La Ingeniería de Software Cuántico (Q-SE) requiere herramientas que permitan analizar de manera reproducible y cuantitativael comportamiento funcional de algoritmos cuánticos, más allá de su corrección global. En este trabajo se presenta SMEF (Software Engineering Module Evaluation Framework), un marco de atribución funcional basado en valores de Shapley, orientado a cuantificar la contribución de bloques funcionales dentro de una implementación cuántica bajo métricas explícitas definidas por el analista. El marco evalúa configuraciones parciales del circuito que preservan el orden físico de ejecución, permitiendo descomponer el comportamiento global en contribuciones funcionales atribuibles a cada bloque, en coherencia con la semántica operacional del algoritmo y con las propiedades axiomáticas del mecanismo de atribución empleado. SMEF no busca reinterpretar la dinámica cuántica subyacente, sino proporcionar métricas funcionales reproducibles y comparables, útiles para actividades propias de la Q-SE, tales como auditoría, validación, comparación sistemática de implementaciones y detección de anomalías funcionales. La propuesta se valida mediante dos casos de estudio: (i) la búsqueda sobre hipercubos del algoritmo SKW y (ii) la etapa de estimación de fase (QPE) del algoritmo de Shor. En ambos casos, los perfiles de contribución obtenidos resultan coherentes con el rol funcional esperado de los bloques analizados y permiten identificar desviaciones funcionales sin necesidad de inspeccionar el circuito a nivel de compuertas.
La Ingeniería de Software Cuántico (Q-SE) requiere herramientas que permitan analizar de manera reproducible y cuantitativael comportamiento funcional de algoritmos cuánticos, más allá de su corrección global. En este trabajo se presenta SMEF (Software Engineering Module Evaluation Framework), un marco de atribución funcional basado en valores de Shapley, orientado a cuantificar la contribución de bloques funcionales dentro de una implementación cuántica bajo métricas explícitas definidas por el analista. El marco evalúa configuraciones parciales del circuito que preservan el orden físico de ejecución, permitiendo descomponer el comportamiento global en contribuciones funcionales atribuibles a cada bloque, en coherencia con la semántica operacional del algoritmo y con las propiedades axiomáticas del mecanismo de atribución empleado. SMEF no busca reinterpretar la dinámica cuántica subyacente, sino proporcionar métricas funcionales reproducibles y comparables, útiles para actividades propias de la Q-SE, tales como auditoría, validación, comparación sistemática de implementaciones y detección de anomalías funcionales. La propuesta se valida mediante dos casos de estudio: (i) la búsqueda sobre hipercubos del algoritmo SKW y (ii) la etapa de estimación de fase (QPE) del algoritmo de Shor. En ambos casos, los perfiles de contribución obtenidos resultan coherentes con el rol funcional esperado de los bloques analizados y permiten identificar desviaciones funcionales sin necesidad de inspeccionar el circuito a nivel de compuertas.
La Ingeniería de Software Cuántico (Q-SE) requiere herramientas que permitan analizar de manera reproducible y cuantitativa el comportamiento funcional de algoritmos cuánticos, más allá de su corrección global. En este trabajo se presenta SMEF (Software Engineering Module Evaluation Framework), un marco de atribución funcional basado en valores de Shapley, orientado a cuantificar la contribución de bloques funcionales dentro de una implementación cuántica bajo métricas explícitas definidas por el analista. El marco evalúa configuraciones parciales del circuito que preservan el orden físico de ejecución, permitiendo descomponer el comportamiento global en contribuciones funcionales atribuibles a cada bloque, en coherencia con la semántica operacional del algoritmo y con las propiedades axiomáticas del mecanismo de atribución empleado. SMEF no busca reinterpretar la dinámica cuántica subyacente, sino proporcionar métricas funcionales reproducibles y comparables, útiles para actividades propias de la Q-SE, tales como auditoría, validación, comparación sistemática de implementaciones y detección de anomalías funcionales. La propuesta se valida mediante dos casos de estudio: (i) la búsqueda sobre hipercubos del algoritmo SKW y (ii) la etapa de estimación de fase (QPE) del algoritmo de Shor. En ambos casos, los perfiles de contribución obtenidos resultan coherentes con el rol funcional esperado de los bloques analizados y permiten identificar desviaciones funcionales sin necesidad de inspeccionar el circuito a nivel de compuertas.
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.
La computación cuántica ha evolucionado desde una disciplina teórica hasta convertirse en una realidad tecnológica emergente. Aunque los principales proveedores en la nube ya ofrecen acceso a hardware cuántico real, su adopción en sistemas reales sigue limitada por importantes desafíos de software. Entre ellos se encuentran la heterogeneidad del hardware, los ecosistemas específicos de cada proveedor, los modelos de programación de bajo nivel, los elevados costes de ejecución, los tiempos de espera y la falta de metodologías de ingeniería comparables a las del desarrollo clásico. En este contexto, la Ingeniería del Software Cuántico (QSE) surge como un área clave para cerrar la brecha entre las tecnologías cuánticas y las prácticas consolidadas de la ingeniería del software. Esta tesis doctoral por compendio investiga cómo avanzar de forma sistemática en QSE en entornos de computación cuántica como servicio, acercando el desarrollo cuántico a paradigmas clásicos mediante abstracción y gestión eficiente de recursos. El trabajo propone reducir la fragmentación entre proveedores adaptando patrones y conceptos de la computación clásica. En particular, presenta: (i) un análisis de la heterogeneidad de las principales plataformas cuánticas y el diseño de una capa de acceso independiente del proveedor; (ii) mecanismos de traducción para la ejecución portable de circuitos; (iii) estrategias de consolidación de cargas de trabajo a nivel de circuito; y (iv) un modelo de ejecución híbrido que integra multi-programación y ejecución distribuida basada en disparos. En conjunto, la tesis demuestra que adaptar principios consolidados de ingeniería mejora la viabilidad y sostenibilidad de la computación cuántica.
La computación cuántica plantea nuevos desafíos para la ingeniería de software, particularmente en la especificación de requerimientos funcionales (FR), no funcionales (NFRs) y en el diseño arquitectónico de sistemas híbridos clásico-cuánticos. Este artículo plantea un mapeo sistemático de la literatura con el objetivo de analizar cómo se abordan FR, NFRs y las decisiones arquitectónicas en la ingeniería de software clásica y cómo estos enfoques están siendo adaptados al dominio cuántico. Los resultados evidencian que la ingeniería de software cuántico hereda marcos consolidados de ámbito clásico, como el uso de SRS, estándares de calidad como ISO/IEC 25010 y estilos arquitectónicos como capas, modular y SOA. Sin embargo, se identifican brechas significativas al trasladar estos enfoques al contexto cuántico, debido a la naturaleza probabilística de los algoritmos, la presencia de ruido, decoherencia y las restricciones del hardware. Asimismo, se observa la ausencia de métricas estandarizadas y metodologías maduras para validar requerimientos de calidad en entornos híbridos QPU-CPU. En el presente trabajo se concluye que, aunque existe una base conceptual heredada del paradigma clásico, es necesario desarrollar marcos específicos que integren requerimientos y arquitecturas adaptadas a las particularidades de la computación cuántica.
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.
Este trabajo se centra en el estudio de algoritmos de computación cuántica, con una introducción general al marco teórico de la computación cuántica, su naturaleza, estado actual y potencial en la resolución de problemas complejos. En particular, se aborda el uso de algoritmos cuánticos en tareas de optimización, un área de gran relevancia. Se analizarán problemas de optimización de funciones, enfocándonos en la optimización de diferentes tipos de potenciales. Para ello, se implementará el algoritmo QAOA (Quantum Approximate Optimization Algorithm), uno de los algoritmos cuánticos más representativos en este ámbito. Con el objetivo de contextualizar su rendimiento, se compararán sus resultados con los obtenidos mediante algoritmos clásicos de optimización como el método del descenso del gradiente y el método de Newton. El estudio incluirá tanto una comparación cuantitativa en términos de precisión, tiem- po de ejecución y calidad de la solución, como un análisis cualitativo de las diferencias entre enfoques clásicos y cuánticos. Asimismo, se examinará la influencia de los hiperparámetros de cada algoritmo sobre su rendimiento, con el propósito de identificar patrones o relaciones que permitan optimizar su configuración para distintos tipos de problemas.