Frameworks actuales para el desarrollo de la Computación Cuántica

Agustina Arismendi, Sebastián Pombo Mott

Este análisis examina el campo de la computación cuántica y el desarrollo de software cuántico basado en una selección de artículos relevantes. La investigación revela que la computación cuántica ha pasado de ser un concepto teórico a una realidad práctica, con computadoras cuánticas ahora accesibles para todos a través de servicios en la nube o simulaciones. Los artículos discuten diversos aspectos relacionados con la computación cuántica, incluyendo tecnologías, metodologías y orientación práctica para desarrolladores que se aventuran en proyectos de software cuántico. Una tendencia emergente identificada es la necesidad de la ingeniería de software cuántico, ya que el campo carece de modelos, estándares y métodos establecidos para la creación y migración de sistemas. Una comparación y síntesis de los artículos resalta los avances y desafíos en el campo, así como las lagunas y áreas para futuras investigaciones. En general, este análisis destaca la importancia creciente de la computación cuántica y proporciona una visión crítica sobre su desarrollo y potencial impacto en la industria y la sociedad.

Richard Eliseo Mendoza Gáfaro, Edgar Alexis Albornoz Espinel, Heber Armando Pabón Conde

El artículo es una revisión del estado del arte de la computación cuántica, sus desafíos y aplicaciones. La metodología del proyecto se basa en un enfoque riguroso y estructurado que comienza con la identificación de las bases de datos y fuentes de información relevantes en el campo de la computación cuántica. Luego, se definen los criterios de inclusión y exclusión para seleccionar los estudios pertinentes. Los estudios seleccionados se someten a un análisis crítico y se extraen los datos relevantes. Los desafíos de la computación cuántica se identifican y se discuten en el contexto de los avances actuales en el campo. Las aplicaciones potenciales y actuales de la computación cuántica se exploran en detalle. Finalmente, los hallazgos se sintetizan y se presentan de manera coherente y comprensible. Este enfoque permite una comprensión profunda y actualizada del estado del arte de la computación cuántica, sus desafíos y aplicaciones.

Juan Ignacio Cirac Sasturáin

Leonardo César Corbalán, Pablo Javier Thomas, Juan Francisco Fernández Sosa +4 more

Esta línea de investigación aborda el estudio y desarrollo de la Computación Cuántica desde una perspectiva integral de Ingeniería de Software, enmarcada en el tránsito actual desde la era NISQ hacia la era de tolerancia a fallos temprana. El proyecto se centra en seis ejes estratégicos: metodologías para el ciclo de vida del software cuántico (QSE), seguridad y coexistencia de sistemas criptográficos híbridos y blockchain, educación superior en programación cuántica, algoritmos variacionales híbridos, arquitecturas para laboratorios remotos y la experimentación directa con hardware de Resonancia Magnética Nuclear (RMN). A través de la colaboración interuniversitaria y la integración de hardware real (como el procesador SpinQ Triangulum), se busca no solo la producción científica de impacto —con resultados ya publicados en foros internacionales como Springer CCIS—, sino también la formación de recursos humanos capaces de enfrentar la "amenaza” cuántica y de aprovechar las oportunidades de la utilidad cuántica en optimización y simulación. Esta línea de investigación combina el rigor teórico con la validación experimental, para desarrollar las competencias necesarias y hacer frente a los desafíos que plantea la próxima revolución computacional.

Guillermo B. Morales-Luna

Samuel Magaz-Romero

[Resumen] Tanto el Aprendizaje Máquina como la Computación Cuántica son materias relevantes y de creciente interés en investigación y desarrollo tecnológico en la actualidad. En este proyecto intentaremos demostrar cómo el Aprendizaje Máquina puede ser optimizado utilizando técnicas de Computación Cuántica. El proyecto incluye una revisión exhaustiva de ambas materias, para luego buscar sinergias entre ellas y encontrar dominios de aplicación y procedimientos que mejoren el comportamiento de los algoritmos actuales de Aprendizaje Máquina y Computación Cuántica. Posteriormente, se implementarán y probarán las aplicaciones diseñadas, evaluando sus resultados y contrastándolos con los métodos clásicos equivalentes, para comprobar su correcto funcionamiento y asegurar que las alternativas propuestas son válidas.