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

Estimación y búsqueda de soluciones de sistemas de ecuaciones lineales por medio de algoritmos de computación cuántica

Santiago Restrepo Aguilar

Published Dec 23, 2025• 0 citations
Publisher
DOI
10.71618/rvad-9b09

Related papers

Análisis y control de sistemas estocásticos con aplicaciones en tecnologías cuánticas

Beka Begiashvili

Se pretende que el alumno desarrolle un proyecto de investigación asociado a la simulación numérica de la dinámica y control de sistemas estocásticos con potenciales aplicaciones en el novedoso campo de las tecnologías cuánticas. Objetivo 1) Utilizar software adaptado al análisis y simulación numérica de ecuaciones diferenciales estocásticas. Objetivo 2) Modelización y simulación de sistemas lineales estocásticos análogos a sistemas cuánticos lineales. Objetivo 3) Planteamiento de protocolos de control óptimo sobre estos sistemas. Objetivo 4) Simulación de la dinámica y control óptimo de un sistema cuántico lineal. \nEl control es una rama interdisciplinar de la ingeniería y las matemáticas, aplicada al comportamiento de los sistemas dinámicos. Un controlador manipula la entrada o estado inicial del sistema para lograr un efecto deseado en un estado posterior o salida. Hoy en día, prácticamente todo sistema mecánico y electrónico posee un sistema de control asociado, por sencillo que sea. Un sistema de control simple consiste en una acción sobre el sistema y la obtención del resultado esperado sobre el mismo. Sin embargo, para evitar un final abierto, los sistemas realizan, por lo regular, mediciones intermedias sobre sus salidas y con esa información el sistema es retroalimentado para modificar la acción de control reiniciando el ciclo de entrada-salida. Por otra parte, el desarrollo de nuevas tecnologías basadas en dispositivos cuyas leyes vienen dictadas por la mecánica cuántica se ha convertido en una prioridad para el desarrollo tecnológico actual y diversas aplicaciones tales como las comunicaciones, sensores y computadores cuánticos esperan a su desarrollo para ser implementadas. Esto exige que la rama del control cuántico se desarrolle. Sin embargo, algunas cualidades de la mecánica cuántica no permiten pasar fácilmente el esquema del control clásico al ámbito cuántico. Clásicamente, es posible adquirir toda la información necesaria y emplearla de manera eficiente para retroalimentar el sistema y especializar la acción de control al estado actual. Por el contrario, en un sistema cuántico no toda la información es asequible mediante una medición y, además, todo intento de medir el sistema lo perturba de manera notable. Técnicamente, las ecuaciones dinámicas en un proceso tal, son ecuaciones diferenciales estocásticas no lineales en lugar de las ecuaciones diferenciales deterministas de los sistemas clásicos. En este proyecto, el alumno implementará un software de simulación de sistemas estocásticos adaptado a las peculiaridades de sistemas cuánticos lineales para a continuación, ensayar la validez de diversos protocolos de control óptimo propuestos para estos sistemas

•Mar 25, 2019•0 citations

Estudio comparativo de soluciones algorítmicas bajo el contexto de la computacion clásica y computación cuántica : estudio comparativo de soluciones algorítmicas bajo el contexto de la computacion clásica y computación cuántica para problemas de busqueda

Ivan Dario Simbaña Farinango

El presente trabajo de integración curricular tiene como objetivo analizar y comparar el desempeño de un algoritmo de búsqueda clásico y de un cuántico, en específico el algoritmo de Grover, con el fin de analizar y contrastar la ventaja computacional teórica y asintótica que proporciona la computación cuántica frente a los algoritmos clásicos, considerando las limitaciones del hardware cuántico actual. Se analizan las bases teóricas de estos dos enfoques, su complejidad temporal y su comportamiento frente a conjuntos de datos de tamaño distinto. La metodología que se emplea es la simulación de ambos algoritmos, es experimental, ya que permite observar y realizar comparaciones de tiempo y eficiencia para la localización de un elemento objetivo. En el caso del algoritmo cuántico, se implementa el algoritmo de Grover mediante simuladores cuánticos, analizando el impacto del número de qubits y de las iteraciones en los resultados obtenidos. Los resultados muestran que para la búsqueda clásica la complejidad de tiempo es O(n) en cambio en el caso del algoritmo de Grover esta se reduce a O(√n) siendo una mejora interesante que se centra en un n grande. A pesar de esto, existen limitaciones en la implementación de ordenadores cuánticos en la actualidad. Por último, se concluyó que el algoritmo de Grover es una alternativa bastante interesante para resolver problemas de búsqueda no estructurada y se muestra el potencial de la computación cuántica como una tecnología emergente con aplicaciones en la ingeniería.

•May 28, 2026•0 citations

Comparación de algoritmos para la integración de sistemas cuánticos

M. A. Revilla

•Jan 1, 1999•0 citations

Estudio de teoría de complejidad para computación cuántica: Algoritmo HHL para el problema cuántico de solución de sistemas lineales (QLSP) y reducción de circuitos cuánticos a QLSP

Nicolás Contreras Ortiz

Este trabajo presenta una introducción a la teoría de complejidad asociada a los algoritmos cuánticos, tomando como marco principal el modelo de circuitos cuánticos. Se estudia cómo se mide la complejidad de un algoritmo cuántico, cómo se relacionan las clases de complejidad clásicas y cuánticas, y cómo ciertos problemas permiten caracterizar la dificultad computacional de una clase completa. Como punto de partida, se considera el papel del teorema de Cook–Levin en la teoría clásica de la complejidad, el cual establece que el problema SAT es completo para la clase . Este resultado proporciona un problema concreto cuya dificultad representa la de todos los problemas pertenecientes a dicha clase. De manera análoga, en el contexto cuántico se estudia el problema cuántico de solución de sistemas lineales, conocido como QLSP, y su relación con el modelo de circuitos cuánticos. En particular, se muestra cómo la ejecución de un circuito cuántico puede reducirse a una instancia de QLSP. Esta reducción permite comprender el papel central de dicho problema en la teoría de complejidad cuántica y establecer una conexión entre la simulación de circuitos cuánticos y la solución de sistemas lineales mediante algoritmos cuánticos.

•Jun 23, 2026•0 citations

Algoritmos de optimización en computación cuántica

Sergio Rodríguez Vidal

Grado en Ingeniería Matemática e Inteligencia Artificial

•Sep 27, 2024•0 citations

Computación cuántica y aplicaciones

Antonio González García

•Jan 1, 2020•0 citations
Se pretende que el alumno desarrolle un proyecto de investigación asociado a la simulación numérica de la dinámica y control de sistemas estocásticos con potenciales aplicaciones en el novedoso campo de las tecnologías cuánticas. Objetivo 1) Utilizar software adaptado al análisis y simulación numérica de ecuaciones diferenciales estocásticas. Objetivo 2) Modelización y simulación de sistemas lineales estocásticos análogos a sistemas cuánticos lineales. Objetivo 3) Planteamiento de protocolos de control óptimo sobre estos sistemas. Objetivo 4) Simulación de la dinámica y control óptimo de un sistema cuántico lineal. \nEl control es una rama interdisciplinar de la ingeniería y las matemáticas, aplicada al comportamiento de los sistemas dinámicos. Un controlador manipula la entrada o estado inicial del sistema para lograr un efecto deseado en un estado posterior o salida. Hoy en día, prácticamente todo sistema mecánico y electrónico posee un sistema de control asociado, por sencillo que sea. Un sistema de control simple consiste en una acción sobre el sistema y la obtención del resultado esperado sobre el mismo. Sin embargo, para evitar un final abierto, los sistemas realizan, por lo regular, mediciones intermedias sobre sus salidas y con esa información el sistema es retroalimentado para modificar la acción de control reiniciando el ciclo de entrada-salida. Por otra parte, el desarrollo de nuevas tecnologías basadas en dispositivos cuyas leyes vienen dictadas por la mecánica cuántica se ha convertido en una prioridad para el desarrollo tecnológico actual y diversas aplicaciones tales como las comunicaciones, sensores y computadores cuánticos esperan a su desarrollo para ser implementadas. Esto exige que la rama del control cuántico se desarrolle. Sin embargo, algunas cualidades de la mecánica cuántica no permiten pasar fácilmente el esquema del control clásico al ámbito cuántico. Clásicamente, es posible adquirir toda la información necesaria y emplearla de manera eficiente para retroalimentar el sistema y especializar la acción de control al estado actual. Por el contrario, en un sistema cuántico no toda la información es asequible mediante una medición y, además, todo intento de medir el sistema lo perturba de manera notable. Técnicamente, las ecuaciones dinámicas en un proceso tal, son ecuaciones diferenciales estocásticas no lineales en lugar de las ecuaciones diferenciales deterministas de los sistemas clásicos. En este proyecto, el alumno implementará un software de simulación de sistemas estocásticos adaptado a las peculiaridades de sistemas cuánticos lineales para a continuación, ensayar la validez de diversos protocolos de control óptimo propuestos para estos sistemas
El presente trabajo de integración curricular tiene como objetivo analizar y comparar el desempeño de un algoritmo de búsqueda clásico y de un cuántico, en específico el algoritmo de Grover, con el fin de analizar y contrastar la ventaja computacional teórica y asintótica que proporciona la computación cuántica frente a los algoritmos clásicos, considerando las limitaciones del hardware cuántico actual. Se analizan las bases teóricas de estos dos enfoques, su complejidad temporal y su comportamiento frente a conjuntos de datos de tamaño distinto. La metodología que se emplea es la simulación de ambos algoritmos, es experimental, ya que permite observar y realizar comparaciones de tiempo y eficiencia para la localización de un elemento objetivo. En el caso del algoritmo cuántico, se implementa el algoritmo de Grover mediante simuladores cuánticos, analizando el impacto del número de qubits y de las iteraciones en los resultados obtenidos. Los resultados muestran que para la búsqueda clásica la complejidad de tiempo es O(n) en cambio en el caso del algoritmo de Grover esta se reduce a O(√n) siendo una mejora interesante que se centra en un n grande. A pesar de esto, existen limitaciones en la implementación de ordenadores cuánticos en la actualidad. Por último, se concluyó que el algoritmo de Grover es una alternativa bastante interesante para resolver problemas de búsqueda no estructurada y se muestra el potencial de la computación cuántica como una tecnología emergente con aplicaciones en la ingeniería.
Este trabajo presenta una introducción a la teoría de complejidad asociada a los algoritmos cuánticos, tomando como marco principal el modelo de circuitos cuánticos. Se estudia cómo se mide la complejidad de un algoritmo cuántico, cómo se relacionan las clases de complejidad clásicas y cuánticas, y cómo ciertos problemas permiten caracterizar la dificultad computacional de una clase completa. Como punto de partida, se considera el papel del teorema de Cook–Levin en la teoría clásica de la complejidad, el cual establece que el problema SAT es completo para la clase . Este resultado proporciona un problema concreto cuya dificultad representa la de todos los problemas pertenecientes a dicha clase. De manera análoga, en el contexto cuántico se estudia el problema cuántico de solución de sistemas lineales, conocido como QLSP, y su relación con el modelo de circuitos cuánticos. En particular, se muestra cómo la ejecución de un circuito cuántico puede reducirse a una instancia de QLSP. Esta reducción permite comprender el papel central de dicho problema en la teoría de complejidad cuántica y establecer una conexión entre la simulación de circuitos cuánticos y la solución de sistemas lineales mediante algoritmos cuánticos.