Objetivos y oportunidades de la simulación cuántica

Diego Porras, Juan Ignacio Cirac Sasturáin

Rafael Blasco Lorenzo

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.

José Ignacio Latorre

Lucas Damián Alaniz Pintos

Este proyecto tiene como objetivo explorar el potencial de los algoritmos cuánticos en la simulación de redes neuronales biológicas. Aprovechando la computación cuántica en la nube proporcionada por IBM Quantum, se integran técnicas avanzadas de inteligencia artificial (IA) para optimizar y mejorar los modelos neuronales. Se utilizan datos detallados de conectividad y expresión génica obtenidos del Allen Brain Atlas, procesados y limpiados para facilitar su uso en simulaciones cuánticas. Los resultados demuestran la capacidad de los algoritmos cuánticos para manejar la complejidad de las redes neuronales biológicas, proporcionando una herramienta poderosa para la investigación en neurociencia y biología. La computación cuántica ofrece ventajas significativas en términos de eficiencia y escalabilidad para la simulación de sistemas biológicos complejos. Este trabajo detalla los pasos realizados, los resultados obtenidos y las conclusiones derivadas del proceso, destacando el papel crucial de la IA en la optimización de los parámetros del circuito cuántico y en el análisis de los resultados de las simulaciones

Juan Ignacio Cirac Sasturáin

Joan Sebastian Sandoval Parra

Este trabajo estudia la simulación cuántica digital de modelos fundamentales de la óptica cuántica, en particular los modelos de Jaynes–Cummings y de Rabi cuántico, desde una perspectiva teórico–computacional, con el objetivo de desarrollar esquemas de codificación en registros de qubits de tamaño arbitrario y analizar cómo el número de qubits y la estructura de los circuitos cuánticos condicionan la representación del sistema y su dinámica. Para ello, se aborda la discretización del espacio de Hilbert bosónico y la codificación de los operadores de creación y aniquilación en Hamiltonianos de interacción radiación–materia, considerando un escenario idealizado sin efectos de ruido. Las simulaciones numéricas clásicas realizadas con QuTiP se emplean como referencia, mientras que PennyLane se utiliza para la construcción y simulación de circuitos cuánticos. Se analizan distintos estados iniciales del campo y se evalúa de manera sistemática la dependencia del error de simulación y del costo computacional con el número de qubits y la profundidad de los circuitos.