubits en bases incompatibles, de modo que cualquier intento de escucha introduce errores detectables, permitiendo acordar claves seguras entre las partes.
- Detección de escuchas subraya que la naturaleza de la medición cuántica hace imposible copiar estados desconocidos sin perturbarlos, lo que permite descubrir intentos de interceptar la clave.
-
Internet cuántica futura
- Conexión de computadores cuánticos imagina una futura internet cuántica donde múltiples procesadores se conectan mediante enlaces entrelazados, compartiendo recursos cuánticos a larga distancia.
- Servicios distribuidos cuánticos vislumbran aplicaciones como redes de sensores, computación delegada y protocolos criptográficos avanzados que aprovechan entrelazamiento compartido entre varios nodos.
-
-
Aplicaciones y sectores
-
Criptografía y seguridad
- Riesgo para RSA y ECC indica que algoritmos como Shor podrían factorizar enteros grandes y resolver logaritmos discretos, comprometiendo la seguridad de esquemas criptográficos ampliamente desplegados.
- Criptografía poscuántica propone nuevos esquemas clásicos diseñados para resistir ataques cuánticos conocidos, que deben adoptarse con anticipación para proteger datos a largo plazo.
-
Optimización industrial
- Rutas y cadenas logísticas señalan que algoritmos cuánticos de optimización podrían mejorar planificación de rutas, cadenas de suministro y redes de transporte, reduciendo costos y tiempos en escenarios complejos.
- Asignación de recursos se refiere a problemas de asignar tareas, personal o capacidad de producción, donde variantes de QAOA y otros métodos podrían ofrecer soluciones competitivas o nuevas heurísticas.
-
Finanzas cuantitativas
- Optimización de portafolios apunta al uso de algoritmos cuánticos para seleccionar combinaciones de activos que equilibren rentabilidad y riesgo, explorando espacios de inversión muy grandes.
- Modelos de riesgo complejos sugiere que técnicas cuánticas podrían ayudar a muestrear distribuciones difíciles y evaluar escenarios extremos, apoyando decisiones en finanzas cuantitativas.
-
Química y diseño de fármacos
- Simulación de moléculas destaca que la computación cuántica promete describir sistemas moleculares con mayor precisión, permitiendo estudiar reacciones químicas y propiedades difíciles de capturar clásicamente.
- Estudio de materiales y baterías recoge aplicaciones donde la simulación cuántica ayuda a diseñar nuevos materiales, electrolitos y estructuras para baterías más eficientes y duraderas.
-
Inteligencia artificial cuántica
- Modelos generativos cuánticos exploran circuitos parametrizados capaces de aprender distribuciones de datos, generando muestras que podrían complementar o mejorar técnicas generativas clásicas.
- Clasificadores variacionales investigan circuitos cuánticos entrenables que actúan como clasificadores, procesando datos codificados cuánticamente y ajustando parámetros mediante esquemas de aprendizaje supervisado.
-
Ciencia básica y simulación
- Simulación de sistemas cuánticos resalta que los ordenadores cuánticos son especialmente adecuados para modelar otros sistemas cuánticos, proporcionando nuevas herramientas para física de materia condensada y campos a
- Metrología de alta precisión utiliza estados entrelazados y recursos cuánticos para mejorar la sensibilidad de mediciones, posibilitando sensores más precisos en aplicaciones científicas y tecnológicas.
-
-
Impacto y riesgos
-
Ventajas potenciales
- Aceleraciones algorítmicas específicas enfatizan que la ventaja cuántica no es universal, sino que afecta a problemas concretos donde superposición e interferencia permiten reducir complejidad asintótica.
- Nuevas capacidades de simulación sugieren que, incluso antes de lograr ventajas en criptografía u optimización, la simulación cuántica puede ofrecer ideas inéditas para ciencia básica y diseño de materiales.
-
Limitaciones técnicas
- Escala y fidelidad del hardware recuerdan que el principal cuello de botella actual está en aumentar el número de qubits y mejorar sus fidelidades sin perder control sobre el sistema.
- Costes económicos elevados señalan que la construcción, operación criogénica y mantenimiento de procesadores cuánticos requieren inversiones importantes, lo que influye en quién puede acceder a la tecnología.
-
Riesgo para la criptografía
- Necesidad de migración poscuántica indica que instituciones deben planificar con anticipación la transición a esquemas criptográficos seguros frente a ataques cuánticos, evitando vulnerabilidades futuras.
- Ventana de vulnerabilidad futura advierte que datos cifrados hoy podrían almacenarse y descifrarse cuando haya hardware cuántico potente, creando riesgos de largo plazo para información sensible.
-
Brecha tecnológica global
- Concentración en pocos actores sugiere que el alto coste y complejidad del hardware pueden concentrar capacidades cuánticas en unas pocas empresas y países, afectando la soberanía tecnológica.
- Desigualdad en acceso a hardware plantea que, sin estrategias de democratización, muchas instituciones quedarán relegadas a usar servicios remotos limitados, ampliando brechas de innovación.
-
Necesidad de estándares
- Interfaces y formatos comunes subrayan la importancia de estándares en lenguajes, descripciones de circuitos y protocolos, para facilitar la interoperabilidad entre distintos proveedores y herramientas.
- Buenas prácticas de software cuántico abarcan pruebas, verificación, estimación de recursos y diseño modular, adaptadas a la naturaleza probabilística y a las restricciones del hardware cuántico.
-
-
Aprendizaje y práctica
-
Requisitos matemáticos
- Álgebra lineal y probabilidad constituyen la base matemática para entender espacios de Hilbert, operadores y distribuciones de mediciones, habilidades imprescindibles para estudiar computación cuántica con rigor.
- Nociones de teoría de grupos ayudan a comprender simetrías, representaciones y estructuras algebraicas que aparecen en mecánica cuántica, química y diseño de algoritmos avanzados.
-
Bases de física cuántica
- Estados y observables introducen el formalismo de vectores de estado y operadores hermíticos que modelan mediciones, piedra angular para entender cómo se describen y se leen sistemas cuánticos.
- Medición y evolución abarcan la dinámica gobernada por operadores unitarios y las proyecciones asociadas a observaciones, combinación que determina el flujo de información en algoritmos cuánticos.
-
Conocimientos de informática
- Modelos de cómputo y complejidad vinculan la computación cuántica con la informática teórica, analizando clases como BQP y comparándolas con P o NP para entender su poder relativo.
- Programación en lenguajes cuánticos implica usar SDK como Qiskit o Cirq para describir circuitos, gestionar ejecuciones en simuladores y hardware real y analizar resultados estadísticos.
-
Primeros proyectos prácticos
- Implementar algoritmos básicos sugiere empezar construyendo puertas simples, teletransporte, Grover reducido y otros ejemplos, para desarrollar intuición sobre superposición, interferencia y mediciones.
- Experimentos con VQE y QAOA recomiendan aplicar estos algoritmos a moléculas pequeñas o grafos modestos, explorando el compromiso entre calidad de solución, ruido y recursos requeridos.
-
Buenas prácticas en NISQ
- Reducir profundidad de circuitos aconseja diseñar algoritmos y compilar circuitos con el menor número posible de capas, minimizando errores acumulados en dispositivos NISQ.
- Mitigación de errores por software engloba técnicas como extrapolación y filtrado de resultados, que intentan compensar el ruido sin recurrir a corrección de errores completa en hardware.
-
-
Resumen extenso
-