• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Riesgo
      • Constructor de Scorecards de Crédito
      • Aplicar Scorecard de Crédito
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Fundamentos de computación cuántica

agosto 26, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

La computación cuántica está cada día más cerca. Recientemente IBM anunció el primer ordenador cuántico comercial, que, a pesar de sus limitaciones, es un primer paso en el camino. Además, tanto IBM como Microsoft, con Q#, disponen de herramientas para probar algoritmos cuánticos. Existiendo ya formación disponible en estas tecnologías. En esta entrada se van a explicar las bases de la computación cuántica y las puertas lógicas cuánticas.

A continuación, se comienza con uno de los conceptos básicos en computación cuántica, los cúbits (bit cuántico, en inglés quantum bit o qubit). Posteriormente se verá cómo operar con ellos mediante la utilización de puertas lógicas cuánticas y se mostrarán algunas de las más conocidas..

Bits y cúbits

En los ordenadores “clásicos” los programas son básicamente una serie de 0 y 1. Una serie de estados binarios discretos. En los ordenadores cuánticos esto cambia radicalmente, ya que operan con estados continuos entre 0 y 1. Lo que se conoce como un cúbit. Siendo esto lo que los hace mucho más potentes.

Si hacemos una analogía los bits clásicos son como un interruptor de la luz, que solamente tiene dos estados: encendido o apagado. Por otro lado, los cúbits se pueden interpretar como un potenciómetro, en el que se puede fijar cualquier estado intermedio entre encendido y apagado.

Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
En Analytics Lane
Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane

Para expresar los estados de los cúbits se puede utilizar la notación de Dirac. En esta cada uno de los estados se puede asociar con un vector, para el cúbit 0 se puede utilizar

\lvert 0 \rangle = \begin{bmatrix} 0 \\ 1 \end{bmatrix},

mientras que el 1 se puede representar como

\lvert 1 \rangle = \begin{bmatrix} 1 \\ 0 \end{bmatrix}.

En computación cuántica es posible que exista la superposición de dos estados. Lo que se puede denotar mediante la siguiente expresión

\lvert \Psi \rangle = \alpha \lvert 0 \rangle + \beta \lvert 1 \rangle

donde \alpha y \beta son valores complejos tal que la suma de sus cuadrados es la unidad. Ambos valores se pueden interpretar como la “probabilidad” de que el cúbit este en un estado u otro.

Medida de los estados de un cúbit

Como se ha comentado anteriormente los cúbits son estados cuánticos. Los cuales no tiene un valor determinado hasta que se realiza una medida, lo que se llama colapso. En el momento de la medida el cúbit toma solamente un valor de los posibles o bien \lvert 0 \rangle o bien \lvert 1 \rangle . Pero nunca se puede observar una combinación de ambos. Además, en el momento de la medida se pierde completamente los valores que tenían previamente \alpha y \beta.

A la hora de medir un cúbit generalmente se obtiene el estado \lvert 0 \rangle con probabilidad |\alpha|^2 y el estado \lvert 1 \rangle con probabilidad |\beta|^2. Por lo que, los resultados siempre se obtienen en términos de probabilidad.
Es decir, si tememos un estado con los valores de \alpha y \beta igual a \frac{1}{\sqrt{2}}. La probabilidad de obtener tanto \lvert 0 \rangle como \lvert 1 \rangle es del 50%. Debido a que \left| \frac{1}{\sqrt{2}} \right|^2 = 0,5.

Publicidad


Puertas lógicas cuánticas

En la computación clásica se utilizan las puertas lógicas para operar con los bits. El análogo en computación cuántica son las puertas lógicas cuánticas.

Una puerta lógica básica es aquella que implementar un el operador lógico NOT, en el que se cambia el estado del bit por su opuesto. Es decir, si el bit inicialmente era un 0 lo transforma en un 1 y si era un 1 los transforma en 0. Algo sencillo. En computación cuántica se puede definir un operador lógico análogo que cambia las probabilidades de un cúbit. Es decir, una puerta lógica cuántica NOT convierte el cúbit \alpha \lvert 0 \rangle + \beta \lvert 1 \rangle en \beta \lvert 0 \rangle + \alpha \lvert 1 \rangle.

Puertas lógicas en forma matricial

Las puertas lógicas se pueden expresar en notación matricial. Así, la puerta lógica cuántica NOT tiene la forma:

\begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix}

Lo que se puede comprobar simplemente operado con ella sobre un estado.

X \lvert 0 \rangle = \begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix} \begin{bmatrix} 1 \\ 0 \end{bmatrix} = \begin{bmatrix} 0 \\ 1 \end{bmatrix} = \lvert 1 \rangle

Esta puerta lógica cuántica es la que se llama puerta X de Pauli.

Limitaciones de las puertas lógicas cuánticas

Los valores de \alpha y \beta no puede ser cualquiera. La suma de albos al cuadrado tiene que ser siempre la unidad. Ya que la probabilidad de observar algún estado ha de ser igual a uno. Esta condición no se puede violar ni siquiera después de aplicar una puerta lógica. Por lo que esta condición limita las posibles puertas lógicas cuánticas que se pueden implementar. Lo que en término de matrices se cumple si la matriz que define la operación es unitaria.

Las matrices unitarias son aquellas matrices complejas que satisfacen la condición

U^*U = UU^*= I

donde U es una matriz, U^* es su transpuesto conjugado y I es la matriz identidad.

Esta condición hace que algunas puertas lógicas clásicas no puedan tener su equivalente en computación cuántica. Pero esto no es un problema, dado que se pueden definir múltiples puertas lógicas que verifiquen la condición de unitariedad.

Publicidad


Conclusiones

En esta entrada se ha visto una introducción a la computación cuántica.

Imágenes: Pixabay (Gerd Altmann)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
  • Nuevo conversor de timestamp Unix en el laboratorio de Analytics Lane
  • Calculadora de Contrastes de Hipótesis: interpreta correctamente el p-valor y toma decisiones estadísticas con confianza
  • Calculadora de Tamaño del Efecto: la herramienta clave para entender cuánto importa realmente una diferencia
  • Simulador de DBSCAN: descubre cómo encontrar clusters reales (y ruido) sin fijar K
  • Conversor de Colores: convierte, compara y valida cualquier color en tiempo real
  • Analytics Lane lanza su Generador de UUIDs: identificadores únicos, seguros y listos para producción en segundos
  • 1200 publicaciones en Analytics Lane
  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas

Publicado en: Criptografía Etiquetado como: Computación cuántica

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

WOE e IV: La Base Matemática del Credit Scoring

mayo 5, 2026 Por Daniel Rodríguez

Noticias

Lanzamiento de la versión 1.0 del laboratorio de Analytics Lane con nuevas herramientas de scoring

mayo 2, 2026 Por Daniel Rodríguez

Analytics Lane

¡Analytics Lane cumple ocho años!

mayo 2, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Noticias Mejores mensajes de error en Python 3.10 publicado el octubre 11, 2021 | en Python
  • Codificación JSON Archivos JSON con Python: lectura y escritura publicado el julio 16, 2018 | en Python
  • pandas Creación de variables dummies con Pandas (variables binarias para aprendizaje automático) publicado el junio 26, 2023 | en Python
  • Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python) publicado el octubre 7, 2025 | en Herramientas, Productividad
  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto