Computación cuántica

Tecnología que utiliza la mecánica cuántica

Representación de un cúbit en forma de esfera de Bloch . El estado es un punto en la superficie de la esfera, a medio camino entre los polos y . ${\displaystyle |\psi \rangle =\alpha |0\rangle +\beta |1\rangle }$ ${\displaystyle |0\rangle }$ ${\displaystyle |1\rangle }$

Un ordenador cuántico es un ordenador que explota fenómenos mecánicos cuánticos . En escalas pequeñas, la materia física exhibe propiedades tanto de partículas como de ondas , y la computación cuántica aprovecha este comportamiento utilizando hardware especializado. La física clásica no puede explicar el funcionamiento de estos dispositivos cuánticos, y un ordenador cuántico escalable podría realizar algunos cálculos exponencialmente más rápido ^[a] que cualquier ordenador "clásico" moderno. Teóricamente, un ordenador cuántico a gran escala podría romper esquemas de cifrado ampliamente utilizados y ayudar a los físicos a realizar simulaciones físicas ; sin embargo, el estado actual de la técnica es en gran parte experimental y poco práctico, con varios obstáculos para aplicaciones útiles.

La unidad básica de información en computación cuántica, el qubit (o "bit cuántico"), cumple la misma función que el bit en computación clásica. Sin embargo, a diferencia de un bit clásico, que puede estar en uno de dos estados (un binario ), un qubit puede existir en una superposición de sus dos estados "base", lo que significa, en términos generales, que está en ambos estados simultáneamente. Al medir un qubit, el resultado es una salida probabilística de un bit clásico. Si un ordenador cuántico manipula el qubit de una manera particular, los efectos de interferencia de ondas pueden amplificar los resultados de medición deseados. El diseño de algoritmos cuánticos implica la creación de procedimientos que permitan a un ordenador cuántico realizar cálculos de manera eficiente y rápida.

La ingeniería física de cúbits de alta calidad ha resultado ser un desafío. Si un cúbit físico no está lo suficientemente aislado de su entorno, sufre de decoherencia cuántica , lo que introduce ruido en los cálculos. Los gobiernos nacionales han invertido mucho en investigación experimental que apunta a desarrollar cúbits escalables con tiempos de coherencia más largos y tasas de error más bajas. Entre los ejemplos de implementaciones se incluyen los superconductores (que aíslan una corriente eléctrica eliminando la resistencia eléctrica ) y las trampas de iones (que confinan una sola partícula atómica utilizando campos electromagnéticos ).

En principio, un ordenador clásico puede resolver los mismos problemas computacionales que un ordenador cuántico, si se le da el tiempo suficiente. La ventaja cuántica se presenta en forma de complejidad temporal en lugar de computabilidad , y la teoría de la complejidad cuántica muestra que algunos algoritmos cuánticos son exponencialmente más eficientes que los algoritmos clásicos más conocidos. En teoría, un ordenador cuántico a gran escala podría resolver problemas computacionales que no serían solucionables por un ordenador clásico en un tiempo razonable. Este concepto de capacidad adicional se ha denominado " supremacía cuántica ". Si bien estas afirmaciones han atraído una atención significativa hacia la disciplina, los casos de uso práctico a corto plazo siguen siendo limitados.

Historia

Durante muchos años, los campos de la mecánica cuántica y la informática formaron comunidades académicas distintas. ^[1] La teoría cuántica moderna se desarrolló en la década de 1920 para explicar la dualidad onda-partícula observada a escala atómica, ^[2] y las computadoras digitales surgieron en las décadas siguientes para reemplazar a las computadoras humanas para los cálculos tediosos. ^[3] Ambas disciplinas tuvieron aplicaciones prácticas durante la Segunda Guerra Mundial ; las computadoras desempeñaron un papel importante en la criptografía en tiempos de guerra , ^[4] y la física cuántica fue esencial para la física nuclear utilizada en el Proyecto Manhattan . ^[5]

A medida que los físicos aplicaron modelos mecánicos cuánticos a problemas computacionales e intercambiaron bits digitales por qubits , los campos de la mecánica cuántica y la informática comenzaron a converger. En 1980, Paul Benioff presentó la máquina cuántica de Turing , que utiliza la teoría cuántica para describir una computadora simplificada. ^[6] Cuando las computadoras digitales se volvieron más rápidas, los físicos enfrentaron un aumento exponencial en la sobrecarga al simular la dinámica cuántica , ^[7] lo que llevó a Yuri Manin y Richard Feynman a sugerir de forma independiente que el hardware basado en fenómenos cuánticos podría ser más eficiente para la simulación por computadora. ^{[8] [9] [10]} En un artículo de 1984, Charles Bennett y Gilles Brassard aplicaron la teoría cuántica a los protocolos de criptografía y demostraron que la distribución de claves cuánticas podría mejorar la seguridad de la información . ^{[11] [12]}

Luego surgieron algoritmos cuánticos para resolver problemas de oráculo , como el algoritmo de Deutsch en 1985, ^[13] el algoritmo de Bernstein-Vazirani en 1993, ^[14] y el algoritmo de Simon en 1994. ^[15] Estos algoritmos no resolvieron problemas prácticos, pero demostraron matemáticamente que uno podía obtener más información consultando una caja negra con un estado cuántico en superposición , a veces denominado paralelismo cuántico . ^[16]

Peter Shor (en la foto de 2017) demostró en 1994 que una computadora cuántica escalable sería capaz de romper el cifrado RSA .

Peter Shor se basó en estos resultados con su algoritmo de 1994 para romper los protocolos de cifrado RSA y Diffie-Hellman ampliamente utilizados, ^[17] lo que atrajo una atención significativa al campo de la computación cuántica. ^[18] En 1996, el algoritmo de Grover estableció una aceleración cuántica para el problema de búsqueda no estructurada de amplia aplicación. ^{[19] [20]} El mismo año, Seth Lloyd demostró que las computadoras cuánticas podían simular sistemas cuánticos sin la sobrecarga exponencial presente en las simulaciones clásicas, ^[21] validando la conjetura de Feynman de 1982. ^[22]

A lo largo de los años, los experimentalistas han construido computadoras cuánticas a pequeña escala utilizando iones atrapados y superconductores . ^[23] En 1998, una computadora cuántica de dos qubits demostró la viabilidad de la tecnología, ^{[24] [25]} y experimentos posteriores han aumentado el número de qubits y reducido las tasas de error. ^[23]

En 2019, Google AI y la NASA anunciaron que habían logrado la supremacía cuántica con una máquina de 54 qubits, realizando un cálculo que es imposible para cualquier computadora clásica. ^{[26] [27] [28]} Sin embargo, la validez de esta afirmación todavía se está investigando activamente. ^{[29] [30]}

En diciembre de 2023, los físicos informaron por primera vez sobre el entrelazamiento de moléculas individuales, lo que puede tener aplicaciones significativas en la computación cuántica. ^[31]

Procesamiento de información cuántica

Los ingenieros informáticos suelen describir el funcionamiento de una computadora moderna en términos de electrodinámica clásica . Dentro de estas computadoras "clásicas", algunos componentes (como semiconductores y generadores de números aleatorios ) pueden depender del comportamiento cuántico, pero estos componentes no están aislados de su entorno, por lo que cualquier información cuántica se descoherencia rápidamente . Si bien los programadores pueden depender de la teoría de la probabilidad al diseñar un algoritmo aleatorio , las nociones de mecánica cuántica como la superposición y la interferencia son en gran medida irrelevantes para el análisis de programas .

Los programas cuánticos , por el contrario, se basan en un control preciso de sistemas cuánticos coherentes . Los físicos describen estos sistemas matemáticamente utilizando álgebra lineal . Los números complejos modelan amplitudes de probabilidad , los vectores modelan estados cuánticos y las matrices modelan las operaciones que se pueden realizar en estos estados. Programar un ordenador cuántico es entonces una cuestión de componer operaciones de tal manera que el programa resultante calcule un resultado útil en teoría y sea implementable en la práctica.

Como describe el físico Charlie Bennett la relación entre las computadoras cuánticas y clásicas, ^[32]

Un ordenador clásico es un ordenador cuántico... así que no deberíamos preguntarnos de dónde vienen las aceleraciones cuánticas. Deberíamos decir: "Bueno, todos los ordenadores son cuánticos... ¿De dónde vienen las desaceleraciones clásicas?"

Información cuántica

Así como el bit es el concepto básico de la teoría clásica de la información, el qubit es la unidad fundamental de la información cuántica . El mismo término qubit se utiliza para referirse a un modelo matemático abstracto y a cualquier sistema físico que esté representado por ese modelo. Un bit clásico, por definición, existe en cualquiera de dos estados físicos, que pueden denotarse 0 y 1. Un qubit también se describe por un estado, y dos estados a menudo escritos y sirven como las contrapartes cuánticas de los estados clásicos 0 y 1. Sin embargo, los estados cuánticos y pertenecen a un espacio vectorial , lo que significa que pueden multiplicarse por constantes y sumarse, y el resultado es nuevamente un estado cuántico válido. Tal combinación se conoce como superposición de y . ^{[33] [34]} ${\displaystyle |0\rangle }$ ${\displaystyle |1\rangle }$ ${\displaystyle |0\rangle }$ ${\displaystyle |1\rangle }$ ${\displaystyle |0\rangle }$ ${\displaystyle |1\rangle }$

Un vector bidimensional representa matemáticamente un estado de qubit. Los físicos suelen utilizar la notación de Dirac para el álgebra lineal mecánica cuántica , escribiendo ' ket psi ' para un vector etiquetado . Debido a que un qubit es un sistema de dos estados, cualquier estado de qubit toma la forma , donde y son los estados base estándar , ^[b] y y son las amplitudes de probabilidad , que son en general números complejos . ^[34] Si o es cero, el qubit es efectivamente un bit clásico; cuando ambos son distintos de cero, el qubit está en superposición. Un vector de estado cuántico de este tipo actúa de forma similar a un vector de probabilidad (clásico) , con una diferencia clave: a diferencia de las probabilidades, las amplitudes de probabilidad no son necesariamente números positivos. ^[36] Las amplitudes negativas permiten la interferencia de ondas destructivas. ${\displaystyle |\psi \rangle }$ ${\displaystyle \psi }$ ${\displaystyle \alpha |0\rangle +\beta |1\rangle }$ ${\displaystyle |0\rangle }$ ${\displaystyle |1\rangle }$ ${\displaystyle \alpha }$ ${\displaystyle \beta }$ ${\displaystyle \alpha }$ ${\displaystyle \beta }$

Cuando se mide un qubit en la base estándar , el resultado es un bit clásico. La regla de Born describe la correspondencia de norma al cuadrado entre amplitudes y probabilidades: cuando se mide un qubit , el estado colapsa a con probabilidad o a con probabilidad . Cualquier estado válido de qubit tiene coeficientes y tales que . Como ejemplo, medir el qubit produciría o con igual probabilidad. ${\displaystyle \alpha |0\rangle +\beta |1\rangle }$ ${\displaystyle |0\rangle }$ ${\displaystyle |\alpha |^{2}}$ ${\displaystyle |1\rangle }$ ${\displaystyle |\beta |^{2}}$ ${\displaystyle \alpha }$ ${\displaystyle \beta }$ ${\displaystyle |\alpha |^{2}+|\beta |^{2}=1}$ ${\displaystyle 1/{\sqrt {2}}|0\rangle +1/{\sqrt {2}}|1\rangle }$ ${\displaystyle |0\rangle }$ ${\displaystyle |1\rangle }$

Cada qubit adicional duplica la dimensión del espacio de estados . ^[35] Como ejemplo, el vector ⁠1/√2⁠ |00⟩ + ⁠1/√2⁠ |01⟩ representa un estado de dos qubits, un producto tensorial del qubit |0⟩ con el qubit ⁠1/√2⁠ |0⟩ + ⁠1/√2⁠ |1⟩ . Este vector habita en un espacio vectorial de cuatro dimensionesgenerado por los vectores base |00⟩ , |01⟩ , |10⟩ y |11⟩ . El estado de Bell ⁠1/√2⁠ |00⟩ + ⁠1/√2⁠ |11⟩ es imposible de descomponer en el producto tensorial de dos qubits individuales: los dos qubits están entrelazados porque sus amplitudes de probabilidad están correlacionadas . En general, el espacio vectorial para unsistema de n -qubits es 2 ⁿ -dimensional, y esto hace que sea un desafío para una computadora clásica simular uno cuántico: representar un sistema de 100 qubits requiere almacenar 2 ¹⁰⁰ valores clásicos.

Operadores unitarios

El estado de esta memoria cuántica de un cúbito se puede manipular aplicando puertas lógicas cuánticas , de manera análoga a cómo se puede manipular la memoria clásica con puertas lógicas clásicas . Una puerta importante tanto para la computación clásica como para la cuántica es la puerta NOT, que se puede representar mediante una matriz. Matemáticamente, la aplicación de una puerta lógica de este tipo a un vector de estado cuántico se modela con la multiplicación de matrices . Por lo tanto, $${\displaystyle X:={\begin{pmatrix}0&1\\1&0\end{pmatrix}}.}$$

${\displaystyle X|0\rangle =|1\rangle }$y . ${\displaystyle X|1\rangle =|0\rangle }$

Las matemáticas de las puertas de un solo cúbit se pueden extender para operar en memorias cuánticas de múltiples cúbits de dos maneras importantes. Una forma es simplemente seleccionar un cúbit y aplicar esa puerta al cúbit objetivo mientras se deja el resto de la memoria intacta. Otra forma es aplicar la puerta a su objetivo solo si otra parte de la memoria está en un estado deseado. Estas dos opciones se pueden ilustrar utilizando otro ejemplo. Los estados posibles de una memoria cuántica de dos cúbits son La puerta NOT controlada (CNOT) se puede representar utilizando la siguiente matriz: Como consecuencia matemática de esta definición, , , y . En otras palabras, la CNOT aplica una puerta NOT ( de antes) al segundo cúbit si y solo si el primer cúbit está en el estado . Si el primer cúbit es , no se hace nada a ninguno de los cúbits. $${\displaystyle |00\rangle :={\begin{pmatrix}1\\0\\0\\0\end{pmatrix}};\quad |01\rangle :={\begin{pmatrix}0\\1\\0\\0\end{pmatrix}};\quad |10\rangle :={\begin{pmatrix}0\\0\\1\\0\end{pmatrix}};\quad |11\rangle :={\begin{pmatrix}0\\0\\0\\1\end{pmatrix}}.}$$ $${\displaystyle \operatorname {CNOT} :={\begin{pmatrix}1&0&0&0\\0&1&0&0\\0&0&0&1\\0&0&1&0\end{pmatrix}}.}$$ ${\textstyle \operatorname {CNOT} |00\rangle =|00\rangle }$ ${\textstyle \operatorname {CNOT} |01\rangle =|01\rangle }$ ${\textstyle \operatorname {CNOT} |10\rangle =|11\rangle }$ ${\textstyle \operatorname {CNOT} |11\rangle =|10\rangle }$ ${\textstyle X}$ ${\textstyle |1\rangle }$ ${\textstyle |0\rangle }$

En resumen, la computación cuántica puede describirse como una red de puertas lógicas cuánticas y mediciones. Sin embargo, cualquier medición puede posponerse hasta el final de la computación cuántica, aunque este aplazamiento puede tener un costo computacional, por lo que la mayoría de los circuitos cuánticos representan una red que consta solo de puertas lógicas cuánticas y ninguna medición.

Paralelismo cuántico

El paralelismo cuántico es la heurística que permite pensar que los ordenadores cuánticos evalúan una función para múltiples valores de entrada simultáneamente. Esto se puede lograr preparando un sistema cuántico en una superposición de estados de entrada y aplicando una transformación unitaria que codifica la función que se va a evaluar. El estado resultante codifica los valores de salida de la función para todos los valores de entrada en la superposición, lo que permite el cálculo de múltiples salidas simultáneamente. Esta propiedad es clave para la aceleración de muchos algoritmos cuánticos. Sin embargo, el "paralelismo" en este sentido es insuficiente para acelerar un cálculo, porque la medición al final del cálculo da solo un valor. Para ser útil, un algoritmo cuántico también debe incorporar algún otro ingrediente conceptual. ^{[37] [38]}

Programación cuántica

Existen varios modelos de computación para la computación cuántica, que se distinguen por los elementos básicos en que se descompone la computación.

Matriz de puertas

Diagrama de circuito cuántico que implementa una puerta Toffoli a partir de puertas más primitivas

Una matriz de puertas cuánticas descompone el cálculo en una secuencia de puertas cuánticas de unos pocos cúbits . Un cálculo cuántico puede describirse como una red de puertas lógicas cuánticas y mediciones. Sin embargo, cualquier medición puede posponerse hasta el final del cálculo cuántico, aunque este aplazamiento puede tener un costo computacional, por lo que la mayoría de los circuitos cuánticos representan una red que consta solo de puertas lógicas cuánticas y ninguna medición.

Cualquier computación cuántica (que es, en el formalismo anterior, cualquier matriz unitaria de tamaño sobre qubits) puede representarse como una red de puertas lógicas cuánticas de una familia bastante pequeña de puertas. Una elección de familia de puertas que permite esta construcción se conoce como un conjunto de puertas universales , ya que una computadora que puede ejecutar tales circuitos es una computadora cuántica universal . Un conjunto común de este tipo incluye todas las puertas de un solo qubit, así como la puerta CNOT de arriba. Esto significa que cualquier computación cuántica puede realizarse ejecutando una secuencia de puertas de un solo qubit junto con puertas CNOT. Aunque este conjunto de puertas es infinito, puede reemplazarse con un conjunto de puertas finito apelando al teorema de Solovay-Kitaev . Aquí se presenta la implementación de funciones booleanas utilizando las puertas cuánticas de pocos qubits. ^[39] ${\displaystyle 2^{n}\times 2^{n}}$ ${\displaystyle n}$

Computación cuántica basada en mediciones

Una computadora cuántica basada en mediciones descompone el cálculo en una secuencia de mediciones de estados de Bell y puertas cuánticas de un solo qubit aplicadas a un estado inicial altamente enredado (un estado de clúster ), utilizando una técnica llamada teletransportación de puertas cuánticas .

Computación cuántica adiabática

Una computadora cuántica adiabática , basada en recocido cuántico , descompone el cálculo en una transformación lenta y continua de un hamiltoniano inicial en un hamiltoniano final, cuyos estados fundamentales contienen la solución. ^[40]

Computación cuántica neuromórfica

La computación cuántica neuromórfica (abreviada como 'computación cuántica n.') es un tipo de computación no convencional que utiliza la computación neuromórfica para realizar operaciones cuánticas. Se sugirió que los algoritmos cuánticos , que son algoritmos que se ejecutan en un modelo realista de computación cuántica, se pueden calcular con la misma eficiencia que la computación cuántica neuromórfica. Tanto la computación cuántica tradicional como la computación cuántica neuromórfica son enfoques de computación no convencionales basados ​​en la física para los cálculos y no siguen la arquitectura de von Neumann . Ambos construyen un sistema (un circuito) que representa el problema físico en cuestión y luego aprovechan sus respectivas propiedades físicas del sistema para buscar el "mínimo". La computación cuántica neuromórfica y la computación cuántica comparten propiedades físicas similares durante el cálculo.

Computación cuántica topológica

Una computadora cuántica topológica descompone el cálculo en el trenzado de aniones en una red 2D. ^[41]

Máquina cuántica de Turing

Una máquina de Turing cuántica es el análogo cuántico de una máquina de Turing . ^[6] Se ha demostrado que todos estos modelos de computación (circuitos cuánticos, ^[42] computación cuántica unidireccional , ^[43] computación cuántica adiabática, ^[44] y computación cuántica topológica ^[45] ) son equivalentes a la máquina de Turing cuántica; dada una implementación perfecta de una de esas computadoras cuánticas, puede simular todas las demás con una sobrecarga no mayor que un polinomio. Esta equivalencia no tiene por qué ser válida para las computadoras cuánticas prácticas, ya que la sobrecarga de la simulación puede ser demasiado grande para ser práctica.

Computación cuántica ruidosa de escala intermedia

El teorema del umbral muestra cómo aumentar el número de qubits puede mitigar los errores, ^[46] aunque la computación cuántica totalmente tolerante a fallos sigue siendo "un sueño bastante lejano". ^[47] Según algunos investigadores, las máquinas cuánticas ruidosas de escala intermedia ( NISQ ) pueden tener usos especializados en un futuro próximo, pero el ruido en las puertas cuánticas limita su fiabilidad. ^[47] Los científicos de la Universidad de Harvard crearon con éxito "circuitos cuánticos" que corrigen errores de forma más eficiente que los métodos alternativos, lo que puede eliminar potencialmente un obstáculo importante para las computadoras cuánticas prácticas. ^{[48] [49]} El equipo de investigación de Harvard recibió el apoyo del MIT , QuEra Computing , Caltech y la Universidad de Princeton y fue financiado por el programa Optimización con dispositivos cuánticos ruidosos de escala intermedia (ONISQ) de DARPA. [ ^{50] [51]}

Criptografía cuántica y ciberseguridad

Ejemplo de diseño de un criptosistema cuántico

La computación cuántica tiene importantes aplicaciones potenciales en los campos de la criptografía y la ciberseguridad. La criptografía cuántica, que se basa en los principios de la mecánica cuántica, ofrece la posibilidad de canales de comunicación seguros que son resistentes a las escuchas clandestinas. Los protocolos de distribución de claves cuánticas (QKD), como BB84, permiten el intercambio seguro de claves criptográficas entre partes, lo que garantiza la confidencialidad e integridad de la comunicación. Además, los generadores de números aleatorios cuánticos (QRNG) pueden producir números aleatorios de alta calidad, que son esenciales para un cifrado seguro.

Sin embargo, la computación cuántica también plantea desafíos a los sistemas criptográficos tradicionales. El algoritmo de Shor , un algoritmo cuántico para la factorización de números enteros, podría potencialmente romper esquemas de criptografía de clave pública ampliamente utilizados como RSA, que se basan en la dificultad de factorizar números grandes. La criptografía poscuántica, que implica el desarrollo de algoritmos criptográficos que sean resistentes a ataques tanto de computadoras clásicas como cuánticas, es un área activa de investigación destinada a abordar esta preocupación.

La investigación en curso en criptografía cuántica y criptografía post-cuántica es crucial para garantizar la seguridad de la comunicación y los datos ante la evolución de las capacidades de computación cuántica. Los avances en estos campos, como el desarrollo de nuevos protocolos QKD, la mejora de los QRNG y la estandarización de algoritmos criptográficos post-cuánticos, desempeñarán un papel clave en el mantenimiento de la integridad y confidencialidad de la información en la era cuántica. ^[52]

Comunicación

La criptografía cuántica permite nuevas formas de transmitir datos de forma segura; por ejemplo, la distribución de claves cuánticas utiliza estados cuánticos entrelazados para establecer claves criptográficas seguras . ^[53] Cuando un emisor y un receptor intercambian estados cuánticos, pueden garantizar que un adversario no intercepte el mensaje, ya que cualquier espía no autorizado perturbaría el delicado sistema cuántico e introduciría un cambio detectable. ^[54] Con protocolos criptográficos apropiados , el emisor y el receptor pueden establecer información privada compartida resistente a las escuchas clandestinas. ^{[11] [55]}

Los cables de fibra óptica modernos pueden transmitir información cuántica a distancias relativamente cortas. La investigación experimental en curso tiene como objetivo desarrollar hardware más confiable (como repetidores cuánticos), con la esperanza de escalar esta tecnología a redes cuánticas de larga distancia con entrelazamiento de extremo a extremo. Teóricamente, esto podría permitir nuevas aplicaciones tecnológicas, como la computación cuántica distribuida y la detección cuántica mejorada . ^{[56] [57]}

Algoritmos

Los avances en la búsqueda de algoritmos cuánticos se centran generalmente en este modelo de circuito cuántico, aunque existen excepciones como el algoritmo adiabático cuántico . Los algoritmos cuánticos se pueden clasificar aproximadamente según el tipo de aceleración que logran con respecto a los algoritmos clásicos correspondientes. ^[58]

Los algoritmos cuánticos que ofrecen más que una aceleración polinómica sobre el algoritmo clásico más conocido incluyen el algoritmo de Shor para factorización y los algoritmos cuánticos relacionados para calcular logaritmos discretos , resolver la ecuación de Pell y, de manera más general, resolver el problema del subgrupo oculto para grupos finitos abelianos . ^[58] Estos algoritmos dependen de la primitiva de la transformada cuántica de Fourier . No se ha encontrado ninguna prueba matemática que demuestre que no se puede descubrir un algoritmo clásico igualmente rápido, pero la evidencia sugiere que esto es poco probable. ^[59] Ciertos problemas de oráculo como el problema de Simon y el problema de Bernstein-Vazirani dan aceleraciones demostrables, aunque esto es en el modelo de consulta cuántica , que es un modelo restringido donde los límites inferiores son mucho más fáciles de demostrar y no necesariamente se traducen en aceleraciones para problemas prácticos.

Otros problemas, incluida la simulación de procesos físicos cuánticos a partir de la química y la física del estado sólido, la aproximación de ciertos polinomios de Jones y el algoritmo cuántico para sistemas lineales de ecuaciones, tienen algoritmos cuánticos que parecen dar aceleraciones superpolinómicas y son BQP -completos. Debido a que estos problemas son BQP-completos, un algoritmo clásico igualmente rápido para ellos implicaría que ningún algoritmo cuántico da una aceleración superpolinómica, lo que se cree que es poco probable. ^[60]

Algunos algoritmos cuánticos, como el algoritmo de Grover y la amplificación de amplitud , dan aceleraciones polinómicas sobre los algoritmos clásicos correspondientes. ^[58] Aunque estos algoritmos dan una aceleración cuadrática comparativamente modesta, son ampliamente aplicables y por lo tanto dan aceleraciones para una amplia gama de problemas. ^[20]

Simulación de sistemas cuánticos

Dado que la química y la nanotecnología dependen de la comprensión de los sistemas cuánticos, y dichos sistemas son imposibles de simular de manera eficiente de manera clásica, la simulación cuántica puede ser una aplicación importante de la computación cuántica. ^[61] La simulación cuántica también podría usarse para simular el comportamiento de átomos y partículas en condiciones inusuales, como las reacciones dentro de un colisionador . ^[62] En junio de 2023, los científicos informáticos de IBM informaron que una computadora cuántica produjo mejores resultados para un problema de física que una supercomputadora convencional. ^{[63] [64]}

Alrededor del 2% de la producción energética mundial anual se utiliza para la fijación de nitrógeno para producir amoníaco para el proceso Haber en la industria de fertilizantes agrícolas (aunque los organismos naturales también producen amoníaco). Se podrían utilizar simulaciones cuánticas para comprender este proceso y aumentar la eficiencia energética de la producción. ^[65] Se espera que un uso temprano de la computación cuántica sea el modelado que mejore la eficiencia del proceso Haber-Bosch ^[66] para mediados de la década de 2020 ^[67], aunque algunos han predicho que tomará más tiempo. ^[68]

Criptografía post-cuántica

Una aplicación notable de la computación cuántica es para ataques a sistemas criptográficos que están actualmente en uso. Se cree que la factorización de enteros , que sustenta la seguridad de los sistemas criptográficos de clave pública , es computacionalmente inviable con una computadora ordinaria para enteros grandes si son el producto de pocos números primos (por ejemplo, productos de dos primos de 300 dígitos). ^[69] En comparación, una computadora cuántica podría resolver este problema exponencialmente más rápido usando el algoritmo de Shor para encontrar sus factores. ^[70] Esta capacidad permitiría a una computadora cuántica romper muchos de los sistemas criptográficos en uso hoy en día, en el sentido de que habría un algoritmo de tiempo polinomial (en el número de dígitos del entero) para resolver el problema. En particular, la mayoría de los cifrados de clave pública populares se basan en la dificultad de factorizar números enteros o el problema del logaritmo discreto , los cuales pueden resolverse mediante el algoritmo de Shor. En particular, se podrían descifrar los algoritmos RSA , Diffie–Hellman y Diffie–Hellman de curva elíptica , que se utilizan para proteger páginas web seguras, correo electrónico cifrado y muchos otros tipos de datos. Descifrarlos tendría ramificaciones significativas para la privacidad y la seguridad electrónicas.

La identificación de sistemas criptográficos que puedan ser seguros contra algoritmos cuánticos es un tema de investigación activa en el campo de la criptografía postcuántica . ^{[71] [72]} Algunos algoritmos de clave pública se basan en problemas distintos a los problemas de factorización de enteros y logaritmos discretos a los que se aplica el algoritmo de Shor, como el criptosistema de McEliece basado en un problema de teoría de codificación . ^{[71] [73] Tampoco se sabe que} los criptosistemas basados ​​en red sean rotos por computadoras cuánticas, y encontrar un algoritmo de tiempo polinomial para resolver el problema del subgrupo oculto diedro , que rompería muchos criptosistemas basados ​​en red, es un problema abierto bien estudiado. ^[74] Se ha demostrado que aplicar el algoritmo de Grover para romper un algoritmo simétrico (clave secreta) por fuerza bruta requiere un tiempo igual a aproximadamente 2 ^{n /2} invocaciones del algoritmo criptográfico subyacente, en comparación con aproximadamente 2 ⁿ en el caso clásico, ^[75] lo que significa que las longitudes de clave simétrica se reducen efectivamente a la mitad: AES-256 tendría la misma seguridad contra un ataque que use el algoritmo de Grover que AES-128 contra la búsqueda clásica por fuerza bruta (ver Tamaño de clave ).

Problemas de búsqueda

El ejemplo más conocido de un problema que permite una aceleración cuántica polinómica es la búsqueda no estructurada , que implica encontrar un elemento marcado en una lista de elementos en una base de datos. Esto se puede resolver mediante el algoritmo de Grover utilizando consultas a la base de datos, cuadráticamente menos que las consultas requeridas para los algoritmos clásicos. En este caso, la ventaja no solo es demostrable sino también óptima: se ha demostrado que el algoritmo de Grover brinda la máxima probabilidad posible de encontrar el elemento deseado para cualquier número de búsquedas de oráculo. Muchos ejemplos de aceleraciones cuánticas demostrables para problemas de consulta se basan en el algoritmo de Grover, incluido el algoritmo de Brassard, Høyer y Tapp para encontrar colisiones en funciones dos a uno, ^[76] y el algoritmo de Farhi, Goldstone y Gutmann para evaluar árboles NAND. ^[77] ${\displaystyle n}$ ${\displaystyle O({\sqrt {n}})}$ ${\displaystyle \Omega (n)}$

Los problemas que pueden abordarse eficientemente con el algoritmo de Grover tienen las siguientes propiedades: ^{[78] [79]}

1. No existe una estructura de búsqueda en la colección de posibles respuestas,
2. El número de posibles respuestas a comprobar es el mismo que el número de entradas al algoritmo, y
3. Existe una función booleana que evalúa cada entrada y determina si es la respuesta correcta.

Para problemas con todas estas propiedades, el tiempo de ejecución del algoritmo de Grover en una computadora cuántica escala como la raíz cuadrada del número de entradas (o elementos en la base de datos), a diferencia del escalamiento lineal de los algoritmos clásicos. Una clase general de problemas a los que se puede aplicar el algoritmo de Grover ^[80] es un problema de satisfacibilidad booleana , donde la base de datos a través de la cual itera el algoritmo es la de todas las respuestas posibles. Un ejemplo y una posible aplicación de esto es un descifrador de contraseñas que intenta adivinar una contraseña. Romper cifrados simétricos con este algoritmo es de interés para las agencias gubernamentales. ^[81]

Recocido cuántico

El recocido cuántico se basa en el teorema adiabático para realizar los cálculos. Un sistema se coloca en el estado fundamental de un hamiltoniano simple, que evoluciona lentamente hacia un hamiltoniano más complicado cuyo estado fundamental representa la solución al problema en cuestión. El teorema adiabático establece que si la evolución es lo suficientemente lenta, el sistema permanecerá en su estado fundamental en todo momento durante el proceso.La optimización adiabática puede ser útil para resolver problemas de biología computacional . ^[82]

Aprendizaje automático

Dado que las computadoras cuánticas pueden producir resultados que las computadoras clásicas no pueden producir de manera eficiente, y dado que la computación cuántica es fundamentalmente algebraica lineal, algunos expresan esperanza en el desarrollo de algoritmos cuánticos que puedan acelerar las tareas de aprendizaje automático . ^{[47] [83]}

Por ejemplo, se cree que el algoritmo HHL , llamado así por sus descubridores Harrow, Hassidim y Lloyd, proporciona una aceleración sobre sus contrapartes clásicas. ^{[47] [84]} Algunos grupos de investigación han explorado recientemente el uso de hardware de recocido cuántico para entrenar máquinas de Boltzmann y redes neuronales profundas . ^{[85] [86] [87]}

Los modelos de química generativa profunda surgen como herramientas poderosas para acelerar el descubrimiento de fármacos . Sin embargo, el inmenso tamaño y la complejidad del espacio estructural de todas las posibles moléculas similares a fármacos plantean obstáculos significativos, que podrían ser superados en el futuro por las computadoras cuánticas. Las computadoras cuánticas son naturalmente buenas para resolver problemas complejos de muchos cuerpos cuánticos ^[21] y, por lo tanto, pueden ser fundamentales en aplicaciones que involucran química cuántica. Por lo tanto, se puede esperar que los modelos generativos mejorados cuánticamente ^[88], incluidas las GAN cuánticas ^[89], puedan eventualmente desarrollarse en algoritmos de química generativa definitivos.

Ingeniería

Una oblea de ordenadores cuánticos adiabáticos

A partir de 2023, ^[update]las computadoras clásicas superarán a las computadoras cuánticas en todas las aplicaciones del mundo real. Si bien las computadoras cuánticas actuales pueden acelerar las soluciones a problemas matemáticos particulares, no brindan ninguna ventaja computacional para tareas prácticas. Los científicos e ingenieros están explorando múltiples tecnologías para el hardware de computación cuántica y esperan desarrollar arquitecturas cuánticas escalables, pero aún quedan serios obstáculos. ^{[90] [91]}

Desafíos

Existen varios desafíos técnicos a la hora de construir un ordenador cuántico a gran escala. ^[92] El físico David DiVincenzo ha enumerado estos requisitos para un ordenador cuántico práctico: ^[93]

• Físicamente escalable para aumentar el número de qubits
• Qubits que pueden inicializarse con valores arbitrarios
• Puertas cuánticas que son más rápidas que el tiempo de decoherencia
• Juego de puerta universal
• Qubits que se pueden leer fácilmente.

La obtención de componentes para ordenadores cuánticos también es muy difícil. Los ordenadores cuánticos superconductores , como los construidos por Google e IBM , necesitan helio-3 , un subproducto de la investigación nuclear , y cables superconductores especiales fabricados únicamente por la empresa japonesa Coax Co. ^[94]

El control de sistemas multi-qubit requiere la generación y coordinación de una gran cantidad de señales eléctricas con una resolución temporal precisa y determinista. Esto ha llevado al desarrollo de controladores cuánticos que permiten la interconexión con los qubits. Escalar estos sistemas para que admitan una cantidad creciente de qubits es un desafío adicional. ^[95]

Decoherencia

Uno de los mayores desafíos que implica la construcción de computadoras cuánticas es controlar o eliminar la decoherencia cuántica . Esto generalmente significa aislar el sistema de su entorno, ya que las interacciones con el mundo externo hacen que el sistema se descoherencie. Sin embargo, también existen otras fuentes de decoherencia. Los ejemplos incluyen las puertas cuánticas y las vibraciones reticulares y el espín termonuclear de fondo del sistema físico utilizado para implementar los qubits. La decoherencia es irreversible, ya que es efectivamente no unitaria, y generalmente es algo que debe controlarse altamente, si no evitarse. Los tiempos de decoherencia para los sistemas candidatos en particular, el tiempo de relajación transversal T ₂ (para la tecnología de RMN y MRI , también llamado tiempo de desfase ), generalmente varían entre nanosegundos y segundos a baja temperatura. ^[96] Actualmente, algunas computadoras cuánticas requieren que sus qubits se enfríen a 20 milikelvin (generalmente usando un refrigerador de dilución ^[97] ) para evitar una decoherencia significativa. ^[98] Un estudio de 2020 sostiene que la radiación ionizante, como los rayos cósmicos , pueden provocar que ciertos sistemas pierdan la coherencia en cuestión de milisegundos. ^[99]

Como resultado, las tareas que consumen mucho tiempo pueden hacer que algunos algoritmos cuánticos sean inoperantes, ya que intentar mantener el estado de los qubits durante un período lo suficientemente largo eventualmente corromperá las superposiciones. ^[100]

Estos problemas son más difíciles para los métodos ópticos, ya que las escalas de tiempo son órdenes de magnitud más cortas y un método que se cita a menudo para superarlos es la conformación de pulsos ópticos . Las tasas de error suelen ser proporcionales a la relación entre el tiempo de operación y el tiempo de decoherencia, por lo tanto, cualquier operación debe completarse mucho más rápido que el tiempo de decoherencia.

Como se describe en el teorema del umbral , si la tasa de error es lo suficientemente pequeña, se cree que es posible utilizar la corrección de error cuántico para suprimir errores y decoherencia. Esto permite que el tiempo total de cálculo sea mayor que el tiempo de decoherencia si el esquema de corrección de error puede corregir errores más rápido de lo que la decoherencia los introduce. Una cifra que se cita a menudo para la tasa de error requerida en cada compuerta para el cálculo tolerante a fallas es 10 ⁻³ , suponiendo que el ruido es despolarizante.

Cumplir con esta condición de escalabilidad es posible para una amplia gama de sistemas. Sin embargo, el uso de la corrección de errores conlleva el coste de un número mucho mayor de qubits necesarios. El número necesario para factorizar números enteros utilizando el algoritmo de Shor sigue siendo polinomial, y se cree que está entre L y L ² , donde L es el número de dígitos del número a factorizar; los algoritmos de corrección de errores inflarían esta cifra con un factor adicional de L . Para un número de 1000 bits, esto implica una necesidad de unos 10 ⁴ bits sin corrección de errores. ^[101] Con la corrección de errores, la cifra aumentaría a unos 10 ⁷ bits. El tiempo de cálculo es de unos L ² o unos 10 ⁷ pasos y, a 1  MHz, unos 10 segundos. Sin embargo, los costes de codificación y corrección de errores aumentan el tamaño de una computadora cuántica tolerante a fallos real en varios órdenes de magnitud. Estimaciones cuidadosas ^{[102] [103]} muestran que al menos 3  millones de cúbits físicos factorizarían un entero de 2048 bits en 5 meses en una computadora cuántica de iones atrapados con corrección total de errores. En términos de la cantidad de cúbits físicos, hasta la fecha, esta sigue siendo la estimación más baja ^[104] para un problema de factorización de enteros prácticamente útil con un tamaño de 1024 bits o más.

Otro enfoque para el problema de estabilidad-decoherencia es crear una computadora cuántica topológica con aniones , cuasipartículas utilizadas como hilos, y confiar en la teoría de trenzas para formar puertas lógicas estables. ^{[105] [106]}

Supremacía cuántica

El físico John Preskill acuñó el término supremacía cuántica para describir la hazaña de ingeniería de demostrar que un dispositivo cuántico programable puede resolver un problema más allá de las capacidades de las computadoras clásicas de última generación. ^{[107] [108] [109]} El problema no necesita ser útil, por lo que algunos ven la prueba de supremacía cuántica solo como un posible punto de referencia futuro. ^[110]

En octubre de 2019, Google AI Quantum, con la ayuda de la NASA, se convirtió en el primero en afirmar haber alcanzado la supremacía cuántica al realizar cálculos en la computadora cuántica Sycamore más de 3.000.000 de veces más rápido de lo que podrían hacerse en Summit , generalmente considerada la computadora más rápida del mundo. ^{[27] [111] [112]} Esta afirmación ha sido posteriormente cuestionada: IBM ha declarado que Summit puede realizar muestras mucho más rápido de lo que se afirma, ^{[113] [114]} y desde entonces los investigadores han desarrollado mejores algoritmos para el problema de muestreo utilizado para afirmar la supremacía cuántica, dando reducciones sustanciales a la brecha entre Sycamore y las supercomputadoras clásicas ^{[115] [116] [117]} e incluso superándola. ^{[118] [119] [120]}

En diciembre de 2020, un grupo de la USTC implementó un tipo de muestreo de bosones en 76 fotones con una computadora cuántica fotónica , Jiuzhang , para demostrar la supremacía cuántica. ^{[121] [122] [123]} Los autores afirman que una supercomputadora contemporánea clásica requeriría un tiempo computacional de 600 millones de años para generar la cantidad de muestras que su procesador cuántico puede generar en 20 segundos. ^[124]

Las afirmaciones de supremacía cuántica han generado un revuelo en torno a la computación cuántica, ^[125] pero se basan en tareas de referencia artificiales que no implican directamente aplicaciones útiles en el mundo real. ^{[90] [126]}

En enero de 2024, un estudio publicado en Physical Review Letters proporcionó una verificación directa de los experimentos de supremacía cuántica al calcular amplitudes exactas para cadenas de bits generadas experimentalmente utilizando una supercomputadora Sunway de nueva generación, lo que demuestra un salto significativo en la capacidad de simulación basada en un algoritmo de contracción de red tensorial de amplitud múltiple. Este desarrollo subraya el panorama cambiante de la computación cuántica, destacando tanto el progreso como las complejidades involucradas en la validación de las afirmaciones de supremacía cuántica. ^[127]

Escepticismo

A pesar de las grandes esperanzas en la computación cuántica, el progreso significativo en hardware y el optimismo sobre las aplicaciones futuras, un artículo destacado de Nature de 2023 resumió las computadoras cuánticas actuales como "por ahora, [no sirven para] absolutamente nada". ^[90] El artículo explicó que las computadoras cuánticas aún no son más útiles o eficientes que las computadoras convencionales en cualquier caso, aunque también argumentó que a largo plazo es probable que dichas computadoras sean útiles. Un artículo de Communications of the ACM de 2023 ^[91] encontró que los algoritmos de computación cuántica actuales son "insuficientes para una ventaja cuántica práctica sin mejoras significativas en la pila de software/hardware". Sostiene que los candidatos más prometedores para lograr una aceleración con las computadoras cuánticas son "problemas de datos pequeños", por ejemplo, en química y ciencia de los materiales. Sin embargo, el artículo también concluye que una gran variedad de las aplicaciones potenciales que consideró, como el aprendizaje automático, "no lograrán una ventaja cuántica con los algoritmos cuánticos actuales en el futuro previsible", e identificó restricciones de E/S que hacen que la aceleración sea poco probable para "problemas de big data, sistemas lineales no estructurados y búsqueda de bases de datos basada en el algoritmo de Grover".

Esta situación se puede atribuir a varias consideraciones actuales y de largo plazo.

• El hardware y los algoritmos informáticos convencionales no sólo están optimizados para tareas prácticas, sino que siguen mejorando rápidamente, en particular los aceleradores de GPU .
• El hardware de computación cuántica actual genera solo una cantidad limitada de entrelazamiento antes de verse abrumado por el ruido.
• Los algoritmos cuánticos permiten acelerar el proceso en comparación con los algoritmos convencionales solo en algunas tareas, y hacer que estas tareas se adapten a aplicaciones prácticas resultó un desafío. Algunas tareas y aplicaciones prometedoras requieren recursos que van mucho más allá de los disponibles en la actualidad. ^{[128] [129]} En particular, procesar grandes cantidades de datos no cuánticos es un desafío para las computadoras cuánticas. ^[91]
• Algunos algoritmos prometedores han sido "descuantizados", es decir, se han encontrado análogos no cuánticos con una complejidad similar.
• Si se utiliza la corrección de errores cuánticos para escalar las computadoras cuánticas a aplicaciones prácticas, su sobrecarga puede socavar la aceleración ofrecida por muchos algoritmos cuánticos. ^[91]
• El análisis de la complejidad de los algoritmos a veces hace suposiciones abstractas que no se aplican a las aplicaciones. Por ejemplo, es posible que los datos de entrada no estén disponibles codificados en estados cuánticos y las "funciones oráculo" utilizadas en el algoritmo de Grover suelen tener una estructura interna que se puede aprovechar para algoritmos más rápidos.

En particular, construir computadoras con una gran cantidad de cúbits puede ser inútil si esos cúbits no están conectados lo suficientemente bien y no pueden mantener un grado de entrelazamiento suficientemente alto durante mucho tiempo. Cuando intentan superar a las computadoras convencionales, los investigadores de computación cuántica a menudo buscan nuevas tareas que se puedan resolver en computadoras cuánticas, pero esto deja la posibilidad de que se desarrollen técnicas no cuánticas eficientes en respuesta, como se vio en las demostraciones de supremacía cuántica . Por lo tanto, es deseable demostrar límites inferiores en la complejidad de los mejores algoritmos no cuánticos posibles (que pueden ser desconocidos) y demostrar que algunos algoritmos cuánticos mejoran asintomáticamente esos límites.

Algunos investigadores han expresado su escepticismo respecto de que algún día se puedan construir computadoras cuánticas escalables, generalmente debido al problema de mantener la coherencia a gran escala, pero también por otras razones.

Bill Unruh dudó de la viabilidad de las computadoras cuánticas en un artículo publicado en 1994. ^[130] Paul Davies argumentó que una computadora de 400 qubits incluso entraría en conflicto con el límite de información cosmológica implícito en el principio holográfico . ^[131] Escépticos como Gil Kalai dudan de que alguna vez se logre la supremacía cuántica. ^{[132] [133] [134]} El físico Mikhail Dyakonov ha expresado su escepticismo sobre la computación cuántica de la siguiente manera:

"Por lo tanto, el número de parámetros continuos que describen el estado de un ordenador cuántico tan útil en un momento dado debe ser... aproximadamente 10 ³⁰⁰ ... ¿Podríamos aprender a controlar los más de 10 ³⁰⁰ parámetros continuamente variables que definen el estado cuántico de un sistema de este tipo? Mi respuesta es sencilla: no, nunca " . ^{[135] [136]}

Realizaciones físicas

Quantum System One , un ordenador cuántico de IBM de 2019 con 20 qubits superconductores ^[137]

Una computadora cuántica práctica debe utilizar un sistema físico como un registro cuántico programable. ^[138] Los investigadores están explorando varias tecnologías como candidatas para implementaciones confiables de qubits. ^[139] Los superconductores y los iones atrapados son algunas de las propuestas más desarrolladas, pero los experimentalistas también están considerando otras posibilidades de hardware. ^[140]

Las primeras puertas lógicas cuánticas se implementaron con iones atrapados y se han creado prototipos de máquinas de uso general con hasta 20 cúbits. Sin embargo, la tecnología detrás de estos dispositivos combina equipos de vacío complejos, láseres, microondas y equipos de radiofrecuencia, lo que hace que los procesadores a gran escala sean difíciles de integrar con equipos informáticos estándar. Además, el propio sistema de iones atrapados tiene desafíos de ingeniería que superar. ^[141]

Los sistemas comerciales más grandes se basan en dispositivos superconductores y han alcanzado una escala de 2000 qubits. Sin embargo, las tasas de error para máquinas más grandes han sido del orden del 5%. Tecnológicamente, todos estos dispositivos son criogénicos y la ampliación a grandes cantidades de qubits requiere una integración a escala de oblea, un serio desafío de ingeniería en sí mismo. ^[142]

Los esfuerzos de investigación para crear cúbits más estables para la computación cuántica incluyen enfoques de computación cuántica topológica . Por ejemplo, Microsoft está trabajando en una computadora basada en las propiedades cuánticas de cuasipartículas bidimensionales llamadas anyones . ^{[143] [144] [145]}

Aplicaciones potenciales

Centrándose en el punto de vista de la gestión empresarial, las aplicaciones potenciales de la computación cuántica en cuatro categorías principales son la ciberseguridad, el análisis de datos y la inteligencia artificial, la optimización y la simulación, y la gestión y búsqueda de datos. ^[146]

La inversión en investigación sobre computación cuántica ha aumentado en los sectores público y privado. ^{[147] [148]} Como resumió una empresa consultora, ^[149]

...  los dólares de inversión están llegando a raudales y las empresas emergentes de computación cuántica están proliferando.  ... Si bien la computación cuántica promete ayudar a las empresas a resolver problemas que están más allá del alcance y la velocidad de las computadoras convencionales de alto rendimiento , los casos de uso son en gran medida experimentales e hipotéticos en esta etapa inicial.

Teoría

Computabilidad

Cualquier problema computacional solucionable por una computadora clásica también es solucionable por una computadora cuántica. ^[150] Intuitivamente, esto se debe a que se cree que todos los fenómenos físicos, incluido el funcionamiento de las computadoras clásicas, se pueden describir utilizando la mecánica cuántica , que subyace al funcionamiento de las computadoras cuánticas.

Por el contrario, cualquier problema que pueda resolver un ordenador cuántico también puede resolverlo un ordenador clásico. Es posible simular tanto ordenadores cuánticos como clásicos manualmente con solo un papel y un bolígrafo, si se le da suficiente tiempo. Más formalmente, cualquier ordenador cuántico puede ser simulado por una máquina de Turing . En otras palabras, los ordenadores cuánticos no proporcionan ningún poder adicional sobre los ordenadores clásicos en términos de computabilidad . Esto significa que los ordenadores cuánticos no pueden resolver problemas indecidibles como el problema de la detención , y la existencia de ordenadores cuánticos no refuta la tesis de Church-Turing . ^[151]

Complejidad

Si bien las computadoras cuánticas no pueden resolver ningún problema que las computadoras clásicas ya no puedan resolver, se sospecha que pueden resolver ciertos problemas más rápido que las computadoras clásicas. Por ejemplo, se sabe que las computadoras cuánticas pueden factorizar números enteros de manera eficiente , mientras que no se cree que este sea el caso de las computadoras clásicas.

La clase de problemas que puede resolverse eficientemente mediante un ordenador cuántico con error acotado se denomina BQP , por "error acotado, cuántico, tiempo polinomial". Más formalmente, BQP es la clase de problemas que puede resolver una máquina de Turing cuántica de tiempo polinomial con una probabilidad de error de como máximo 1/3. Como clase de problemas probabilísticos, BQP es la contraparte cuántica de BPP ("error acotado, probabilístico, tiempo polinomial"), la clase de problemas que pueden resolverse mediante máquinas de Turing probabilísticas de tiempo polinomial con error acotado. ^[152] Se sabe que y se sospecha ampliamente que , lo que intuitivamente significaría que los ordenadores cuánticos son más potentes que los ordenadores clásicos en términos de complejidad temporal . ^[153] ${\displaystyle {\mathsf {BPP\subseteq BQP}}}$ ${\displaystyle {\mathsf {BQP\subsetneq BPP}}}$

La relación sospechada de BQP con varias clases de complejidad clásica ^[60]

No se conoce la relación exacta de BQP con P , NP y PSPACE . Sin embargo, se sabe que ; es decir, todos los problemas que pueden ser resueltos eficientemente por una computadora clásica determinista también pueden ser resueltos eficientemente por una computadora cuántica, y todos los problemas que pueden ser resueltos eficientemente por una computadora cuántica también pueden ser resueltos por una computadora clásica determinista con recursos espaciales polinomiales. Se sospecha además que BQP es un superconjunto estricto de P, lo que significa que hay problemas que son eficientemente solucionables por computadoras cuánticas que no son eficientemente solucionables por computadoras clásicas deterministas. Por ejemplo, se sabe que la factorización de enteros y el problema del logaritmo discreto están en BQP y se sospecha que están fuera de P. Sobre la relación de BQP con NP, se sabe poco más allá del hecho de que algunos problemas NP que se cree que no están en P también están en BQP (la factorización de enteros y el problema del logaritmo discreto están ambos en NP, por ejemplo). Se sospecha que ; es decir, se cree que existen problemas comprobables de manera eficiente que no son solucionables de manera eficiente por una computadora cuántica. Como consecuencia directa de esta creencia, también se sospecha que BQP es disjunto de la clase de problemas NP-completos (si un problema NP-completo estuviera en BQP, entonces se seguiría de la NP-dureza que todos los problemas en NP están en BQP). ^[154] ${\displaystyle {\mathsf {P\subseteq BQP\subseteq PSPACE}}}$ ${\displaystyle {\mathsf {NP\nsubseteq BQP}}}$

Véase también

• D-Wave Systems  : empresa canadiense de computación cuántica
• Holografía cuántica electrónica  : tecnología de almacenamiento de información
• Glosario de computación cuántica
• IARPA  – Agencia del gobierno estadounidensePages displaying short descriptions of redirect targets
• IonQ  – empresa estadounidense de tecnología de la información
• Lista de tecnologías emergentes  – Nuevas tecnologías en desarrollo activo
• Lista de procesadores cuánticos  – Lista de componentes de computadoras cuánticas
• Destilación de estados mágicos  : algoritmo de computación cuántica
• Metacomputación  – Computación con el propósito de computar
• Computación natural  : terminología introducida para abarcar tres clases de métodosPages displaying wikidata descriptions as a fallback
• Computación óptica  : Computadora que utiliza fotones u ondas de luz.
• Bus cuántico  : dispositivo que puede utilizarse para almacenar o transferir información entre qubits independientes en una computadora cuánticaPages displaying wikidata descriptions as a fallback
• Cognición cuántica  : aplicación de las matemáticas de la teoría cuántica a los fenómenos cognitivos
• Volumen cuántico  : métrica para las capacidades de una computadora cuántica
• Rarezas cuánticas  : aspectos poco intuitivos de la mecánica cuántica
• Rigetti Computing  – empresa estadounidense de computación cuántica
• Supercomputadora  : Tipo de computadora extremadamente poderosa.
• Informática teórica  – Subcampo de la informática y las matemáticas
• Computación no convencional  : computación mediante métodos nuevos o inusuales
• Valleytronics  – Área experimental en semiconductores

Notas

1. Tal como se utiliza en este artículo, "exponencialmente más rápido" tiene un significado teórico de complejidad precisa . Por lo general, significa que, en función del tamaño de entrada en bits, el algoritmo clásico más conocido para un problema requiere un número de pasos que crece exponencialmente , mientras que un algoritmo cuántico utiliza solo un número polinómico de pasos.
2. La base estándar es también la base computacional . ^[35]

Referencias

1. Aaronson 2013, pág. 132.
2. Bhatta, Varun S. (10 de mayo de 2020). "Pluralidad de dualidad onda-partícula" (PDF) . Current Science . 118 (9): 1365. doi :10.18520/cs/v118/i9/1365-1374. ISSN  0011-3891. S2CID  216143449.
3. Ceruzzi, Paul E. (2012). Computación: una historia concisa . Cambridge, Massachusetts : MIT Press. pp. 3, 46. ISBN 978-0-262-31038-3.OCLC 796812982  .
4. Hodges, Andrew (2014). Alan Turing: El enigma . Princeton, Nueva Jersey: Princeton University Press . pág. xviii. ISBN. 9780691164724.
5. Mårtensson-Pendrill, Ann-Marie (1 de noviembre de 2006). "El proyecto Manhattan: una parte de la historia de la física". Educación en Física . 41 (6): 493–501. Bibcode :2006PhyEd..41..493M. doi :10.1088/0031-9120/41/6/001. ISSN  0031-9120. S2CID  120294023.
6. Benioff, Paul (1980). "La computadora como un sistema físico: Un modelo hamiltoniano mecánico cuántico microscópico de computadoras representado por máquinas de Turing". Journal of Statistical Physics . 22 (5): 563–591. Bibcode :1980JSP....22..563B. doi :10.1007/bf01011339. S2CID  122949592.
7. Buluta, Iulia; Nori, Franco (2 de octubre de 2009). "Simuladores cuánticos". Science . 326 (5949): 108–111. Bibcode :2009Sci...326..108B. doi :10.1126/science.1177838. ISSN  0036-8075. PMID  19797653. S2CID  17187000.
8. Manin, Yu. I. (1980). Vychislimoe i nevychislimoe [ Computable y no computable ] (en ruso). Radio Soviética. págs. 13–15. Archivado desde el original el 10 de mayo de 2013. Consultado el 4 de marzo de 2013 .
9. Feynman, Richard (junio de 1982). «Simulación de la física con ordenadores» (PDF) . Revista internacional de física teórica . 21 (6/7): 467–488. Código bibliográfico :1982IJTP...21..467F. doi :10.1007/BF02650179. S2CID  124545445. Archivado desde el original (PDF) el 8 de enero de 2019 . Consultado el 28 de febrero de 2019 .
10. Nielsen y Chuang 2010, pág. 214.
11. Bennett, Charles H. ; Brassard, Gilles (diciembre de 1984). Criptografía cuántica: distribución de claves públicas y lanzamiento de moneda . IEEE International Conference on Computers, Systems & Signal Processing. Bangalore, India. págs. 175–179. arXiv : 2003.06557 . doi :10.1016/j.tcs.2014.05.025.
12. Brassard, G. (2005). "Breve historia de la criptografía cuántica: una perspectiva personal". Taller sobre teoría de la información del IEEE sobre teoría y práctica en seguridad de la teoría de la información, 2005. Isla Awaji, Japón: IEEE. págs. 19–23. arXiv : quant-ph/0604072 . doi :10.1109/ITWTPI.2005.1543949. ISBN . 978-0-7803-9491-9.S2CID16118245  .​
13. Deutsch, D. (8 de julio de 1985). "Teoría cuántica, el principio de Church-Turing y la computadora cuántica universal". Actas de la Royal Society de Londres. A. Ciencias matemáticas y físicas . 400 (1818): 97–117. Bibcode :1985RSPSA.400...97D. doi :10.1098/rspa.1985.0070. ISSN  0080-4630. S2CID  1438116.
14. Bernstein, Ethan; Vazirani, Umesh (1993). "Teoría de la complejidad cuántica". Actas del vigésimo quinto simposio anual de la ACM sobre teoría de la computación – STOC '93 . San Diego, California, Estados Unidos: ACM Press. pp. 11–20. doi :10.1145/167088.167097. ISBN 978-0-89791-591-5.S2CID676378  .​
15. Simon, DR (1994). "Sobre el poder de la computación cuántica". Actas del 35.° Simposio Anual sobre Fundamentos de la Ciencia de la Computación . Santa Fe, Nuevo México, EE. UU.: IEEE Comput. Soc. Press. págs. 116–123. doi :10.1109/SFCS.1994.365701. ISBN. 978-0-8186-6580-6.S2CID 7457814  .
16. Nielsen y Chuang 2010, pág. 30-32.
17. Shor 1994.
18. Grumbling y Horowitz 2019, pág. 15.
19. Grover, Lov K. (1996). Un algoritmo mecánico cuántico rápido para búsquedas en bases de datos . Simposio de la ACM sobre teoría de la computación. Filadelfia : ACM Press. pp. 212–219. arXiv : quant-ph/9605043 . doi :10.1145/237814.237866. ISBN . 978-0-89791-785-8.
20. Nielsen y Chuang 2010, pág. 7.
21. Lloyd, Seth (23 de agosto de 1996). "Simuladores cuánticos universales". Science . 273 (5278): 1073–1078. Bibcode :1996Sci...273.1073L. doi :10.1126/science.273.5278.1073. ISSN  0036-8075. PMID  8688088. S2CID  43496899.
22. Cao, Yudong; Romero, Jonathan; Olson, Jonathan P.; Degroote, Matthias; Johnson, Peter D.; et al. (9 de octubre de 2019). "Química cuántica en la era de la computación cuántica". Chemical Reviews . 119 (19): 10856–10915. arXiv : 1812.09976 . doi :10.1021/acs.chemrev.8b00803. ISSN  0009-2665. PMID  31469277. S2CID  119417908.
23. Grumbling y Horowitz 2019, págs. 164-169.
24. Chuang, Isaac L.; Gershenfeld, Neil; Kubinec, Markdoi (abril de 1998). "Implementación experimental de búsqueda cuántica rápida". Physical Review Letters . 80 (15). American Physical Society : 3408–3411. Código Bibliográfico :1998PhRvL..80.3408C. doi :10.1103/PhysRevLett.80.3408.
25. Holton, William Coffeen. «computadora cuántica». Enciclopedia Británica . Encyclopædia Britannica . Consultado el 4 de diciembre de 2021 .
26. Gibney, Elizabeth (23 de octubre de 2019). «¡Hola mundo cuántico! Google publica una afirmación histórica de supremacía cuántica». Nature . 574 (7779): 461–462. Bibcode :2019Natur.574..461G. doi : 10.1038/d41586-019-03213-z . PMID  31645740.
27. Resumen de Lay: Martinis, John; Boixo, Sergio (23 de octubre de 2019). "Supremacía cuántica usando un procesador superconductor programable". Nature . 574 (7779). Google AI : 505–510. arXiv : 1910.11333 . Bibcode :2019Natur.574..505A. doi :10.1038/s41586-019-1666-5. PMID  31645734. S2CID  204836822 . Consultado el 27 de abril de 2022 .
     • Artículo de revista: Arute, Frank; Arya, Kunal; Babbush, Ryan; Tocino, Dave; Bardin, José C.; et al. (23 de octubre de 2019). "Supremacía cuántica mediante un procesador superconductor programable". Naturaleza . 574 (7779): 505–510. arXiv : 1910.11333 . Código Bib :2019Natur.574..505A. doi :10.1038/s41586-019-1666-5. PMID  31645734. S2CID  204836822.
28. Aaronson, Scott (30 de octubre de 2019). «Opinión | Por qué es importante el hito de supremacía cuántica de Google». The New York Times . ISSN  0362-4331 . Consultado el 25 de septiembre de 2021 .
29. Pednault, Edwin (22 de octubre de 2019). "Sobre la 'supremacía cuántica'". Blog de investigación de IBM . Consultado el 9 de febrero de 2021 .
30. Pan, Feng; Zhang, Pan (4 de marzo de 2021). "Simulación de los circuitos de supremacía cuántica de Sycamore". arXiv : 2103.03074 [quant-ph].
31. Staff (7 de diciembre de 2023). «Los físicos 'enredan' moléculas individuales por primera vez, acelerando las posibilidades de la computación cuántica». Phys.org . Archivado desde el original el 8 de diciembre de 2023. Consultado el 8 de diciembre de 2023 .
32. Bennett, Charlie (31 de julio de 2020). La información es cuántica: cómo la física ayudó a explicar la naturaleza de la información y qué se puede hacer con ella (video). El evento ocurre a las 1:08:22, vía YouTube.
33. Nielsen y Chuang 2010, pág. 13.
34. Mermin 2007, pág. 17.
35. Mermin 2007, pág. 18.
36. Aaronson 2013, pág. 110.
37. Nielsen y Chuang 2010, pág. 30–32.
38. Mermin 2007, págs. 38-39.
39. Kurgalin, Sergei; Borzunov, Sergei (2021). Guía concisa de computación cuántica: algoritmos, ejercicios e implementaciones . Textos en informática. Cham: Springer. ISBN 978-3-030-65054-4.
40. Das, A.; Chakrabarti, BK (2008). "Annealización cuántica y computación cuántica analógica". Rev. Mod. Phys. 80 (3): 1061–1081. arXiv : 0801.2193 . Código Bibliográfico :2008RvMP...80.1061D. CiteSeerX 10.1.1.563.9990 . doi :10.1103/RevModPhys.80.1061. S2CID  14255125.  
41. Nayak, Chetan; Simon, Steven; Stern, Ady; Das Sarma, Sankar (2008). "Aniones nobelianos y computación cuántica". Reseñas de física moderna . 80 (3): 1083–1159. arXiv : 0707.1889 . Código Bibliográfico :2008RvMP...80.1083N. doi :10.1103/RevModPhys.80.1083. S2CID  119628297.
42. Chi-Chih Yao, A. (1993). "Complejidad de circuitos cuánticos". Actas de la 34.ª edición anual de la IEEE Foundations of Computer Science de 1993. págs. 352-361. doi :10.1109/SFCS.1993.366852. ISBN 0-8186-4370-6.S2CID 195866146  .
43. Raussendorf, Robert; Browne, Daniel E.; Briegel, Hans J. (25 de agosto de 2003). "Computación cuántica basada en mediciones en estados de cúmulos". Physical Review A . 68 (2): 022312. arXiv : quant-ph/0301052 . Código Bibliográfico :2003PhRvA..68b2312R. doi :10.1103/PhysRevA.68.022312. S2CID  6197709.
44. Aharonov, Dorit; van Dam, Wim; Kempe, Julia; Landau, Zeph; Lloyd, Seth; Regev, Oded (1 de enero de 2008). "La computación cuántica adiabática es equivalente a la computación cuántica estándar". SIAM Review . 50 (4): 755–787. arXiv : quant-ph/0405098 . Código Bibliográfico :2008SIAMR..50..755A. doi :10.1137/080734479. ISSN  0036-1445. S2CID  1503123.
45. Freedman, Michael H.; Larsen, Michael; Wang, Zhenghan (1 de junio de 2002). "Un functor modular que es universal para la computación cuántica". Communications in Mathematical Physics . 227 (3): 605–622. arXiv : quant-ph/0001108 . Bibcode :2002CMaPh.227..605F. doi :10.1007/s002200200645. ISSN  0010-3616. S2CID  8990600.
46. Nielsen y Chuang 2010, pág. 481.
47. Preskill, John (6 de agosto de 2018). "Computación cuántica en la era NISQ y más allá". Quantum . 2 : 79. arXiv : 1801.00862 . Bibcode :2018Quant...2...79P. doi : 10.22331/q-2018-08-06-79 . S2CID  44098998.
48. Bluvstein, Dolev; Evered, Simón J.; Geim, Alexandra A.; Li, Sophie H.; Zhou, Hengyun; Manovitz, Tom; Ebadi, Sepehr; Caín, Madelyn; Kalinowski, Marcin; Hangleiter, Dominik; Ataides, J. Pablo Bonilla; Maskara, Nishad; Cong, Iris; Gao, Xun; Rodríguez, Pedro Sales (6 de diciembre de 2023). "Procesador cuántico lógico basado en matrices de átomos reconfigurables". Naturaleza . 626 (7997): 58–65. arXiv : 2312.03982 . doi :10.1038/s41586-023-06927-3. ISSN  1476-4687. PMC 10830422 . Número de modelo: PMID  38056497. Número de modelo: S2CID  266052773. 
49. Freedberg Jr., Sydney J. (7 de diciembre de 2023). «'A la carrera': el avance de DARPA y Harvard acerca la computación cuántica a años de distancia». Breaking Defense . Consultado el 9 de diciembre de 2023 .
50. "Investigación financiada por DARPA conduce a un gran avance en computación cuántica". darpa.mil . 6 de diciembre de 2023 . Consultado el 5 de enero de 2024 .
51. Choudhury, Rizwan (30 de diciembre de 2023). "Las 7 principales historias de innovación de 2023: Interesting Engineering". interestingengineering.com . Consultado el 6 de enero de 2024 .
52. Pirandola, S.; Andersen, UL; Banchi, L.; Berta, M.; Bunandar, D.; Colbeck, R.; Englund, D.; Gehring, T.; Lupo, C.; Ottaviani, C.; Pereira, J.; Razaví, M.; Shamsul Shaari, J.; Tomamichel, M.; Usenko, VC; Vallón, G.; Villoresi, P.; Wallden, P. (2020). "Avances en criptografía cuántica". Avances en Óptica y Fotónica . 12 (4): 1012-1236. arXiv : 1906.01645 . Código Bib : 2020AdOP...12.1012P. doi :10.1364/AOP.361502.
53. Pirandola, S.; Andersen, UL; Banchi, L.; Berta, M.; Bunandar, D.; Colbeck, R.; Englund, D.; Gehring, T.; Lupo, C.; Ottaviani, C.; Pereira, JL; Razaví, M.; Shamsul Shaari, J.; Tomamichel, M.; Usenko, VC (14 de diciembre de 2020). "Avances en criptografía cuántica". Avances en Óptica y Fotónica . 12 (4): 1017. arXiv : 1906.01645 . Código Bib : 2020AdOP...12.1012P. doi :10.1364/AOP.361502. ISSN  1943-8206. S2CID  174799187.
54. Xu, Feihu; Ma, Xiongfeng; Zhang, Qiang; Lo, Hoi-Kwong; Pan, Jian-Wei (26 de mayo de 2020). "Distribución segura de claves cuánticas con dispositivos realistas". Reseñas de Física Moderna . 92 (2): 025002-3. arXiv : 1903.09051 . Código Bibliográfico :2020RvMP...92b5002X. doi :10.1103/RevModPhys.92.025002. S2CID  210942877.
55. Xu, Guobin; Mao, Jianzhou; Sakk, Eric; Wang, Shuangbao Paul (22 de marzo de 2023). "Una descripción general de los enfoques cuánticos seguros: distribución de claves cuánticas y criptografía postcuántica". 2023 57.ª Conferencia anual sobre ciencias y sistemas de la información (CISS) . IEEE . pág. 3. doi :10.1109/CISS56502.2023.10089619. ISBN . 978-1-6654-5181-9.
56. Kozlowski, Wojciech; Wehner, Stephanie (25 de septiembre de 2019). "Hacia redes cuánticas a gran escala". Actas de la sexta conferencia internacional anual de la ACM sobre computación y comunicación a nanoescala . ACM. págs. 1–7. arXiv : 1909.08396 . doi :10.1145/3345312.3345497. ISBN 978-1-4503-6897-1.
57. Guo, Xueshi; Breum, Casper R.; Borregaard, Johannes; Izumi, Shuro; Larsen, Mikkel V.; Gehring, Tobías; Christandl, Matías; Neergaard-Nielsen, Jonas S.; Andersen, Ulrik L. (23 de diciembre de 2019). "Detección cuántica distribuida en una red entrelazada de variables continuas". Física de la Naturaleza . 16 (3): 281–284. arXiv : 1905.09408 . doi :10.1038/s41567-019-0743-x. ISSN  1745-2473. S2CID  256703226.
58. Jordan, Stephen (14 de octubre de 2022) [22 de abril de 2011]. «Zoológico de algoritmos cuánticos». Archivado desde el original el 29 de abril de 2018.
59. Aaronson, Scott ; Arkhipov, Alex (6 de junio de 2011). "La complejidad computacional de la óptica lineal". Actas del cuadragésimo tercer simposio anual de la ACM sobre teoría de la computación . San José, California : Association for Computing Machinery . págs. 333–342. arXiv : 1011.3245 . doi :10.1145/1993636.1993682. ISBN 978-1-4503-0691-1.
60. Nielsen y Chuang 2010, pág. 42.
61. Norton, Quinn (15 de febrero de 2007). "El padre de la computación cuántica". Wired .
62. Ambainis, Andris (primavera de 2014). "¿Qué podemos hacer con una computadora cuántica?". Instituto de Estudios Avanzados.
63. Chang, Kenneth (14 de junio de 2023). «El avance de la computación cuántica inicia una nueva era, dice IBM: una computadora cuántica encontró mejores respuestas a un problema de física que una supercomputadora convencional». The New York Times . Archivado desde el original el 14 de junio de 2023. Consultado el 15 de junio de 2023 .
64. Kim, Youngseok; et al. (14 de junio de 2023). "Evidencia de la utilidad de la computación cuántica antes de la tolerancia a fallos". Nature . 618 (7965): 500–505. Bibcode :2023Natur.618..500K. doi :10.1038/s41586-023-06096-3. PMC 10266970 . PMID  37316724. 
65. Morello, Andrea (21 de noviembre de 2018). Lunch & Learn: Computación cuántica. Sibos TV . Archivado desde el original el 15 de febrero de 2021. Consultado el 4 de febrero de 2021 en YouTube.{{cite AV media}}: CS1 maint: bot: original URL status unknown (link)
66. Ruane, Jonathan; McAfee, Andrew; Oliver, William D. (1 de enero de 2022). "Computación cuántica para líderes empresariales". Harvard Business Review . ISSN  0017-8012 . Consultado el 12 de abril de 2023 .
67. Budde, Florian; Volz, Daniel (12 de julio de 2019). «Computación cuántica y la industria química | McKinsey». www.mckinsey.com . McKinsey and Company . Consultado el 12 de abril de 2023 .
68. Bourzac, Katherine (30 de octubre de 2017). "La química es la aplicación revolucionaria de la computación cuántica". cen.acs.org . Sociedad Química Estadounidense . Consultado el 12 de abril de 2023 .
69. Lenstra, Arjen K. (2000). "Integer Factoring" (PDF) . Designs, Codes and Cryptography (Diseños, códigos y criptografía) . 19 (2/3): 101–128. doi :10.1023/A:1008397921377. S2CID  9816153. Archivado desde el original (PDF) el 10 de abril de 2015.
70. Nielsen y Chuang 2010, pág. 216.
71. Bernstein, Daniel J. (2009). "Introducción a la criptografía postcuántica". Criptografía postcuántica . Berlín, Heidelberg: Springer. págs. 1–14. doi :10.1007/978-3-540-88702-7_1. ISBN 978-3-540-88701-0.S2CID61401925  .​
72. Véase también pqcrypto.org, una bibliografía mantenida por Daniel J. Bernstein y Tanja Lange sobre criptografía que no se sabe que haya sido descifrada por la computación cuántica.
73. McEliece, RJ (enero de 1978). "Un criptosistema de clave pública basado en la teoría de codificación algebraica" (PDF) . DSNPR . 44 : 114–116. Bibcode :1978DSNPR..44..114M.
74. Kobayashi, H.; Gall, FL (2006). "Problema del subgrupo oculto diedral: una encuesta". Tecnologías de la información y los medios . 1 (1): 178–185. doi : 10.2197/ipsjdc.1.470 .
75. Bennett, Charles H.; Bernstein, Ethan; Brassard, Gilles; Vazirani, Umesh (octubre de 1997). "Fortalezas y debilidades de la computación cuántica". Revista SIAM de computación . 26 (5): 1510–1523. arXiv : quant-ph/9701001 . Código Bibliográfico :1997quant.ph..1001B. doi :10.1137/s0097539796300933. S2CID  13403194.
76. Brassard, Gilles; Høyer, Peter; Tapp, Alain (2016). "Algoritmo cuántico para el problema de la colisión". En Kao, Ming-Yang (ed.). Enciclopedia de algoritmos . Nueva York, Nueva York: Springer. págs. 1662–1664. arXiv : quant-ph/9705002 . doi :10.1007/978-1-4939-2864-4_304. ISBN . 978-1-4939-2864-4. Número de identificación del sujeto  3116149.
77. Farhi, Edward; Goldstone, Jeffrey; Gutmann, Sam (23 de diciembre de 2008). "Un algoritmo cuántico para el árbol NAND hamiltoniano". Teoría de la computación . 4 (1): 169–190. doi : 10.4086/toc.2008.v004a008 . ISSN  1557-2862. S2CID  8258191.
78. Williams, Colin P. (2011). Exploraciones en computación cuántica . Springer . Págs. 242-244. ISBN. 978-1-84628-887-6.
79. Grover, Lov (29 de mayo de 1996). "Un algoritmo mecánico cuántico rápido para búsquedas en bases de datos". arXiv : quant-ph/9605043 .
80. Ambainis, Ambainis (junio de 2004). "Algoritmos de búsqueda cuántica". ACM SIGACT News . 35 (2): 22–35. arXiv : quant-ph/0504012 . Código Bibliográfico :2005quant.ph..4012A. doi :10.1145/992287.992296. S2CID  11326499.
81. Rich, Steven; Gellman, Barton (1 de febrero de 2014). "La NSA busca construir un ordenador cuántico que pueda descifrar la mayoría de los tipos de cifrado". The Washington Post .
82. Outeiral, Carlos; Strahm, Martin; Morris, Garrett; Benjamin, Simon; Deane, Charlotte; Shi, Jiye (2021). "Las perspectivas de la computación cuántica en la biología molecular computacional". WIREs Computational Molecular Science . 11 . arXiv : 2005.12792 . doi : 10.1002/wcms.1481 . S2CID  218889377.
83. Biamonte, Jacob; Wittek, Peter; Pancotti, Nicola; Rebentrost, Patrick; Wiebe, Nathan; Lloyd, Seth (septiembre de 2017). "Aprendizaje automático cuántico". Nature . 549 (7671): 195–202. arXiv : 1611.09347 . Código Bibliográfico :2017Natur.549..195B. doi :10.1038/nature23474. ISSN  0028-0836. PMID  28905917. S2CID  64536201.
84. Harrow, Aram; Hassidim, Avinatan; Lloyd, Seth (2009). "Algoritmo cuántico para resolver sistemas lineales de ecuaciones". Physical Review Letters . 103 (15): 150502. arXiv : 0811.3171 . Código Bibliográfico :2009PhRvL.103o0502H. doi :10.1103/PhysRevLett.103.150502. PMID  19905613. S2CID  5187993.
85. Benedetti, Marcello; Realpe-Gómez, John; Biswas, Rupak; Perdomo-Ortiz, Alejandro (9 de agosto de 2016). "Estimación de temperaturas efectivas en recocidos cuánticos para aplicaciones de muestreo: un estudio de caso con posibles aplicaciones en aprendizaje profundo". Physical Review A . 94 (2): 022308. arXiv : 1510.07611 . Código Bibliográfico :2016PhRvA..94b2308B. doi : 10.1103/PhysRevA.94.022308 .
86. Ajagekar, Akshay; You, Fengqi (5 de diciembre de 2020). "Aprendizaje profundo asistido por computación cuántica para la detección y diagnóstico de fallas en sistemas de procesos industriales". Computers & Chemical Engineering . 143 : 107119. arXiv : 2003.00264 . doi :10.1016/j.compchemeng.2020.107119. ISSN  0098-1354. S2CID  211678230.
87. Ajagekar, Akshay; You, Fengqi (1 de diciembre de 2021). "Aprendizaje profundo híbrido basado en computación cuántica para el diagnóstico de fallas en sistemas de energía eléctrica". Applied Energy . 303 : 117628. Bibcode :2021ApEn..30317628A. doi : 10.1016/j.apenergy.2021.117628 . ISSN  0306-2619.
88. Gao, Xun; Anschuetz, Eric R.; Wang, Sheng-Tao; Cirac, J. Ignacio; Lukin, Mikhail D. (2022). "Mejora de modelos generativos mediante correlaciones cuánticas". Physical Review X . 12 (2): 021037. arXiv : 2101.08354 . Código Bibliográfico :2022PhRvX..12b1037G. doi :10.1103/PhysRevX.12.021037. S2CID  231662294.
89. Li, Junde; Topaloglu, Rasit; Ghosh, Swaroop (9 de enero de 2021). "Modelos generativos cuánticos para el descubrimiento de fármacos a partir de moléculas pequeñas". arXiv : 2101.03438 [cs.ET].
90. Brooks, Michael (24 de mayo de 2023). «Ordenadores cuánticos: ¿para qué sirven?». Nature . 617 (7962): S1–S3. Bibcode :2023Natur.617S...1B. doi : 10.1038/d41586-023-01692-9 . PMID  37225885. S2CID  258847001.
91. Torsten Hoefler; Thomas Häner; Matthias Troyer (mayo de 2023). "Cómo separar la publicidad de la practicidad: cómo lograr una ventaja cuántica de manera realista". Comunicaciones de la ACM.
92. Dyakonov, Mikhail (15 de noviembre de 2018). "El caso contra la computación cuántica". IEEE Spectrum .
93. DiVincenzo, David P. (13 de abril de 2000). "La implementación física de la computación cuántica". Fortschritte der Physik . 48 (9–11): 771–783. arXiv : quant-ph/0002077 . Código Bib : 2000ForPh..48..771D. doi :10.1002/1521-3978(200009)48:9/11<771::AID-PROP771>3.0.CO;2-E. S2CID  15439711.
94. Giles, Martin (17 de enero de 2019). «Tendríamos más ordenadores cuánticos si no fuera tan difícil encontrar los malditos cables». MIT Technology Review . Consultado el 17 de mayo de 2021 .
95. Pauka SJ, Das K, Kalra B, Moini A, Yang Y, Trainer M, Bousquet A, Cantaloube C, Dick N, Gardner GC, Manfra MJ, Reilly DJ (2021). "Un chip CMOS criogénico para generar señales de control para múltiples qubits". Nature Electronics . 4 (4): 64–70. arXiv : 1912.01299 . doi :10.1038/s41928-020-00528-y. S2CID  231715555.
96. DiVincenzo, David P. (1995). "Computación cuántica". Science . 270 (5234): 255–261. Bibcode :1995Sci...270..255D. CiteSeerX 10.1.1.242.2165 . doi :10.1126/science.270.5234.255. S2CID  220110562. 
97. Zu, H.; Dai, W.; de Waele, ATAM (2022). "Desarrollo de refrigeradores de dilución: una revisión". Criogénesis . 121 . doi :10.1016/j.cryogenics.2021.103390. ISSN  0011-2275. S2CID  244005391.
98. Jones, Nicola (19 de junio de 2013). "Computación: la empresa cuántica". Nature . 498 (7454): 286–288. Bibcode :2013Natur.498..286J. doi : 10.1038/498286a . PMID  23783610.
99. Vepsäläinen, Antti P.; Karamlou, Amir H.; Orrell, John L.; Dogra, Akshunna S.; Loer, Ben; et al. (agosto de 2020). "Impacto de la radiación ionizante en la coherencia de cúbits superconductores". Nature . 584 (7822): 551–556. arXiv : 2001.09190 . Bibcode :2020Natur.584..551V. doi :10.1038/s41586-020-2619-8. ISSN  1476-4687. PMID  32848227. S2CID  210920566.
100. Amy, Matthew; Matteo, Olivia; Gheorghiu, Vlad; Mosca, Michele; Parent, Alex; Schanck, John (30 de noviembre de 2016). "Estimación del coste de ataques genéricos de preimagen cuántica en SHA-2 y SHA-3". arXiv : 1603.09383 [quant-ph].
101. Dyakonov, MI (14 de octubre de 2006). S. Luryi; Xu, J.; Zaslavsky, A. (eds.). "¿Es realmente posible la computación cuántica tolerante a fallos?". Tendencias futuras en microelectrónica. Up the Nano Creek : 4–18. arXiv : quant-ph/0610117 . Código Bibliográfico :2006quant.ph.10117D.
102. Ahsan, Muhammad (2015). Marco de arquitectura para computadoras cuánticas de iones atrapados basado en una herramienta de simulación de rendimiento. OCLC  923881411.
103. Ahsan, Muhammad; Meter, Rodney Van; Kim, Jungsang (28 de diciembre de 2016). "Diseño de una computadora cuántica de un millón de cúbits utilizando un simulador de rendimiento de recursos". Revista ACM sobre tecnologías emergentes en sistemas informáticos . 12 (4): 39:1–39:25. arXiv : 1512.00796 . doi : 10.1145/2830570 . ISSN  1550-4832. S2CID  1258374.
104. Gidney, Craig; Ekerå, Martin (15 de abril de 2021). "Cómo factorizar enteros RSA de 2048 bits en 8 horas usando 20 millones de cúbits ruidosos". Quantum . 5 : 433. arXiv : 1905.09749 . Bibcode :2021Quant...5..433G. doi :10.22331/q-2021-04-15-433. ISSN  2521-327X. S2CID  162183806.
105. Freedman, Michael H. ; Kitaev, Alexei ; Larsen, Michael J. ; Wang, Zhenghan (2003). "Computación cuántica topológica". Boletín de la Sociedad Matemática Americana . 40 (1): 31–38. arXiv : quant-ph/0101025 . doi :10.1090/S0273-0979-02-00964-3. MR  1943131.
106. Monroe, Don (1 de octubre de 2008). "Anyons: ¿El gran avance que necesita la computación cuántica?". New Scientist .
107. Preskill, John (26 de marzo de 2012). "Computación cuántica y la frontera del entrelazamiento". arXiv : 1203.5813 [quant-ph].
108. Preskill, John (6 de agosto de 2018). "Computación cuántica en la era NISQ y más allá". Quantum . 2 : 79. arXiv : 1801.00862 . Bibcode :2018Quant...2...79P. doi : 10.22331/q-2018-08-06-79 .
109. Boixo, Sergio; Isakov, Sergei V.; Smelyanskiy, Vadim N.; Babbush, Ryan; Ding, Nan; et al. (2018). "Caracterización de la supremacía cuántica en dispositivos de corto plazo". Nature Physics . 14 (6): 595–600. arXiv : 1608.00263 . Código Bibliográfico :2018NatPh..14..595B. doi :10.1038/s41567-018-0124-x. S2CID  4167494.
110. Savage, Neil (5 de julio de 2017). "Las computadoras cuánticas compiten por la 'supremacía'". Scientific American .
111. Giles, Martin (20 de septiembre de 2019). «Según se informa, los investigadores de Google han logrado la 'supremacía cuántica'». MIT Technology Review . Consultado el 15 de mayo de 2020 .
112. Tavares, Frank (23 de octubre de 2019). «Google y la NASA alcanzan la supremacía cuántica». NASA . Consultado el 16 de noviembre de 2021 .
113. Pednault, Edwin; Gunnels, John A.; Nannicini, Giacomo; Horesh, Lior; Wisnieff, Robert (22 de octubre de 2019). "Aprovechamiento del almacenamiento secundario para simular circuitos Sycamore profundos de 54 qubits". arXiv : 1910.09534 [quant-ph].
114. Cho, Adrian (23 de octubre de 2019). "IBM pone en duda las afirmaciones de Google sobre la supremacía cuántica". Science . doi :10.1126/science.aaz6080. ISSN  0036-8075. S2CID  211982610.
115. Liu, Yong (Alexander); Liu, Xin (Lucy); Li, Fang (Nancy); Fu, Haohuan; Yang, Yuling; et al. (14 de noviembre de 2021). "Cerrando la brecha de la "supremacía cuántica". Actas de la Conferencia Internacional de Computación de Alto Rendimiento, Redes, Almacenamiento y Análisis . SC '21. Nueva York, Nueva York: Association for Computing Machinery. págs. 1–12. arXiv : 2110.14502 . doi :10.1145/3458817.3487399. ISBN 978-1-4503-8442-1. Número de identificación del sujeto  239036985.
116. Bulmer, Jacob FF; Bell, Bryn A.; Chadwick, Rachel S.; Jones, Alex E.; Moise, Diana; et al. (28 de enero de 2022). "El límite de la ventaja cuántica en el muestreo de bosones gaussianos". Science Advances . 8 (4): eabl9236. arXiv : 2108.01622 . Bibcode :2022SciA....8.9236B. doi :10.1126/sciadv.abl9236. ISSN  2375-2548. PMC 8791606 . PMID  35080972. 
117. McCormick, Katie (10 de febrero de 2022). "La carrera entre las computadoras clásicas y cuánticas no ha terminado". Física . 15 : 19. Bibcode :2022PhyOJ..15...19M. doi : 10.1103/Physics.15.19 . S2CID  246910085.
118. Pan, Feng; Chen, Keyang; Zhang, Pan (2022). "Resolución del problema de muestreo de los circuitos cuánticos de Sycamore". Physical Review Letters . 129 (9): 090502. arXiv : 2111.03011 . Código Bibliográfico :2022PhRvL.129i0502P. doi :10.1103/PhysRevLett.129.090502. PMID  36083655. S2CID  251755796.
119. Cho, Adrian (2 de agosto de 2022). «Después de todo, las computadoras comunes pueden vencer a la computadora cuántica de Google». Science . 377 . doi :10.1126/science.ade2364.
120. "La 'supremacía cuántica' de Google usurpada por investigadores que utilizan una supercomputadora común". TechCrunch . 5 de agosto de 2022 . Consultado el 7 de agosto de 2022 .
121. Ball, Philip (3 de diciembre de 2020). "Los físicos en China desafían la 'ventaja cuántica' de Google"". Naturaleza . 588 (7838): 380. Código Bibliográfico :2020Natur.588..380B. doi :10.1038/d41586-020-03434-7. PMID  33273711. S2CID  227282052.
122. Garisto, Daniel. «Light-based Quantum Computer Exceeds Fastest Classical Supercomputers». Scientific American . Consultado el 7 de diciembre de 2020 .
123. Conover, Emily (3 de diciembre de 2020). "El nuevo ordenador cuántico basado en la luz Jiuzhang ha alcanzado la supremacía cuántica". Science News . Consultado el 7 de diciembre de 2020 .
124. Zhong, Han-Sen; Wang, Hui; Deng, Yu-Hao; Chen, Ming-Cheng; Peng, Li-Chao; et al. (3 de diciembre de 2020). "Ventaja computacional cuántica usando fotones". Science . 370 (6523): 1460–1463. arXiv : 2012.01625 . Bibcode :2020Sci...370.1460Z. doi :10.1126/science.abe8770. ISSN  0036-8075. PMID  33273064. S2CID  227254333.
125. Roberson, Tara M. (21 de mayo de 2020). «{{subst:title case|¿Puede la publicidad exagerada ser una fuerza para el bien?}}». Comprensión pública de la ciencia . 29 (5): 544–552. doi : 10.1177/0963662520923109 . ISSN  0963-6625. PMID  32438851. S2CID  218831653.
126. Cavaliere, Fabio; Mattsson, John; Smeets, Ben (septiembre de 2020). "Las implicaciones de seguridad de la criptografía cuántica y la computación cuántica". Seguridad de redes . 2020 (9): 9–15. doi :10.1016/S1353-4858(20)30105-7. ISSN  1353-4858. S2CID  222349414.
127. Liu, Yong; Chen, Yaojian; Guo, Chu; Canción, Jiawei; Shi, Xinmin; Gan, Lin; Wu, Wenzhao; Wu, Wei; Fu, Haohuan; Liu, Xin; Chen, Dexun; Zhao, Zhifeng; Yang, Guangwen; Gao, Jiangang (16 de enero de 2024). "Verificación de experimentos de ventajas cuánticas con contracción de red tensorial de amplitud múltiple". Cartas de revisión física . 132 (3): 030601. arXiv : 2212.04749 . Código bibliográfico : 2024PhRvL.132c0601L. doi :10.1103/PhysRevLett.132.030601. ISSN  0031-9007. PMID  38307065.
128. Monroe, Don (diciembre de 2022). "Computadoras cuánticas y el universo". Comunicaciones de la ACM.
129. Swayne, Matt (20 de junio de 2023). "PsiQuantum ve una reducción de 700 veces en los requisitos de recursos computacionales para romper la criptografía de curva elíptica con una computadora cuántica tolerante a fallas". The Quanrum Insider .
130. Unruh, Bill (1995). "Mantenimiento de la coherencia en ordenadores cuánticos". Physical Review A . 51 (2): 992–997. arXiv : hep-th/9406058 . Código Bibliográfico :1995PhRvA..51..992U. doi :10.1103/PhysRevA.51.992. PMID  9911677. S2CID  13980886.
131. Davies, Paul (6 de marzo de 2007). "Las implicaciones de un universo holográfico para la ciencia de la información cuántica y la naturaleza de las leyes físicas". arXiv : quant-ph/0703041 .
132. Regan, KW (23 de abril de 2016). "Supremacía cuántica y complejidad". La carta perdida de Gödel y P=NP .
133. Kalai, Gil (mayo de 2016). "El rompecabezas de la computadora cuántica" (PDF) . Avisos de la AMS . 63 (5): 508–516.
134. Rinott, Yosef; Shoham, Tomer; Kalai, Gil (13 de julio de 2021). "Aspectos estadísticos de la demostración de la supremacía cuántica". arXiv : 2008.05177 [quant-ph].
135. Dyakonov, Mikhail (15 de noviembre de 2018). "El caso contra la computación cuántica". IEEE Spectrum . Consultado el 3 de diciembre de 2019 .
136. Dyakonov, Mikhail (24 de marzo de 2020). ¿Algún día tendremos una computadora cuántica?. Springer. ISBN 9783030420185. Recuperado el 22 de mayo de 2020 .^{[ página necesaria ]}
137. Russell, John (10 de enero de 2019). "Actualización de IBM Quantum: lanzamiento de Q System One, nuevos colaboradores y planes del QC Center". HPCwire . Consultado el 9 de enero de 2023 .
138. Tacchino, Francisco; Chiesa, Alejandro; Carretta, Stefano; Gerace, Darío (19 de diciembre de 2019). "Computadoras cuánticas como simuladores cuánticos universales: estado del arte y perspectivas". Tecnologías cuánticas avanzadas . 3 (3): 1900052. arXiv : 1907.03505 . doi :10.1002/qute.201900052. ISSN  2511-9044. S2CID  195833616.
139. Grumbling y Horowitz 2019, pág. 127.
140. Grumbling y Horowitz 2019, pág. 114.
141. Grumbling y Horowitz 2019, pág. 119.
142. Grumbling y Horowitz 2019, pág. 126.
143. Mackie, Kurt (8 de febrero de 2024). "Microsoft Quantum Computing Getting DARPA Funding" (La computación cuántica de Microsoft obtiene financiación de DARPA). rcpmag.com . Consultado el 9 de febrero de 2024 .
144. Gent, Edd (5 de julio de 2023). «Microsoft quiere construir una supercomputadora cuántica en una década». Singularity Hub . Consultado el 18 de octubre de 2024 .
145. Lucian Armasu (22 de noviembre de 2016). «Microsoft pretende crear la primera computadora cuántica topológica del mundo». Tom's Hardware . Consultado el 18 de octubre de 2024 .
146. Leong, Kelvin; Sung, Anna (noviembre de 2022). "¿Qué deben saber los gerentes de negocios sobre computación cuántica?" (PDF) . Revista de ciencias interdisciplinarias . Consultado el 13 de agosto de 2023 .
147. Gibney, Elizabeth (2 de octubre de 2019). «Fiebre del oro cuántica: la financiación privada que se vierte en las empresas emergentes cuánticas». Nature . 574 (7776): 22–24. Bibcode :2019Natur.574...22G. doi :10.1038/d41586-019-02935-4. PMID  31578480. S2CID  203626236.
148. Rodrigo, Chris Mills (12 de febrero de 2020). «La propuesta presupuestaria de Trump aumenta la financiación de la inteligencia artificial y la computación cuántica». The Hill . Consultado el 11 de julio de 2021 .
149. Biondi, Matteo; Heid, Anna; Henke, Nicolaus; Mohr, Niko; Pautasso, Lorenzo; et al. (14 de diciembre de 2021). "Los casos de uso de la computación cuántica se están volviendo reales: lo que necesita saber". McKinsey & Company . Consultado el 1 de abril de 2022 .
150. Nielsen y Chuang 2010, pág. 29.
151. Nielsen y Chuang 2010, pág. 126.
152. Nielsen y Chuang 2010, pág. 41.
153. Nielsen y Chuang 2010, pág. 201.
154. Bernstein, Ethan; Vazirani, Umesh (1997). "Teoría de la complejidad cuántica". Revista SIAM de informática . 26 (5): 1411–1473. CiteSeerX 10.1.1.144.7852 . doi :10.1137/S0097539796300921. 

Fuentes

• Aaronson, Scott (2013). Computación cuántica desde Demócrito . Cambridge University Press. doi :10.1017/CBO9780511979309. ISBN. 978-0-521-19956-8.OCLC 829706638  .
• Grumbling, Emily; Horowitz, Mark, eds. (2019). Computación cuántica: progreso y perspectivas . Washington, DC: The National Academies Press. doi :10.17226/25196. ISBN 978-0-309-47970-7. OCLC  1091904777. S2CID  125635007.
• Mermin, N. David (2007). Informática cuántica: una introducción . doi :10.1017/CBO9780511813870. ISBN 978-0-511-34258-5.OCLC 422727925  .
• Nielsen, Michael ; Chuang, Isaac (2010). Computación cuántica e información cuántica (edición del décimo aniversario). doi :10.1017/CBO9780511976667. ISBN 978-0-511-99277-3. OCLC  700706156. S2CID  59717455.
• Shor, Peter W. (1994). Algoritmos para computación cuántica: logaritmos discretos y factorización . Simposio sobre fundamentos de la informática . Santa Fe, Nuevo México : IEEE . pp. 124–134. doi :10.1109/SFCS.1994.365700. ISBN . 978-0-8186-6580-6.

Lectura adicional

Libros de texto

• Akama, Seiki (2014). Elementos de computación cuántica: historia, teorías y aplicaciones de ingeniería . Springer. doi :10.1007/978-3-319-08284-4. ISBN . 978-3-319-08284-4.OCLC 884786739  .
• Benenti, Giuliano; Casati, Giulio; Rossini, Davide; Strini, Giuliano (2019). Principios de información y computación cuántica: un libro de texto completo (2ª ed.). doi :10.1142/10909. ISBN 978-981-3237-23-0. OCLC  1084428655. S2CID  62280636.
• Bernhardt, Chris (2019). Computación cuántica para todos . MIT Press. ISBN 978-0-262-35091-4.OCLC 1082867954  .
• Hidary, Jack D. (2021). Computación cuántica: un enfoque aplicado (2.ª ed.). doi :10.1007/978-3-030-83274-2. ISBN 978-3-03-083274-2. OCLC  1272953643. S2CID  238223274.
• Hiroshi, Imai; Masahito, Hayashi, eds. (2006). Computación cuántica e información: de la teoría al experimento . Temas de física aplicada. Vol. 102. doi :10.1007/3-540-33133-6. ISBN. 978-3-540-33133-9.
• Hughes, Ciaran; Isaacson, Joshua; Perry, Anastasia; Sun, Ranbel F.; Turner, Jessica (2021). Computación cuántica para los curiosos cuánticos (PDF) . doi :10.1007/978-3-030-61601-4. ISBN 978-3-03-061601-4.OCLC 1244536372.S2CID 242566636  . ​
• Jaeger, Gregg (2007). Información cuántica: una visión general . doi :10.1007/978-0-387-36944-0. ISBN 978-0-387-36944-0.OCLC 186509710  .
• Johnston, Eric R.; Harrigan, Nic; Gimeno-Segovia, Mercedes (2019). Programación de computadoras cuánticas: algoritmos esenciales y ejemplos de código . O'Reilly Media, Incorporated. ISBN 978-1-4920-3968-6.OCLC 1111634190  .
• Kaye, Phillip; Laflamme, Raymond ; Mosca, Michele (2007). Introducción a la computación cuántica . OUP Oxford. ISBN 978-0-19-857000-4.OCLC 85896383  .
• Kitaev, Alexei Yu.; Shen, Alexander H.; Vyalyi, Mikhail N. (2002). Computación clásica y cuántica . American Mathematical Soc. ISBN 978-0-8218-3229-5.OCLC 907358694  .
• Kurgalin, Sergei; Borzunov, Sergei (2021). Guía concisa de computación cuántica: algoritmos, ejercicios e implementaciones. Springer. doi :10.1007/978-3-030-65052-0. ISBN 978-3-030-65052-0.
• Stolze, Joaquín; Suter, Dieter (2004). Computación cuántica: un curso breve de la teoría al experimento . doi :10.1002/9783527617760. ISBN 978-3-527-61776-0.OCLC 212140089  .
• Susskind, Leonard ; Friedman, Art (2014). Mecánica cuántica: el mínimo teórico . Nueva York : Basic Books . ISBN 978-0-465-08061-8.
• Wichert, Andreas (2020). Principios de la inteligencia artificial cuántica: resolución de problemas cuánticos y aprendizaje automático (2.ª ed.). doi :10.1142/11938. ISBN 978-981-12-2431-7. OCLC  1178715016. S2CID  225498497.
• Wong, Thomas (2022). Introducción a la computación clásica y cuántica (PDF) . Rooted Grove. ISBN 979-8-9855931-0-5. OCLC  1308951401. Archivado desde el original (PDF) el 29 de enero de 2022 . Consultado el 6 de febrero de 2022 .
• Zeng, Bei; Chen, Xie; Zhou, Duan-Lu; Wen, Xiao-Gang (2019). La información cuántica se encuentra con la materia cuántica . arXiv : 1508.02595 . doi :10.1007/978-1-4939-9084-9. ISBN 978-1-4939-9084-9. OCLC  1091358969. S2CID  118528258.

Artículos académicos

• Abbot, Derek ; Doering, Charles R. ; Caves, Carlton M. ; Lidar, Daniel M. ; Brandt, Howard E. ; et al. (2003). "Sueños versus realidad: sesión plenaria de debate sobre computación cuántica". Procesamiento de información cuántica . 2 (6): 449–472. arXiv : quant-ph/0310130 . Bibcode :2003QuIP....2..449A. doi :10.1023/B:QINP.0000042203.24782.9a. hdl :2027.42/45526. S2CID  34885835.
• Berthiaume, Andre (1 de diciembre de 1998). "Computación cuántica". Manual de soluciones para mecánica cuántica . pp. 233–234. doi :10.1142/9789814541893_0016. ISBN 978-981-4541-88-6. S2CID  128255429 – vía Semantic Scholar.
• DiVincenzo, David P. (2000). "La implementación física de la computación cuántica". Fortschritte der Physik . 48 (9–11): 771–783. arXiv : quant-ph/0002077 . Código Bib : 2000ForPh..48..771D. doi :10.1002/1521-3978(200009)48:9/11<771::AID-PROP771>3.0.CO;2-E. S2CID  15439711.
• DiVincenzo, David P. (1995). "Computación cuántica". Science . 270 (5234): 255–261. Bibcode :1995Sci...270..255D. CiteSeerX  10.1.1.242.2165 . doi :10.1126/science.270.5234.255. S2CID  220110562.En la Tabla 1 se enumeran los tiempos de conmutación y desfase para varios sistemas.
• Feynman, Richard (1982). "Simulación de la física con ordenadores". Revista Internacional de Física Teórica . 21 (6–7): 467–488. Bibcode :1982IJTP...21..467F. CiteSeerX  10.1.1.45.9310 . doi :10.1007/BF02650179. S2CID  124545445.
• Jeutner, Valentin (2021). "El imperativo cuántico: abordar la dimensión legal de las computadoras cuánticas". Morals & Machines . 1 (1): 52–59. doi : 10.5771/2747-5174-2021-1-52 . S2CID  236664155.
• Krantz, P.; Kjaergaard, M.; Yan, F.; Orlando, TP; Gustavsson, S.; Oliver, WD (17 de junio de 2019). "Guía de qubits superconductores para ingenieros cuánticos". Applied Physics Reviews . 6 (2): 021318. arXiv : 1904.06560 . Bibcode :2019ApPRv...6b1318K. doi :10.1063/1.5089550. ISSN  1931-9401. S2CID  119104251.
• Mitchell, Ian (1998). "El poder de la computación en el siglo XXI: la Ley de Moore y más allá".
• Simon, Daniel R. (1994). "Sobre el poder de la computación cuántica". Instituto de Ingenieros Eléctricos y Electrónicos, Computer Society Press.

Enlaces externos

• Medios relacionados con Computadora cuántica en Wikimedia Commons
• Materiales de aprendizaje relacionados con la computación cuántica en Wikiversidad
• Enciclopedia de Filosofía de Stanford : "Computación cuántica" por Amit Hagar y Michael E. Cuffaro.
• "Computación cuántica, teoría de la computación", Enciclopedia de Matemáticas , EMS Press , 2001 [1994]
• Computación cuántica para los más curiosos, por Andy Matuschak y Michael Nielsen

Conferencias

• Computación cuántica para personas determinadas: 22 videoconferencias de Michael Nielsen
• Videoconferencias de David Deutsch
• Conferencias en el Instituto Henri Poincaré (diapositivas y vídeos)
• Conferencia en línea sobre Introducción a la computación cuántica, de Edward Gerjuoy (2008)
• Lomonaco, Sam. Cuatro conferencias sobre computación cuántica dictadas en la Universidad de Oxford en julio de 2006