• 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
      • Ajuste de Curvas
      • Calculadora de Matrices
    • 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)
    • Negocios
      • CLV
      • Scoring
    • 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.

La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)
En Analytics Lane
La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)

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

  • La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)
  • La vanidad del paisaje, o por qué un becario sale a contar grúas a Manhattan – El bestiario de los indicadores económicos absurdos (parte 2)
  • Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés – El bestiario de los indicadores económicos absurdos (parte 3)
  • El Binning en Credit Scoring: El Arte de Discretizar Variables
  • Cómo comparar tendencias con gráficos de líneas en Matplotlib: guía práctica paso a paso
  • Analytics Lane lanza la versión 1.2 del laboratorio con nuevas herramientas de ajuste de curvas y cálculo matricial
  • Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura
  • Analytics Lane lanza la versión 1.3 del laboratorio con nuevas herramientas de evaluación de modelos y utilidades prácticas
  • Ley de Benford: cómo detectar datos manipulados con ejemplos reales

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

Noticias

Analytics Lane lanza la versión 1.3 del laboratorio con nuevas herramientas de evaluación de modelos y utilidades prácticas

junio 19, 2026 Por Daniel Rodríguez

Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés – El bestiario de los indicadores económicos absurdos (parte 3)

junio 18, 2026 Por Daniel Rodríguez

El Binning en Credit Scoring: El Arte de Discretizar Variables

junio 16, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | en Herramientas
  • Comprobar hash SHA-256 o MD5 en Windows, macOS y Linux publicado el noviembre 1, 2023 | en Criptografía, Herramientas
  • Calculadora de probabilidades de ganar a la lotería con los resultados para el juego de Euromillones Calculadora de probabilidades de ganar a la lotería publicado el febrero 5, 2020 | en Matlab
  • La pantalla del sistema operativo anfitrión no se adapta al de la pantalla en VirtualBox Configuración del tamaño de pantalla en VirtualBox publicado el noviembre 11, 2022 | en Herramientas
  • Eliminar la protección en archivos Excel publicado el mayo 30, 2018 | 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

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • 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

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