El documento presenta la validación empírica y simulación mediante código de un modelo de computación cuántica extendida basado en el principio de dimensiones comprimidas o compactificadas, en analogía directa con los postulados de la teoría de cuerdas. A través de diez demostraciones y pruebas de estrés graduales (alcanzando desde 10× hasta 1000×), el estudio demuestra los siguientes puntos clave: Capacidad de Almacenamiento Lógico Extendido: Un sistema cuántico que utiliza reglas de compresión dimensional puede almacenar mayor información lógica (entropía) que la permitida por la cantidad física de qubits, logrando un rango óptimo de expansión en configuraciones de 4 a 20 bases (con un rendimiento superior en 4 bases y 3 qubits, equivalente a una eficiencia cuántica del 80% y una compresión lógica del 160%). Límites Físicos y Rigidez Estructural: La ampliación del espacio lógico no es infinita; al intentar "estirar" el espacio comprimido aumentando desmedidamente las bases o aplicando factores de escalado térmico/energético, el sistema aplica una auto-normalización que bloquea la sobrecarga y restringe la entropía a una capacidad fija estable. Plegamiento y Modos Estacionarios: Se identifican patrones de fase (lineal, cuadrático y alternante) que actúan como modos propios estacionarios, permitiendo que el denominado "bolsillo dimensional" (o espacio interno) se pliegue sin perder estructura ni coherencia interna. Resistencia y Ultraestabilidad: El espacio comprimido demuestra ser indestructible bajo cargas cuánticas progresivas y ruido cuántico, manteniendo la varianza de peso cercana a cero y la entropía estable sin sufrir saturación, rupturas ni degradación. Aplicaciones Tecnológicas Prácticas: Se establecen las bases teóricas y experimentales para el desarrollo de bolsas de almacenamiento dimensional, anillos de almacenamiento cuántico y Núcleos de Identidad Dimensional (NID) orientados a arquitecturas cuánticas avanzadas y compresión reversible de datos.
El documento presenta la validación empírica y simulación mediante código de un modelo de computación cuántica extendida basado en el principio de dimensiones comprimidas o compactificadas, en analogía directa con los postulados de la teoría de cuerdas. A través de diez demostraciones y pruebas de estrés graduales (alcanzando desde 10× hasta 1000×), el estudio demuestra los siguientes puntos clave: Capacidad de Almacenamiento Lógico Extendido: Un sistema cuántico que utiliza reglas de compresión dimensional puede almacenar mayor información lógica (entropía) que la permitida por la cantidad física de qubits, logrando un rango óptimo de expansión en configuraciones de 4 a 20 bases (con un rendimiento superior en 4 bases y 3 qubits, equivalente a una eficiencia cuántica del 80% y una compresión lógica del 160%). Límites Físicos y Rigidez Estructural: La ampliación del espacio lógico no es infinita; al intentar "estirar" el espacio comprimido aumentando desmedidamente las bases o aplicando factores de escalado térmico/energético, el sistema aplica una auto-normalización que bloquea la sobrecarga y restringe la entropía a una capacidad fija estable. Plegamiento y Modos Estacionarios: Se identifican patrones de fase (lineal, cuadrático y alternante) que actúan como modos propios estacionarios, permitiendo que el denominado "bolsillo dimensional" (o espacio interno) se pliegue sin perder estructura ni coherencia interna. Resistencia y Ultraestabilidad: El espacio comprimido demuestra ser indestructible bajo cargas cuánticas progresivas y ruido cuántico, manteniendo la varianza de peso cercana a cero y la entropía estable sin sufrir saturación, rupturas ni degradación. Aplicaciones Tecnológicas Prácticas: Se establecen las bases teóricas y experimentales para el desarrollo de bolsas de almacenamiento dimensional, anillos de almacenamiento cuántico y Núcleos de Identidad Dimensional (NID) orientados a arquitecturas cuánticas avanzadas y compresión reversible de datos.
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 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.
Resumen.En estas notas se exponen con detalle y de manera autocontenida las herramientas básicas de la teoría de los espacios de Hilbert complejos de dimensión infinita, que son necesarias para un primer estudio, matemáticamente riguroso, de la mecánica cuántica.En la última parte incluimos una introducción axiomática a la mecánica cuántica y una breve exposición del modelo del oscilador armónico y de la teoría de estados cuánticos Gaussianos. IntroducciónLa mecánica cuántica es la rama de la física que estudia los fenómenos físicos que ocurren en escalas de longitudes muy pequeñas.El calificativo "cuántico" surge de, en contraste con la mecánica clásica, considerar algunas cantidades que toman solamente valores discretos i.e., en "paquetes" o quantum-quanta en latín.Aún cuando hay muchas nociones de la mecánica cuántica que aún suscitan controversia, esta teoría se aplica exitosamente para describir el comportamiento de sistema físicos y sus predicciones son consistentes con los experimentos.Los sistemas físicos que estudia la mecánica cuántica, exhiben propiedades ondulatorias que se pueden describir mediante una ecuación de onda, por ejemplo, la bien conocida "ecuación de Schrödinger", que describe la evolución temporal de una partícula subatómica con masa, en el contexto no relativista.En estas notas trabajamos con el formalismo de matrices de densidad, que permite describir estados que son mezclas de estados puros.En consecuencia, este enfoque resulta ser una herramienta poderosa para describir sistemas cuánticos más generales, por ejemplo, acoplamientos (ensambles) de muchos sistemas cuánticos idénticos.El material que se presenta en este trabajo está dividido en cuatro secciones compuestas de la siguiente manera: la sección 1 contiene una selección de resultados de índole geométrico y analítico de la teoría de espacios de Hilbert: ortogonalidad y descomposición ortogonal, convexidad, operadores lineales, norma de operadores y funcionales lineales.La sección 2 se concentra en la clase de los operadores compactos, particularmente en los operadores de la clase de traza y de manera especial, en los operadores de Hilbert-Schmidt.Es relevante mencionar que los estados cuánticos se representan mediante operadores positivos de traza uno.La sección 3 se dedica al estudio de operadores no acotados que pueden no estar densamente definidos en un espacio de Hilbert.Abordamos también el estudio de operadores cerrados y cerrables, el adjunto de un operador y una introducción a la teoría espectral de operadores.Una parte esencial de esta sección son los operadores simétricos e isométricos, los cuales exhiben similitudes en sus propiedades geométricas y espectrales.Cabe señalar que las observables físicas se representan por operadores simétricos típicamente no acotados.Por último, en la sección 4 se discuten brevemente postulados de la mecánica cuántica en el marco del formalismo de matrices de densidad, se revisa el modelo del oscilador armónico cuántico y se ofrece una introducción a los estados cuánticos Gaussianos.Al final de cada sección incluimos una selección de problemas que sirven para complementar estas notas.El lector interesado puede profundizar en el estudio de resultados aquí expuestos, desde los más básicos hasta los más avanzados, en la literatura clásica de operadores lineales, por ejemplo en [1,2,3,4,13,20].
Desde su origen, la teoría de la información ha tenido fuertes conexiones con la mecánica estadística. El mismo término entropía de la información fue elegido por Shannon a partir del término usado en termodinámica, bajo sugerencia de Von Neumann. La misma relación se ha desarrollado recientemente entre las correspondientes generalizaciones cuánticas de ambas teorías, que son la información cuántica, que estudia el almacenamiento y la manipulación de la información en sistemas cuánticos, y la física de muchos cuerpos. Las conexiones entre los dos campos aumentan cada día y van en las dos direcciones. Las herramientas e ideas de la información cuántica ayudan a solucionar problemas abiertos en teoría de la materia condensada, y nuevos modelos de muchos cuerpos se desarrollan para aplicaciones de la información cuántica. Al mismo tiempo la implementación y el control experimental de pequeños sistemas cuánticos ha mejorado de forma espectacular, aumentando la posibilidad de que estos experimentos se puedan llevar a cabo a escala más grande, abriendo la posibilidad de aplicaciones prácticas. Es reciente el interés de la comunidad de investigadores en información cuántica por estos modelos, y se ha empezado a ver este tipo de evoluciones no solamente como un problema que resolver, sino cómo un recurso que explotar. Este fundamental cambio de perspectiva ha abierto una nueva línea de investigación en el campo, incorporando ideas sobre cómo construir evoluciones artificiales en las cuales la disipación trabaja en nuestro favor en vez de en nuestra contra, incluso protegiendo el sistema de otros ruidos incontrolados. De esta manera se han planteado nuevos problemas interesantes, como cuál es el poder computacional de estos modelos y qué condiciones pueden garantizar la resistencia contra el ruido externo. Esta tesis es parte del esfuerzo para mejorar nuestro conocimiento de estos modelos. Nos hemos centrado en el estudio de las propiedades de evoluciones disipativas de sistemas cuánticos de espines en un retículo, bajo una hipótesis que llamamos equilibración rápida. Consideramos evoluciones disipativas con un único punto fijo, y que comprimen todo el espacios de estados iniciales en un entorno decreciente del punto fijo. La escala temporal a la cuál se tiene esta compresión, es decir el tiempo que tenemos que esperar para que cualquier estado inicial se encuentre arbitrariamente cercano al punto fijo, se llama tiempo de equilibración del proceso. La condición de equilibración rápida pide que este tiempo sea logarítmico en el tamaño del sistema. La contribución principal de esta tesis es demostrar que la equilibración rápida tiene importantes consecuencias en las propiedades del sistema. Este será estable bajo perturbaciones externas y sus puntos fijos satisfarán una ley de área para la información mutua. La parte más técnica de este trabajo se basa en las llamadas cotas de Lieb Robinson. Muy conocidas en el caso de sistemas cerrados, pero igualmente válidas para sistemas abiertos, las cotas de Lieb Robinson formalizan la idea que la información en un sistema de muchos cuerpos sólo puede moverse con una velocidad finita, dado que su propagación está mediada por las interacciones locales. Por lo tanto, controlar la escala temporal con la cuál la evolución converge permite a su vez controlar la escala espacial a la cuál se pueden crear correlaciones.
El control es una rama interdisciplinar entre la ingeniería y las matemáticas, cuyo objetivo es la manipulación activa del comportamiento de cualquier sistema dinámico. Actualmente, con el desarrollo de nuevas tecnologías basadas en dispositivos cuyas leyes vienen dictadas por la mecánica cuántica, el desarrollo de técnicas de control aplicadas a estos sistemas se ha convertido en una prioridad para el desarrollo tecnológico actual. \nEl principal problema radica en que 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 (SDE1) no lineales en lugar de las ecuaciones diferenciales deterministas de los sistemas clásicos. \nEl dominio de las tecnologías cuánticas se divide en cuatro campos destacables [1]: Sensores cuánticos, donde la alta sensibilidad de los sistemas cuánticos a las perturbaciones se aprovecha para mejorar la precisión de las medidas de magnitudes físicas; Comunicación cuántica, donde los fotones se usan para transmitir datos e información de una manera segura; Simulación cuántica, donde un sistema cuántico controlado puede simular el comportamiento de otro sistema cuántico menos accesible; y Computación cuántica, donde mediante los fenómenos cuánticos se puede conseguir una disminución drástica del tiempo de computación en cálculos numéricos. \nSabiendo los campos de actuación de estas tecnologías y mirando al futuro, del mismo modo que el transistor supone actualmente un elemento imprescindible en la industria, parece difícil no creer que las tecnologías cuánticas supondrán una revolución en sectores como la industria aeroespacial, automotriz o manufacturera, así como en salud, agricultura o finanzas. \nEl desarrollo de las tecnologías cuánticas ha conseguido captar mucha atención en las últimas décadas. Como aparece explicado en [1], parte de este impulso se debe al “Quantum Manifesto”, un documento generado en 2016 por la comunidad científica donde se realiza un llamamiento a gobiernos e industrias para apoyar esta tecnología. El interés generado por este documento fue respondido por la Comisión Europa mediante un proyecto de 10 años de duración (Flagship) y con una inversión de más de un billón de euros iniciales, aumentando en volumen cada año que pasa. Por otro lado, potencias mundiales como China, Rusia, Australia, Estados Unidos o Canadá son actualmente líderes en el desarrollo de tecnologías cuánticas. A nivel empresarial, compañías como Intel, HP, Toshiba y Microsoft, con IMB y Google a la cabeza, apuestan por la investigación en los campos de las tecnologías cuánticas como la computación y la comunicación cuánticas. \nCon este trabajo se pretende desarrollar un proyecto de investigación enfocado a la simulación numérica de la dinámica y control de un Qubit (bit cuántico): la nueva unidad de información elemental de la teoría de la información cuántica. A diferencia de un bit clásico que solo presenta dos estados posibles, un bit cuántico puede presentar ambos estados al mismo tiempo, es decir, el estado de un Qubit es una combinación lineal de los estados elementales de un bit clásico. \nEsta característica es la que define el potencial de los Qubits como nueva tecnología. Por este mismo motivo, el Qubit, como su propio nombre indica, es un sistema cuántico, estando sometido y regido por las leyes de estos. \nEn el primer capítulo del trabajo, se realizará una breve introducción a las tecnologías cuánticas, ilustrando el formalismo cuántico a través de la computación cuántica. En esta sección, se estudiará el Qubit, sus estados y las operaciones a las que son sometidos. En el segundo capítulo, se introducirá el modelo de control empleado para sistemas cuánticos en general, concretando para la dinámica y control de un Qubit. En el siguiente capítulo, analizaremos los resultados obtenidos a través de las diferentes simulaciones llevadas a cabo mediante métodos numéricos. En este punto, comprobaremos qué tan bueno es el control propuesto en la bibliografía para un Qubit y si es robusto ante diferentes situaciones. Se cerrará el proyecto con un capítulo dedicado a las conclusiones extraídas y los posibles trabajos de interés que se pueden realizar en un futuro.
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.