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

Comparación de algoritmos cuánticos y clásicos para la resolución del problema del agente viajero

Emanuel López Cerda, Daniel Narváez, Jose Arturo Noriega Palacios

Published Jan 1, 2025• 0 citations
Publisher
DOI
10.13140/rg.2.2.12623.24484

Related papers

El impacto de los algoritmos cuánticos en la resolución de problemas computacionales complejos

MIGUEL CCOA

•Jun 9, 2026•0 citations

Comparación de algoritmos para la integración de sistemas cuánticos

M. A. Revilla

•Jan 1, 1999•0 citations

Estudio de la eficiencia y comportamiento de QAOA frente a algoritmos clásicos en problemas de optimización.

Alberto Martínez Gallardo

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.

•Jun 1, 2025•0 citations

Implementación de computación cuántica para la optimización y mejora del algoritmo de Clustering K-Means en el contexto de la minería de datos

Dannyel Alejandro Alulema Rondal

La computación cuántica ha emergido como un paradigma revolucionario con el potencial de mejorar significativamente la resolución de problemas computacionales complejos. El algoritmo K-Means es ampliamente utilizado en la minería de datos para la clasificación y segmentación de grandes volúmenes de información. Sin embargo, su desempeño se ve afectado por problemas de escalabilidad y sensibilidad a la inicialización de centroides. Esta investigación explora la implementación de técnicas de computación cuántica para optimizar el algoritmo KMeans, proponiendo un modelo híbrido que combina elementos de la mecánica cuántica, como la superposición y el entrelazamiento, con la lógica del aprendizaje automático clásico. Se desarrolla una implementación del algoritmo cuántico en un entorno de simulación utilizando Qiskit, evaluando su rendimiento en comparación con K-Means clásico mediante métricas como la precisión y la cohesión de los clústeres. Los resultados muestran que el modelo cuántico logra una mejora en la eficiencia computacional y en la calidad de los clústeres, reduciendo el impacto de la inicialización aleatoria y optimizando la convergencia del proceso de agrupamiento. Finalmente, se presentan las limitaciones y desafíos de la computación cuántica aplicada a problemas de clasificación, destacando la necesidad de avances en hardware y algoritmos para lograr implementaciones prácticas a gran escala.

•Jan 1, 2025•0 citations

Caminatas cuánticas: definiciones y algoritmos

Venegas Andraca, Elías Salvador

•Jan 1, 2008•0 citations

Algoritmos cuánticos para la resolución del problema de satisfacibilidad booleana

María Prieto Gil

Este Trabajo Fin de Grado tiene como objetivo el estudio de la computación cuántica y el desarrollo de un algoritmo cuántico para la resolución de una variante del problema de satisfacibilidad booleana. La computación cuántica es una rama de investigación que está actualmente en sus inicios. Basa su funcionamiento en fenómenos de la física cuántica, que permite realizar cálculos de forma paralelizable. El interés por este campo surge por la capacidad que podrían alcanzar los ordenadores cuánticos de resolver problemas computacionalmente más rápido que los ordenadores clásicos. Tras la comprensión de los principios básicos de la computación cuántica se han estudiado en detalle algunos de los algoritmos cuánticos más conocidos, centrándose en el algoritmo de Grover. Finalmente se ha podido llevar a cabo el desarrollo de un algoritmo para resolver una variante del problema de satisfacibilidad booleana, el problema ‘Exactly-1 3-SAT’, que basa su funcionamiento en el algoritmo de Grover. Se han desarrollado tres posibles implementaciones de este algoritmo y se han realizado pruebas tanto en un simulador, como en un ordenador cuántico real. El problema ‘Exactly-1 3-SAT’ es un problema perteneciente a la clase de complejidad NP-completo, cuya resolución de forma cuántica reduce el tiempo de computación notablemente con respecto a la forma clásica.

•Jun 1, 2019•0 citations
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.
La computación cuántica ha emergido como un paradigma revolucionario con el potencial de mejorar significativamente la resolución de problemas computacionales complejos. El algoritmo K-Means es ampliamente utilizado en la minería de datos para la clasificación y segmentación de grandes volúmenes de información. Sin embargo, su desempeño se ve afectado por problemas de escalabilidad y sensibilidad a la inicialización de centroides. Esta investigación explora la implementación de técnicas de computación cuántica para optimizar el algoritmo KMeans, proponiendo un modelo híbrido que combina elementos de la mecánica cuántica, como la superposición y el entrelazamiento, con la lógica del aprendizaje automático clásico. Se desarrolla una implementación del algoritmo cuántico en un entorno de simulación utilizando Qiskit, evaluando su rendimiento en comparación con K-Means clásico mediante métricas como la precisión y la cohesión de los clústeres. Los resultados muestran que el modelo cuántico logra una mejora en la eficiencia computacional y en la calidad de los clústeres, reduciendo el impacto de la inicialización aleatoria y optimizando la convergencia del proceso de agrupamiento. Finalmente, se presentan las limitaciones y desafíos de la computación cuántica aplicada a problemas de clasificación, destacando la necesidad de avances en hardware y algoritmos para lograr implementaciones prácticas a gran escala.
Este Trabajo Fin de Grado tiene como objetivo el estudio de la computación cuántica y el desarrollo de un algoritmo cuántico para la resolución de una variante del problema de satisfacibilidad booleana. La computación cuántica es una rama de investigación que está actualmente en sus inicios. Basa su funcionamiento en fenómenos de la física cuántica, que permite realizar cálculos de forma paralelizable. El interés por este campo surge por la capacidad que podrían alcanzar los ordenadores cuánticos de resolver problemas computacionalmente más rápido que los ordenadores clásicos. Tras la comprensión de los principios básicos de la computación cuántica se han estudiado en detalle algunos de los algoritmos cuánticos más conocidos, centrándose en el algoritmo de Grover. Finalmente se ha podido llevar a cabo el desarrollo de un algoritmo para resolver una variante del problema de satisfacibilidad booleana, el problema ‘Exactly-1 3-SAT’, que basa su funcionamiento en el algoritmo de Grover. Se han desarrollado tres posibles implementaciones de este algoritmo y se han realizado pruebas tanto en un simulador, como en un ordenador cuántico real. El problema ‘Exactly-1 3-SAT’ es un problema perteneciente a la clase de complejidad NP-completo, cuya resolución de forma cuántica reduce el tiempo de computación notablemente con respecto a la forma clásica.