Este trabajo proporciona una visión generalizada del estado actual de los algoritmos genéticos cuánticos (QGAs), mostrando los avances realizados en esta área de investigación los últimos 24 años. Los QGAs combinan conceptos de la computación cuántica y los algoritmos genéticos clásicos (CGAs), lo que les permite abordar problemas complejos de optimización y búsqueda de manera eficiente. Se presentan los principales hallazgos y contribuciones de estos algoritmos cuánticos destacando las tendencias y los enfoques más prometedores, así como los desafíos y limitaciones que deben superarse. Se presentan nuevos enfoques y técnicas de implementación de QGAs, incluyendo operadores genéticos cuánticos y esquemas de codificación eficientes que contribuyen a mejorar el rendimiento y la convergencia de los algoritmos. Se comparan los QGAs y otros enfoques similares, como los CGAs y los algoritmos cuánticos puros, destacando las ventajas y desventajas relativas de los QGAs en comparación a sus versiones clásicas. Se muestra también una implementación de QGA utilizando la biblioteca Qiskit. Se presentan la selección de los métodos usados para la generación de la población inicial, el cruzamiento y la mutación de las distintas poblaciones de los circuitos cuánticos simulados en los experimentos realizados, ejemplificando las ventajas significativas que estos pueden traer en comparación con los enfoques clásicos.
Este trabajo proporciona una visión generalizada del estado actual de los algoritmos genéticos cuánticos (QGAs), mostrando los avances realizados en esta área de investigación los últimos 24 años. Los QGAs combinan conceptos de la computación cuántica y los algoritmos genéticos clásicos (CGAs), lo que les permite abordar problemas complejos de optimización y búsqueda de manera eficiente. Se presentan los principales hallazgos y contribuciones de estos algoritmos cuánticos destacando las tendencias y los enfoques más prometedores, así como los desafíos y limitaciones que deben superarse. Se presentan nuevos enfoques y técnicas de implementación de QGAs, incluyendo operadores genéticos cuánticos y esquemas de codificación eficientes que contribuyen a mejorar el rendimiento y la convergencia de los algoritmos. Se comparan los QGAs y otros enfoques similares, como los CGAs y los algoritmos cuánticos puros, destacando las ventajas y desventajas relativas de los QGAs en comparación a sus versiones clásicas. Se muestra también una implementación de QGA utilizando la biblioteca Qiskit. Se presentan la selección de los métodos usados para la generación de la población inicial, el cruzamiento y la mutación de las distintas poblaciones de los circuitos cuánticos simulados en los experimentos realizados, ejemplificando las ventajas significativas que estos pueden traer en comparación con los enfoques clásicos.
En este informe se presenta el trabajo desarrollado como estudiante miembro del semillero de investigación en Información Cuántica y Computación Cuántica, y que fue presentado en eventos científicos como ponencias orales y posters. El trabajo está dividido en dos partes principales. En primer lugar, se llevó a cabo un análisis de distinguibilidad de estados cuánticos por medio de la comparación de la distancia traza y la fidelidad, como métricas en el campo de la información cuántica. Se discutió la dinámica de estados cuánticos de dos qubits mediante la evolución temporal de dichas métricas al considerar la acción de ruido de amortiguación de amplitud sobre un estado inicial. En segundo lugar, se estudió la técnica de los algoritmos cuánticos variacionales (VQAs) como un enfoque para mejorar la precisión de las computadoras cuánticas. Los VQAs aprovechan procesadores clásicos para entrenar circuitos cuánticos mediante redes neuronales y luego se miden utilizando un procesador cuántico. Se presentaron varios sistemas cuánticos simulados utilizando estos algoritmos, comparando la efectividad de la técnica al simular sistemas sin optimización y sistemas optimizados. Se examinó el comportamiento de la función de costo de cada circuito cuántico para diferentes dinámicas de los sistemas simulados. Para realizar las optimizaciones de los circuitos, se utilizó la biblioteca Pennylane en Python, la cual proporciona diversos optimizadores variacionales cuánticos.
Los algoritmos cuánticos son, en general, mucho más eficientes que los clásicos lo que los vuelve particularmente interesantes para ser usados en computación. La llamada caminata clásica al azar ha sido usada tradicionalmente para modelar procesos de difusión. En el caso unidimensional se considera una partícula que está obligada a moverse sobre una línea. Se supone además que la partícula se mueve siempre a la misma velocidad y que puede desplazarse hacia a la derecha o la izquierda en pasos discretos con igual probabilidad. Al cabo de varias iteraciones, la distribución de probabilidad sobre las posibles posiciones de la partícula sigue una función Gaussiana centrada en el origen. La contrapartida cuántica consta de estados descriptos por una función de ondas que es una combinación de los estados de la base computacional con coeficientes complejos. Una vez establecido el estado de partida se aplica un operador de Hadamard y un operador de traslación condicional. Al cabo de varias iteraciones del proceso, se obtienen distribuciones que no aproximan a una Gaussiana y que pueden ser incluso no simétricas para algunas condiciones iniciales. Esta propiedad podría ser muy útil en un algoritmo de búsqueda. En este trabajo se muestra como puede ser simulada ópticamente una caminata cuántica al azar utilizando elementos ópticos convencionales y representando espacialmente los q-bits como imágenes en un procesador óptico. Se presentan resultados experimentales en los que se muestra la viabilidad del proceso
En la actualidad las caminatas aleatorias han sido empleadas como herramientas
para el desarrollo de numerosos algoritmos. Sin embargo, una carencia
importante para la solucion de problemas radica en la falta de algoritmos que
exploten a su favor los fenomenos que la naturaleza a escalas atomicas presenta.
En este trabajo de tesis se estudia el analogo cuantico que presenta un
caminante al azar, conocido como caminata cuantica. Desde su propuesta, el
paradigma de las caminatas cuanticas ha despertado un considerable interes en
su estudio durante los ultimos anos, ya que, debido a los fenomenos de superposicion,
este grupo de caminata al azar se propagan con mayor rapidez que una
caminata clasica y por lo tanto se puede dar un recorrido espacial en un menor
numero de iteraciones que su contraparte clasica. Por lo anterior, del estudio
de caminatas cuanticas se espera un desempeno superior para el desarrollo de
algoritmos mas veloces.
La hipotesis que en este trabajo se plantea es que a traves del cambio y la
manipulacion en el uso de operadores y los estados iniciales, se generaran cambios
radicales en las distribuciones de los caminantes. Se esperan que al realizar
estos cambios en la densidad probabilidad de un caminante tengan aplicaciones
algoritmica en futuras investigaciones.
Debido a lo anterior esta tesis plantea como objetivo central el analisis de las
caminatas cuanticas, mostrando los cambios radicales que presentan las caminata
cuanticas en sus distribuciones de probabilidad, ademas de presentar una
idea basica de las posible forma de implementacion algoritmica de estas distribuciones.
Ademas reportamos nuevos resultados, hasta donde hemos investigado, en
relacion a la evolucion de las caminatas cuanticas para monedas en altas dimensiones
considerando estados maximamente enlazados y el operador de Grover.
Otros objetivos que se establecen, es dar una motivacion para realizar estudios
en el sentido de la computacion cuantica. Ademas de explicar los fenomenos
que se presentan a escalas atomicas, que son los que ayudan a potencializar el
desempeno de los algoritmos y la caminata cuanticas.
La computación cuántica tiene una base teórica de más de tres décadas que muestra aceleraciones polinómicas y exponenciales sobre los algoritmos clásicos. Los procesadores que se construyen hoy, sin embargo, son ruidosos, pequeños y de conectividad limitada, aún lejos de aprovechar esa ventaja en problemas de escala real. Este trabajo es un estudio experimental que mide qué tan profunda es esa brecha para cuatro algoritmos cuánticos fundamentales: Bernstein–Vazirani, Simon, Grover sobre instancias de k-SAT y la estimación cuántica de fase. Para cada algoritmo se construyó una contraparte clásica de referencia y se evaluaron, por cada tamaño de entrada, todas las combinaciones posibles de tres modelos de ruido (error de lectura, despolarizante y relajación térmica) con tres topologías de hardware (ideal, lineal de 20 qubits y heavy-hex de 127 qubits, esta última inspirada en el chip ibm_brisbane). El estudio se hizo enteramente en simulación porque permite controlar de forma independiente cada parámetro del ruido y de la conectividad, condición necesaria para hacer comparaciones limpias entre escenarios. Cada uno de los 39 escenarios resultantes por tamaño se repitió 25 veces y los resultados se reportan con intervalo de confianza al 95 % calculado con la t de Student. Toda la infraestructura (algoritmos, generador de instancias, modelos de ruido, scripts de análisis e interfaz gráfica para exploración interactiva) queda reproducible y abierta. Los hallazgos principales son tres. Primero, la ventaja teórica sobrevive en los algoritmos de poca profundidad como Bernstein–Vazirani, mientras que en Grover y en la estimación de fase el ruido deteriora rápidamente el speedup a medida que crece el número de iteraciones. Segundo, el tipo de ruido importa tanto como su nivel: el error de lectura es el menos agresivo porque no se acumula con la profundidad del circuito, mientras que el despolarizante es el más severo. Tercero, la topología influye de forma indirecta pero significativa porque condiciona la cantidad de compuertas SWAP que el compilador debe insertar y, por esa vía, aumenta la profundidad efectiva del circuito. El framework, los datos y los análisis quedan disponibles para quien quiera prototipar pruebas de algoritmos cuánticos en la era NISQ sin depender de tiempo en hardware real.
La computación cuántica ha impulsado múltiples líneas de investigación en los últimos años, debido al interés conjunto de la comunidad científica y de la industria tecnológica en diseñar ordenadores cuánticos capaces de ejecutar circuitos con alta precisión. Como resultado, nuevos enfoques como el MBQC (computación cuántica basada en mediciones) han surgido como alternativas viables al modelo estándar de computación cuántica. De igual manera, empresas tecnológicas como Google o IBM continúan impulsando de manera sostenida el desarrollo del hardware para computación cuántica, logrando avances significativos como el procesador Heron de 156 cúbits de IBM o el chip Willow de Google para la corrección de errores cuánticos. En particular, la introducción de Qiskit como software libre, por parte de IBM, brinda a los usuarios la posibilidad de realizar experimentos de computación cuántica utilizando ordenadores cuánticos reales, lo que sugiere la importancia de Qiskit dentro de este campo. Por tal motivo, el objetivo de este trabajo es diseñar una plantilla en Python con Qiskit para aplicar el protocolo MQBC en diferentes circuitos y ejecutarlos en un ordenador cuántico de IBM. Esta plantilla se basa en el modelo One-Way, un enfoque particular del MQBC, aplicado a un clúster lineal de 4 cúbits, y utiliza técnicas como la Postselección, Reetiquetado y Tomografía cuántica para caracterizar los estados de salida generados. Con ello, se busca implementar 5 circuitos cuánticos correspondientes a diferentes configuraciones clústers lineales y bidimensionales, a partir del estado clúster lineal de 4 cúbits. Asimismo, se mostrarán los pasos para implementar un circuito que detalla una búsqueda cuántica de dos cúbits. Para verificar la validez de los resultados, se calculará la fidelidad para cada estado de salida, considerando los circuitos teóricos descritos en el paper Experimental One-Way Quantum Computing. Finalmente, para las configuraciones de clúster bidimensionales, se analizará el grado de entrelazamiento para confirmar la generación de estados entrelazados a partir de cúbits codificados inicialmente separables. En adición, esta tesis tiene como finalidad servir como documento de referencia para facilitar el aprendizaje de Qiskit en futuros trabajos de computación cuántica.
Una unidad de procesamiento grafico moderna es considerada una plataforma de computo de alto rendimiento debido a su alto poder computacional, siendo cada vez mas usada en aplicaciones con demandas de alto poder de procesamiento, en este caso la simulacion de una computadora cuantica requiere un alto poder de procesamiento y memoria. En esta tesis se explora el uso de la arquitectura de una unidad de procesamiento grafico NVIDIA para la simulacion de operaciones cuanticas y mediciones de un registro cuantico siendo agrupadas y estructuradas para la formacion de una biblioteca de computo cuantico.
Los experimentos de prueba presentan el correcto funcionamiento de la biblioteca, los cuales consisten en la codificacion de las muestras de una senal conocida en un registro cuantico y la posterior aplicacion de la transformada cuantica de Fourier, obteniendo en un estado cuantico la frecuencia de la senal. Los algoritmos geneticos cuanticos son algoritmos de optimizacion los cuales combinan algoritmos geneticos con computo cuantico, obteniendo una buena diversidad en la poblacion, rapida convergencia y buena capacidad en busquedas globales, generalmente en las operaciones para la evolucion de la poblacion se usan compuertas cuanticas de rotacion, en esta tesis se propone un algoritmo genetico cuantico usando solo compuertas Hadamard, logrando reducir los parametros de configuracion a dos donde normalmente en los algoritmos geneticos cuanticos se tienen ocho parametros de configuracion los cuales son elegidos eempiricamente; de acuerdo a indicadores usados en el experimento de comparacion de ambos algoritmos, el algoritmo genetico cuantico con compuertas Hadamard es superior al algoritmo genetico cuantico
con compuertas de rotacion en la busqueda de un minimo global en distintas funciones
utilizadas en la literatura para prueba de algoritmos de optimizacion.
__________________________
A modern graphics processing unit (GPU) is considered a platform for high performance computing due to its high computational power, increasingly used in applications with high computing power demands, in this case, the simulation of a quantum computer requires a high processing power and memory. In this thesis, the NVIDIA architecture of graphics processing units is explored for the simulation of quantum operations and measurements of a quantum register being these operations that will be structured to form a quantum computing library.
Test experiments show the proper functioning of the library, which consists in coding known signal samples in a quantum register and the subsequent application of quantum Fourier transform getting in a quantum state the signal frequency. Quantum genetic algorithms are optimization algorithms that combine genetic algorithms with quantum computing, obtaining a good diversity in the population, rapid convergence and good global search capability, usually in operations for the evolution of the population quantum rotation gates are used. In this thesis a quantum genetic algorithm is proposed using only Hadamard gates, achieving only two settings where normally in quantum genetic algorithms eight settings are used which are chosen empirically; according to indicators used in the comparison experiment of both algorithms, the proposed quantum genetic algorithm with Hadamard gates is better than the quantum genetic algorithm with rotation gates in the search for a global minimum in various functions used in the literature for test optimization algorithms.