• 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
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

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

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.

Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
En Analytics Lane
Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo

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.

Publicidad


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.

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.

Publicidad


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

  • Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
  • ¿Está concentrado el MSCI World? Un análisis con Gini, Lorenz y leyes de potencia
  • Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia
  • Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)
  • La Paradoja del Cumpleaños, o por qué no es tan raro compartir fecha de nacimiento
  • Cómo abrir una ventana de Chrome con tamaño y posición específicos desde la línea de comandos en Windows
  • Curiosidad: El sesgo de supervivencia, o por qué prestar atención sólo a los que “llegaron” puede engañarte
  • Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)
  • Data Lake y Data Warehouse: diferencias, usos y cómo se complementan en la era del dato

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

Data Lake y Data Warehouse: diferencias, usos y cómo se complementan en la era del dato

octubre 23, 2025 Por Daniel Rodríguez

Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)

octubre 21, 2025 Por Daniel Rodríguez

Curiosidad: El sesgo de supervivencia, o por qué prestar atención sólo a los que “llegaron” puede engañarte

octubre 16, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas
  • Cómo solucionar problemas de red en VirtualBox: Guía completa publicado el junio 11, 2025 | en Herramientas
  • Cómo calcular el tamaño de la muestra para encuestas publicado el septiembre 9, 2025 | en Ciencia de datos
  • La tabla de la web finalmente importada en Excel Importar tablas desde la web en Excel publicado el octubre 21, 2020 | en Herramientas
  • Diferencias entre CPU, GPU, TPU y NPU publicado el abril 19, 2023 | 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

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • 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
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes

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 © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto