La computación cuántica promete una potencia computacional sin precedentes al aprovechar principios mecánicos cuánticos como la superposición y el entrelazamiento. Sin embargo, el hardware cuántico actual está limitado por la cantidad de cúbits y las altas tasas de error, lo que dificulta la prueba de algoritmos cuánticos complejos a escala. Como resultado, los simuladores cuánticos basados en software que se ejecutan en computadoras clásicas se han convertido en herramientas esenciales para explorar algoritmos y rincipios cuánticos. Estos simuladores, aunque potentes, requieren recursos de memoria significativos debido al crecimiento exponencial de los tamaños de los estados cuánticos. Por ejemplo, representar un estado de N cúbits requiere 2^N números complejos, lo que supone una carga inmensa para los sistemas de memoria clásicos. Este trabajo investiga estrategias de gestión de memoria para optimizar el uso de recursos en simuladores de computación cuántica. Las técnicas exploradas incluyen la eliminación de estados, las estructuras de datos de estado completo, las optimizaciones de aplicaciones de puertas cuánticas, la compresión de datos y los enfoques de memoria distribuida. El objetivo es reducir el consumo de memoria al tiempo que se preserva la precisión de las simulaciones cuánticas. El estudio implementa estas estrategias en un simulador cuántico, proporcionando una comparación detallada de su rendimiento en varios algoritmos cuánticos. Los resultados resaltan las compensaciones entre la eficiencia computacional y el uso de la memoria, ofreciendo información sobre los enfoques más efectivos para escalar simulaciones cuánticas en hardware clásico.
La computación cuántica promete una potencia computacional sin precedentes al aprovechar principios mecánicos cuánticos como la superposición y el entrelazamiento. Sin embargo, el hardware cuántico actual está limitado por la cantidad de cúbits y las altas tasas de error, lo que dificulta la prueba de algoritmos cuánticos complejos a escala. Como resultado, los simuladores cuánticos basados en software que se ejecutan en computadoras clásicas se han convertido en herramientas esenciales para explorar algoritmos y rincipios cuánticos. Estos simuladores, aunque potentes, requieren recursos de memoria significativos debido al crecimiento exponencial de los tamaños de los estados cuánticos. Por ejemplo, representar un estado de N cúbits requiere 2^N números complejos, lo que supone una carga inmensa para los sistemas de memoria clásicos. Este trabajo investiga estrategias de gestión de memoria para optimizar el uso de recursos en simuladores de computación cuántica. Las técnicas exploradas incluyen la eliminación de estados, las estructuras de datos de estado completo, las optimizaciones de aplicaciones de puertas cuánticas, la compresión de datos y los enfoques de memoria distribuida. El objetivo es reducir el consumo de memoria al tiempo que se preserva la precisión de las simulaciones cuánticas. El estudio implementa estas estrategias en un simulador cuántico, proporcionando una comparación detallada de su rendimiento en varios algoritmos cuánticos. Los resultados resaltan las compensaciones entre la eficiencia computacional y el uso de la memoria, ofreciendo información sobre los enfoques más efectivos para escalar simulaciones cuánticas en hardware clásico.
La simulación clásica de circuitos cuánticos sigue siendo un recurso indispensable para diseñar, validar y analizar algoritmos cuánticos. No obstante, en los simuladores de estado completo su alcance práctico queda limitado por el crecimiento exponencial de la memoria requerida para almacenar el vector de estado. En respuesta a esta restricción, el presente trabajo estudia la compresión sin pérdida como mecanismo de gestión de memoria en simuladores cuánticos tipo Schrödinger, con el objetivo de reducir la huella de almacenamiento sin introducir alteraciones numéricas en la simulación. La propuesta comprende la selección de un simulador base y de una biblioteca de compresión adecuada, el diseño de una arquitectura de almacenamiento por bloques con descompresión selectiva y caché LRU, su implementación en TMFQSfullstate mediante Blosc2 y su evaluación experimental frente a una ejecución de referencia sin compresión y a una estrategia con pérdida controlada basada en ZFP. La validación se realizó con circuitos representativos de comportamientos contrastantes de compresibilidad, en particular Grover y la transformada cuántica de Fourier, para instancias entre 20 y 25 qubits. Los resultados muestran que la estrategia sin pérdida basada en Blosc logra reducciones significativas de memoria en escenarios favorables, especialmente en Grover, manteniendo coincidencia exacta con la referencia no comprimida y error absoluto máximo nulo en todos los casos evaluados. También evidencian que la eficacia de la compresión depende de la estructura del estado cuántico y del patrón de acceso al vector, por lo que no puede asumirse un beneficio uniforme entre algoritmos. En conjunto, el trabajo demuestra que la compresión sin pérdida es una alternativa viable para ampliar la capacidad práctica de simulación cuando la memoria es la restricción dominante y el estado conserva regularidades aprovechables.
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.
La computación cuántica es un campo de la ingeniería informática que actualmente empieza a ser de gran relevancia debido a su capacidad de mejora de eficiencia para la resolución de ciertas tareas de la computación. En este Trabajo de Fin de Grado se ven algunos de los algoritmos cuánticos más importantes, ya sea porque sirven para demostrar la ventaja cuántica frente a la clásica o porque tienen una gran utilidad en áreas como la criptografía, la inteligencia artificial o las comunicaciones. Los algoritmos cuánticos se basan en la manipulación de un vector, denominado vector de estado, que define el estado en el que se encuentran los cúbits, o bits cuánticos, y que será una superposición de los valores definidos como 0 y 1. Esto se hace para maximizar la probabilidad de un estado, o conjunto de estados, que serán la solución o facilitarán su obtención. En los computadores cuánticos reales esto se hace de manera natural, ya que la mecánica cuántica está presente en la naturaleza del universo, aunque estos son escasos debido al lento avance que se tiene, por lo que su uso es limitado. Por tanto, se utilizan computadores clásicos para simular las operaciones cuánticas sobre el vector de estado, de forma que se pueda comprobar el correcto funcionamiento de nuevos algoritmos sin tener que ejecutarlos en un computador cuántico. El problema que existe es la gran capacidad de memoria que se necesita tener, ya que el vector de estado crece exponencialmente con el número de cúbits que se desea simular, y el tiempo necesario para llevar a cabo la simulación. Para ello se utilizarán técnicas de paralelización de código en CPU y en GPU, de forma que se disminuya en gran medida el tiempo de simulación. Se realizará un estudio comparativo del rendimiento que ofrece cada versión del código, de forma que se determine la necesidad de cada una de las técnicas de computación de alto rendimiento para realizar simulaciones de computación cuántica. ABSTRACT Quantum computing is a field of computer engineering which is currently beginning to gain importance due to the capacity for efficiency improvement in the resolution of certain tasks of computation. In this Final Degree Project several of the most important quantum algorithms are going to be studied either because of their ability to demonstrate the quantum advantage over the classical computation or because they are useful in areas like cryptography, artificial intelligence or communications. Quantum algorithms are based on the manipulation of a vector, named state vector, that defines the state that qubits, or quantum bits have, which is a superposition of the values defined as 0 and 1. This vector manipulation is done to maximise the probability of a state or group of states that are the solution or that will facilitate obtaining it. In real quantum computers this is done naturally, since quantum mechanics are present in the nature of the universe, although these computers are scarce due to the slow progress being made in this field, so their use is limited. Therefore, classical computers are used to simulate the quantum operations on the state vector, such that proper functioning of new algorithms can be verified without needing to run them on a quantum computer. The problem is the memory capacity that is needed, because the state vector grows exponentially with the number of qubits that are wanted to simulate, in addition to the time that this simulation requires. For this reason, techniques of parallelization in CPU and GPU will be utilized, so that the time of simulation can be decreased. A comparative study of performance from each code version will be conducted, in a way that the necessity of each technique of high-performance computing for performing simulations of quantum computing can be determined.
La corrección cuántica de errores constituye una condición esencial para construir computadores cuánticos capaces de ejecutar algoritmos largos y fiables. A diferencia de la corrección clásica, debe proteger estados cuánticos sin medir directamente ni destruir la información codificada, mediante redundancia, mediciones de síndrome y decodificación. El objetivo de este artículo es revisar el estado del arte entre 2020 y 2026, considerando códigos de superficie, códigos cuánticos de baja densidad de paridad (qLDPC), códigos bosónicos, decodificadores y circuitos dinámicos, así como su relación con aplicaciones prácticas. Se desarrolló una revisión narrativa de literatura científica y fuentes institucionales, con énfasis en resultados experimentales recientes y en las limitaciones que separan las demostraciones de memoria lógica de la ejecución de algoritmos útiles a gran escala. La literatura muestra avances en operación por debajo del umbral, reducción de errores lógicos al aumentar la distancia del código, decodificación en tiempo real y arquitecturas alternativas que buscan reducir el costo físico. Sin embargo, persisten desafíos relacionados con errores correlacionados, fuga de estados computacionales, conectividad, latencia, recursos para puertas lógicas tolerantes a fallos y escalabilidad. Las aplicaciones más prometedoras incluyen simulación cuántica, química y materiales, optimización y criptografía, aunque la corrección de errores no demuestra por sí sola una ventaja práctica en esas tareas. Se concluye que el progreso debe evaluarse por la calidad de los qubits lógicos, el costo total de recursos y la ejecución fiable de circuitos completos, no solo por el número de qubits físicos.
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.
El interés por la computación cuántica ha crecido exponencialmente en los últimos años debido a su potencial para influir en un amplio número de tecnologías, potenciando muchas de ellas al tiempo que supone una amenaza para la seguridad de otras. Por consiguiente, esta tecnología tendrá inevitablemente un impacto social. Ciertas organizaciones necesitarán incorporar componentes cuánticos a sus sistemas para mantenerse competitivas. Ejemplos de estos componentes son los algoritmos capaces de resolver problemas que antes eran irresolubles en un tiempo razonable para la computación clásica o los nuevos protocolos de seguridad post- cuánticos, entre muchos otros. Por lo tanto, es probable que el desarrollo de los futuros sistemas de información se vea afectado por este nuevo paradigma de computación. La implementación de componentes cuánticos en los sistemas de información no implica que los sistemas de información actuales (clásicos) vayan a ser sustituidos en su totalidad por sistemas de información totalmente cuánticos. Por el contrario, se producirá una evolución hacia sistemas de información clásicos-cuánticos. Por consiguiente, las organizaciones tendrán que evaluar qué partes de su sistema de información deberán modernizarse con aplicaciones cuánticas y que se integrarán en estos nuevos sistemas de información híbridos. Desafortunadamente, no existen técnicas ni procesos concretos para abordar este reto. Esta tesis doctoral presenta un proceso de modernización de software como solución para migrar los sistemas de información clásicos hacia sistemas de información híbridos. Este proceso se denomina proceso de Modernización del Software Cuántico. Se han realizado adaptaciones de estándares acogidos por la industria como UML y KDM para emplear los principios de ingeniería dirigida por modelos. De esta manera y utilizando los estándares se pueden representar los nuevos componentes cuánticos. Los resultados obtenidos demuestran que el proceso de Modernización del Software Cuántico puede facilitar la integración de programas cuánticos en los sistemas de información clásicos existentes.