Universidad Nacional Mayor de San Marcos

Facultad de Ciencias Matemáticas

Escuela Profesional de Computación Científica

PROYECTO DE INVESTIGACIÓN
Aplicación de Algoritmos Cuánticos para la Simulación

PRESENTADO POR:
Cristopher Antoni Catalan Barrientos

Asesor: Mag. Dante Enrique Romero Aguilar

Lima UNMSM, Perú

2023
 INDICE
1. Datos generales
1.1. Título del proyecto de investigación
1.2. Línea de investigación
1.3. Autoría (investigar y asesor)
1.4. Lugar donde se desarrolla la investigación
1.5. Fecha de inicio y termino
2.Formulacion del problema*
2.1 Descripción del problema
2.2 Enunciado del problema
2.3. Objetivos
2.3.1. Objetivo general
2.3.2. Objetivos específicos
2.4. Hipótesis de la investigación
2.5. De limitación de la investigación
3.Marco teórico
3.1. Antecedentes
3.2. Bases teóricas
3.3. Definición de termino
4.Metodología de la investigación
4.1 Tipo de investigación
4.2 Nivel de investigación
4.3 Diseño de la investigación
4.4. Población
4.5. Muestra
4.5.1. Unidad de análisis
4.5.2. Unidad de observación
 4.6. Técnica e instrumentos de recolección de datos
4.6.1. Técnica
4.6.2. Instrumento
5.Cronograma de actividades
6.Presupuesto y financiamiento
7.Referencias bibliográficas
8.Anexos
8.1. Matriz de operación
8.2. Consistencia
I. DATOS GENERALES
1. TITULO:
“Aplicación de Algoritmos Cuánticos para la Simulación”

2. AUTOR

Apellidos y Nombres: Cristopher Antoni Catalan Barrientos

3. ASESOR
Apellidos y Nombres : Romero Aguilar Dante Enrique
Grado Académico : Doctorando en Educación
Magister en Ciencias de la Educación Superior
Título Profesional : Ingeniero de Sistemas/Ingeniero Civil/Lic. En
Administración/Licenciado en Educación
Especialidad Matemática, Física y Computación.
Dirección Laboral : Lima – Perú

4. LINEA DE INVESTIGACIÓN

4.1. Programa : Computación Científica

4.2. Línea de Investigación : Optimización Numérica

5. TIPO DE INVESTIGACIÓN

5.1. De acuerdo con la orientación:

Básica: Ya que se planteará para aumentar el conocimiento general y

entender los fundamentos de los fenómenos y hechos observables que
se darán en la investigación, poseyendo aplicaciones posteriores para
tener más comprensión del tema que se planteó.

5.2. De acuerdo con la técnica de contrastación:

Descriptiva: La investigación presente será descriptiva ya que se identificará y

analizará la información recopilada. Siendo así se dará el estudio de la
 funcionalidad de la aplicación de los algoritmos planteados con relación a la
aplicación en simulaciones.

6. LOCALIDAD E INSTITUCIÓN DONDE SE DESARROLLARÁ EL

PROYECTO:

6.1. Localidad. : Lima

6.2. Institución. : Facultad de Ciencias Matemáticas - UNMSM

7. DURACIÓN DEL PROYECTO DE INVESTIGACIÓN

Fecha de Inicio : 14 de agosto 2023

Fecha de Término :7 de noviembre 2023

II. FORMULACIÓN DEL PROBLEMA
2.1. Descripción del Problema
Una de las principales problemáticas en el campo de la computación
cuántica es la falta de algoritmos cuánticos eficientes para la simulación de
sistemas físicos complejos. Aunque la computación cuántica tiene el
potencial de superar a la computación clásica en términos de velocidad y
eficiencia para ciertos problemas, la falta de algoritmos cuánticos
eficientes limita su aplicabilidad práctica.

En particular, la simulación de sistemas cuánticos, que es fundamental en

campos como la física de partículas y la química cuántica, es un área
donde los algoritmos cuánticos podrían tener un impacto significativo. Sin
embargo, el desarrollo de estos algoritmos es un desafío debido a la
naturaleza intrincada y no lineal de los sistemas cuánticos.

Además, la falta de algoritmos cuánticos para la simulación también limita

nuestra capacidad para probar y validar la precisión y fiabilidad de los
ordenadores cuánticos. Sin algoritmos de simulación eficientes, es difícil
verificar si un ordenador cuántico está funcionando correctamente y
produciendo resultados precisos.

Por lo tanto, el desarrollo de algoritmos cuánticos eficientes para la

simulación es una cuestión crítica que debe abordarse para avanzar en el
campo de la computación cuántica. Esto requerirá un esfuerzo de
investigación significativo y una colaboración estrecha entre físicos,
químicos, informáticos y matemáticos.

2.2. Enunciado del Problema

Enunciado del problema:

En el campo de la computación cuántica, se ha identificado una

problemática significativa: la falta de algoritmos cuánticos eficientes para
la simulación de sistemas físicos complejos. Aunque la computación
cuántica tiene el potencial de superar a la computación clásica en términos
de velocidad y eficiencia para ciertos problemas, la falta de algoritmos
cuánticos eficientes limita su aplicabilidad práctica.

El problema se puede enunciar de la siguiente manera:

“Diseñar y desarrollar algoritmos cuánticos eficientes para la simulación

de sistemas físicos complejos. Estos algoritmos deben ser capaces de
aprovechar las ventajas de la computación cuántica, como el paralelismo
inherente de los estados de superposición cuánticos, para realizar
simulaciones más rápidas y precisas que las posibles con los ordenadores
 clásicos. Además, estos algoritmos deben ser robustos frente a los errores
cuánticos y deben ser validados para garantizar su precisión y fiabilidad.”

Este problema es fundamental para avanzar en el campo de la computación

cuántica y tiene implicaciones en áreas como la física de partículas, la
química y la criptografía cuánticas. Resolver este problema requerirá un
esfuerzo de investigación significativo y una colaboración estrecha entre
físicos, químicos, informáticos y matemáticos.

2.3. Objetivos
2.3.1.Objetivo General
El objetivo general de este proyecto es realizar un analisis
exhaustivo de los algoritmos cuanticos existentes para la
simulacion de sistemas físicos complejos. Este analisis debe
incluir una evaluacion de la eficiencia, precision, robustez
frente a los errores cuanticos y aplicabilidad practica de estos
algoritmos. Ademas, se deben identificar las areas de mejora y
las oportunidades para el desarrollo de nuevos algoritmos
cuanticos que puedan superar las limitaciones de los
algoritmos existentes. Este objetivo se alinea con la necesidad
de avanzar en el campo de la computacion cuantica y tiene
implicaciones en areas como la física de partículas, la química y
la criptografía cuanticas. La consecucion de este objetivo
requerira un esfuerzo de investigacion significativo y una
colaboracion estrecha entre físicos, químicos, informaticos y
matematicos.
2.3.2.Objetivos Específicos
✓ Realizar un estudio detallado de los algoritmos cuánticos
existentes para la simulación de sistemas físicos complejos,
incluyendo su diseño, implementación y rendimiento.

✓ Evaluar la eficiencia de estos algoritmos cuánticos en

términos de velocidad y precisión en comparación con los
algoritmos clásicos equivalentes.

✓ Analizar la robustez de estos algoritmos frente a los errores

cuánticos, un aspecto crítico en la computación cuántica.

✓ Validar la precisión y fiabilidad de estos algoritmos

cuánticos mediante pruebas rigurosas y comparaciones con
resultados conocidos.

✓ Identificar las áreas de mejora en los algoritmos cuánticos

existentes y las oportunidades para el desarrollo de nuevos
algoritmos que puedan superar estas limitaciones.
 ✓ Proporcionar recomendaciones para la implementación
práctica de estos algoritmos en ordenadores cuánticos
reales.

✓ Fomentar la colaboración entre físicos, químicos,

informáticos y matemáticos para el desarrollo futuro de
algoritmos cuánticos eficientes para la simulación.
2.4. Hipótesis de la Investigación

La implementacion de algoritmos cuanticos eficientes para la

simulacion de sistemas físicos complejos permitira realizar
simulaciones mas rapidas y precisas que las posibles con los
ordenadores clasicos. Estos algoritmos cuanticos seran robustos
frente a los errores cuanticos y proporcionaran resultados precisos
y fiables. La validacion de esta hipotesis podría abrir nuevas
oportunidades para el avance en el campo de la computacion
cuantica y tener implicaciones significativas en areas como la física
de partículas, la química y la criptografía cuanticas.

2.5. Delimitación de la Investigación

Dada la naturaleza de la investigación y las limitaciones del estudiante de
pregrado, la investigación se delimitará de la siguiente manera:

Ámbito de estudio: La investigación se centrará en el análisis teórico de los

algoritmos cuánticos existentes para la simulación de sistemas físicos
complejos. No se realizarán experimentos prácticos debido a la falta de acceso
a un ordenador cuántico.

Fuentes de información: La investigación se basará únicamente en fuentes de

información virtuales disponibles públicamente, como artículos de
investigación en línea, libros electrónicos, tutoriales y cursos en línea sobre
computación cuántica, y foros de discusión científica.

Tiempo: La investigación se llevará a cabo durante el período de un semestre

académico.

Objetivo: El objetivo de la investigación será comprender a fondo los

algoritmos cuánticos existentes para la simulación de sistemas físicos
complejos, evaluar su eficiencia y robustez, e identificar áreas de mejora y
oportunidades para el desarrollo de nuevos algoritmos.

Metodología: La investigación implicará la revisión y el análisis de literatura

relevante, la comparación de diferentes algoritmos cuánticos, y la síntesis de
los hallazgos para formular recomendaciones para futuras investigaciones.
III. MARCO TEÓRICO
3.1. Antecedentes del Problema planteado
Para la realización de los fundamentos de la investigación se realizó la
búsqueda de investigaciones y estudios que guarden relación y parentesco con
la que se está llevando a cabo, de esta forma se logra el sustento para el
respaldo de la investigación y la redacción de la misma con respecto a la
discusión de resultados, todos esto detallado en lo siguiente:
Sincronización de modelos matemáticos de neuronas mediante acoplamientos
basados en umbrales
Estudio que busca entender cómo se sincronizan las neuronas en el cerebro. Se
centra en la dinámica caótica de los modelos matemáticos de dos neuronas a
través de un acoplamiento basado en niveles o umbrales de activación
previamente definidos
Algoritmos fundamentales en computación cuántica

Algoritmos esenciales que se utilizan en la computación cuántica, una rama de la

informática que utiliza los principios de la mecánica cuántica para realizar
cálculos.
EL PERCEPTRÓN: UNA RED NEURONAL ARTIFICIAL PARA
CLASIFICAR DATOS
Red neuronal más básica que existe de aprendizaje supervisado. Es una neurona
artificial que efectúa cálculos para detectar características o tendencias en los
datos de entrada.

Estudio de algoritmos cuánticos para la resolución de problemas de

aprendizaje supervisado

Concepto se refiere a una investigación que busca entender cómo los algoritmos
cuánticos pueden ser utilizados para resolver problemas en el aprendizaje
supervisado, un tipo de aprendizaje automático donde un modelo aprende a tomar
decisiones a partir de un conjunto de datos etiquetados.

Simulación de Cómputo Cuántico

Simulación de procesos cuánticos en una computadora clásica. La simulación

cuántica permite a los investigadores explorar y entender mejor los fenómenos
cuánticos.
Mente - materia y mecánica cuántica

Relación entre la mente y la materia desde la perspectiva de la mecánica cuántica.

Se centra en cómo la conciencia puede interactuar con el mundo material y cómo
estos dos aspectos pueden influir entre sí.
Procesamiento cerebral del lenguaje desde la perspectiva de la neurociencia y
la psicolingüística

Estudio que busca entender cómo el cerebro procesa el lenguaje desde las
perspectivas tanto de la neurociencia como de la psicolingüística.

El cerebro, funcionamiento y la generación de nuevos aprendizajes a través

de la neurociencia
Este concepto se refiere a cómo el cerebro funciona y genera nuevos aprendizajes
desde la perspectiva de la neurociencia. Se centra en entender los mecanismos
cerebrales que permiten el aprendizaje y cómo estos mecanismos pueden ser
mejorados o modificados.

Redes neuronales cuánticas

Modelo de red neuronal basado en los principios de la mecánica cuántica. Son
similares a las redes neuronales clásicas, pero se implementan en computadoras
cuánticas y hacen uso de propiedades cuánticas como superposición, interferencia
y entrelazamiento para realizar cálculos.

Mecánica cuántica y cerebro: una revisión crítica

Revisión crítica que examina las teorías y conceptos relacionados con la mecánica
cuántica y su relación con el cerebro y los procesos cognitivos.

3.2. Base Teórica

Simulación de Cómputo Cuántico
Uso de un computador cuántico para simular fenómenos cuánticos. Este
concepto fue propuesto por Richard Feynman en 1982, quien demostró
que una máquina de Turing clásica tendría un costo exponencial para
simular fenómenos cuánticos, en comparación con otro sistema cuántico.

Estudio de la dinámica de redes neuronales con aprendizaje hebbiano

en presencia de ruido
Estudio sobre cómo el ruido puede afectar el aprendizaje en redes
neuronales que utilizan la regla de aprendizaje de Hebb. La regla de Hebb
es un modelo teórico que evalúa el concepto de “plasticidad sináptica”, o
el fortalecimiento o debilitamiento dinámico de las sinapsis a lo largo del
tiempo según factores de entrada.

Algoritmos fundamentales en computación cuántica

Algoritmos esenciales diseñados para ejecutarse en un computador

cuántico. Estos algoritmos aprovechan las propiedades únicas de los qubits
y explotan fenómenos cuánticos como el entrelazamiento y la
superposición.
Algoritmo cuántico de Deutsch y Jozsa en GAMA

Es uno de los primeros algoritmos diseñados para ejecutarse en un

computador cuántico y tiene el potencial de ser más eficiente que los
algoritmos clásicos al aprovechar el paralelismo inherente de los estados
de superposición cuánticos.

Fundamentos de la computación cuántica

Principios básicos y las leyes de la mecánica cuántica que se utilizan en la

computación cuántica para resolver problemas demasiado complejos para
los sistemas clásicos.
Arquitectura Cuántica
Es una tendencia para crear espacios habitables para un entorno cuántico.
Esta tendencia surge de la nueva percepción del espacio y sus relaciones
derivada de las aplicaciones prácticas y cotidianas de la física cuántica.

Computación cuántica: Aplicaciones prácticas que la computación

clásica no puede solucionar

Referido a cómo la computación cuántica puede resolver ciertos problemas

altamente complejos (como los problemas de optimización o búsqueda)
más eficientemente que la computación clásica.

Aplicaciones de algoritmos cuánticos en la resolución de problemas

algebraicos
Referido a cómo los algoritmos cuánticos pueden ser utilizados para
resolver problemas algebraicos complejos.

Eficiencia de Algoritmos Cuánticos para Solución de Problemas de

Enrutamiento
Referido a cómo los algoritmos cuánticos pueden ser más eficientes en la
resolución de problemas de enrutamiento, como el problema del vendedor
ambulante, en comparación con los algoritmos clásicos.

Programación Cuántica de Aplicaciones Software: herramientas y

ejemplos
Referido a cómo se pueden utilizar herramientas y ejemplos específicos
para programar aplicaciones software utilizando principios y técnicas de
programación cuántica.
Implementación de un simulador de computador cuántico

Desarrollo e implementación práctica de un simulador que puede imitar el

comportamiento y las operaciones realizadas por un computador cuántico.

QuantumSolver: librería para el desarrollo cuántico

 Herramienta diseñada para facilitar el desarrollo y la implementación de
soluciones basadas en computación cuántica.

3.3. Definición de Términos

Tipo de Algoritmo Cuántico:
Un algoritmo cuántico es un conjunto de instrucciones informáticas que
no se basa en cálculos matemáticos o probabilísticos clásicos, sino que
utiliza la naturaleza única de la realidad cuántica.
Algoritmo cuántico utilizado.
Este término se refiere al nombre específico del algoritmo cuántico que se
está utilizando. Por ejemplo, algunos algoritmos cuánticos conocidos
incluyen el algoritmo de Shor para la factorización de números y el
algoritmo de Grover para la búsqueda.
Complejidad computacional del algoritmo.
La complejidad computacional de un algoritmo es una medida de cuánto
tiempo y espacio (memoria) requiere el algoritmo para resolver un
problema.
Número de qubits requeridos
Un qubit es la unidad fundamental de información en la computación
cuántica. El número de qubits requeridos se refiere a la cantidad de qubits
que necesita un algoritmo cuántico para funcionar.
Campo de Aplicación:
El campo de aplicación es el ámbito personal al que alcanza un sistema,
una norma o una patente.
Área de estudio o industria en la que se aplica la simulación.
Las áreas de aplicación de la simulación son muy amplias y diversas.
Pueden incluir análisis del impacto ambiental, diseño de sistemas de
manufactura, diseño de sistemas de comunicaciones, entre otros.
Número de problemas resueltos en el campo de aplicación.
Este término se refiere a la cantidad total de problemas que han sido
resueltos utilizando un determinado algoritmo o método en su campo de
aplicación.
Mejoras en la eficiencia o precisión en comparación con los métodos
tradicionales.
Este término se refiere a las mejoras logradas en términos de eficiencia
(tiempo y recursos utilizados) o precisión (exactitud de los resultados)
cuando se utiliza un nuevo método o tecnología en comparación con los
métodos tradicionales.
Métricas de Rendimiento:
Las métricas de rendimiento son datos e información que sirven para
evaluar el desempeño de una organización. Estas métricas pueden medir
aspectos como la productividad, el beneficio, el alcance y el coste, entre
otros.
Tiempo de ejecución del algoritmo.
El tiempo de ejecución de un algoritmo es la cantidad de tiempo que
requiere para procesar una entrada de un tamaño determinado.
Precisión de los resultados de la simulación.
Este término se refiere a qué tan cerca están los resultados obtenidos por
una simulación del valor verdadero o esperado.
Consumo de energía durante la ejecución del algoritmo.
Este término se refiere a la cantidad total de energía consumida por un
sistema mientras ejecuta un algoritmo.
Hardware Cuántico:
El hardware cuántico se refiere a los dispositivos físicos y tecnologías
utilizadas para implementar computadoras cuánticas.
Tipo de tecnología cuántica utilizada
Este término se refiere a la tecnología específica utilizada en una
computadora cuántica, como superconductores o trampas de iones.
Número de qubits del sistema cuántico.
Este término se refiere a la cantidad total de qubits disponibles en una
computadora cuántica.
Tiempo de coherencia del sistema cuántico.
El tiempo de coherencia es el período durante el cual un qubit mantiene su
estado cuántico. Es una medida importante del rendimiento y la fiabilidad
del hardware cuántico.
IV. METODOLOGÍA DE LA INVESTIGACIÓN

4.1. Tipo de Investigación

Según los lineamientos a los que se acondiciona la investigación se inclina
a un tipo descriptivo básico, según Tamayo y Tamayo (2006), la
investigación descriptiva básica comprende conceptos descriptivos,
registros, análisis y la interpretación de fenómenos y procesos de estos.
Hay que mencionar adicionalmente que dado el carácter de recolección de
información presentará un enfoque cuantitativo, debido a la necesidad de
uso de algoritmos cuánticos para poder dar respuesta a la problemática
planteada siendo así como se daría respuesta a la hipótesis planteada.

4.2. Nivel de Investigación

El nivel de investigación presente abarca diferentes grados de profundidad
y alcance siendo así como se conforma la metodología al momento de la
extracción de información Dentro de la cuales se define según:
Tipo de Datos: Cuantitativa, mencionada anteriormente por el carácter de
recolección de la data.
Objetivo: Siendo descriptiva básica debido a la relación que se guarda en
torno a la forma de estudio y abarque de las fuentes consultadas.
4.3. Diseño de la Investigación
El diseño planificado para el desarrollo de la investigación será no-experimental
transversal, tal como se es mencionado. “Un estudio transversal es un diseño no
experimental donde se recolectan en un solo momento” (Sampieri 2003). Siendo
así que el estudio será una recopilación de estudios en un lapso que estaría
determinada de 2018 a 2023.

4.4. Población
La población como tal sería no considerada debido al objetivo del proyecto
de investigación, el cual es, analizar los Algoritmos Cuánticos en relación
con las simulaciones posibles gracias a este, siendo de esta forma que la
investigación cuantitativa la cual estudia algoritmos y no a una población
en específico como lo haría un estudio estadístico no presenta población
existente en el caso de personas, pero podríamos basarnos en los tipos de
algoritmos cuánticos existentes para la simulación.
4.5. Muestra

4.5.1. Unidad de Análisis

La unidad de análisis existente serán los algoritmos cuánticos
existentes en todas las fuentes examinadas, todo esto con la
finalidad de darle relación, tal es el caso del algoritmo básico
presentado por; Paredes, López, M (2007), el cual tomaremos
como argumento básico debido a la simpleza del algoritmo
presentado, el cual se dará posterior aplicación para la
interpretación de otros algoritmos más acomplejados existentes.

4.5.2. Unidad de Observación

La unidad y en este caso las unidades que serán observadas son
todas las fuentes recopiladas las cuales poseen algoritmos
potencialmente útiles para su estudio los cuales serán de gran
utilidad para el desarrollo de nuestro proyecto de investigación.
4.6. Técnica e instrumentos de recolección de datos

4.6.1. Técnica
La técnica puesta en práctica para la recolección de datos será la de
análisis metódico de las fuentes ya mencionadas lo cual se dará en
conjunto con el instrumento que será de gran utilidad para la
recopilación de las fuentes existentes y de esa forma poder tener un
acceso inmediato y simple a la recolección de datos.

4.6.2. Instrumento
El instrumento que se usará será una base de datos que en palabras
de: Malavassi Aguilar A. P.(2012) “Las bases de datos son una
herramienta útil… dándose la posibilidad de almacenar, facilitar y
democratizar el acceso a la información”. Siendo así que se hará
aplicación de esta herramienta para su correcto aprovechamiento.
V. CRONOGRAMA DE ACTIVIDADES
Se hace la presentación del cronograma llevado a cabo desde
el principio de clases hasta el culmine de la presentación del
proyecto de Investigación el cual se dará el 13 de noviembre.

Figura 3.1: Cronograma en Formato Excel

Figura 3.2: Cronograma en Formato Excel

Figura 3.3: Cronograma en Formato Excel

 Figura 3.4: Cronograma en Formato Excel

VI. PRESUPUESTO Y FINANCIAMIENTO

No hubo presupuesto ni financiamiento aplicado debido al caso presente solo
gastos incluyentes de los productos usados.

Tabla de Presupuesto (4 agosto – 12 noviembre)

Laptop 4250 soles
Internet 50 soles
Pasajes 415 soles
Alquiler de Cuarto 720 soles
Gasto Total 5075 soles

Se denota un gasto equivalente aproximado de 5435 soles que

abarca en sí gastos propios del presentador siendo el caso de
mi persona.
VII. REFERENCIAS BIBLIOGRÁFICAS
Caballero Flores, F. M. (2019). Sincronización de modelos matemáticos de neuronas
mediante acoplamientos basados en umbrales (Tesis de maestría). Instituto Potosino
de Investigación Científica y Tecnológica. Recuperado de
https://repositorio.ipicyt.edu.mx/handle/11627/4855
Pastor Díaz, U. (2019). Algoritmos fundamentales en computación cuántica [Libro
electrónico]. Recuperado de https://idus.us.es/handle/11441/90169
García, R. (2021). EL PERCEPTRÓN: UNA RED NEURONAL ARTIFICIAL PARA
CLASIFICAR DATOS. Revista de Investigación en Modelos Matemáticos Aplicados
a la Gestión y la Economía, 8(1). Recuperado de
https://www.researchgate.net/publication/349830379
Juárez Caballero, E. I. (2023). Estudio de algoritmos cuánticos para la resolución de
problemas de aprendizaje supervisado (Tesis en Maestría, Universidad Veracruzana).
Recuperado de
http://148.226.24.32:8080/bitstream/handle/1944/52934/JuarezCaballeroEmmanuel.p
df?sequence=1&isAllowed=y.
Rodríguez Benites, C. E. (2019). Mente - materia y mecánica cuántica. Editorial
Académica Española. Recuperado de
https://repositorio.concytec.gob.pe/handle/20.500.12390/2232.
Arellano, F. J., Moreno del Pozo, G. F., Culqui, C. O., & Tamayo Arrellano, R. V.
(2021). Procesamiento cerebral del lenguaje desde la perspectiva de la neurociencia y
la psicolingüística. Revista de Ciencias Sociales. Recuperado de
https://dialnet.unirioja.es/servlet/articulo?codigo=8229893.
Moreira Ponce, M. J., Morales Zambrano, F. F., Zambrano Orellana, G. A., &
Rodríguez Gámez, M. (2021). El cerebro, funcionamiento y la generación de nuevos
aprendizajes a través de la neurociencia. Recuperado de
https://dialnet.unirioja.es/servlet/articulo?codigo=8231676.
Abellán Bermúdez, J. (2022). Redes neuronales cuánticas. Recuperado de
https://rua.ua.es/dspace/handle/10045/124573.
Pastor-Gómez, J. (2002). Mecánica cuántica y cerebro: una revisión crítica. Rev
Neurol, 35(1), 87-94. Recuperado de https://www.researchgate.net/profile/Jesus-
Pastor-
4/publication/331116095_Mecanica_Cuantica_y_Cerebro_una_Revision_Critica/links
/5e97268392851c2f52a5c6c2/Mecanica-Cuantica-y-Cerebro-una-Revision-
Critica.pdf.
Paredes López, M. (2007). Simulación de Cómputo Cuántico [Tesis de maestría,
Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional].
Repositorio Institucional del Cinvestav. Recuperado de
http://webserver.cs.cinvestav.mx/Estudiantes/TesisGraduados/2007/tesisMireyaParede
s.pdf
Larocca, A. P. (2020). Estudio de la dinámica de redes neuronales con aprendizaje
hebbiano en presencia de ruido [Tesis doctoral, Universidad de Buenos Aires].
Recuperado de
https://bibliotecadigital.exactas.uba.ar/download/tesis/tesis_n7307_Larocca.pdf
Pastor Díaz, U. (2018). Algoritmos fundamentales en computación cuántica [Tesis de
maestría, Universidad de Sevilla]. Repositorio Institucional de la Universidad de
Sevilla. Recuperado de
https://idus.us.es/bitstream/handle/11441/93645/Pastor%20D%C3%ADaz%20Ulises
%20TFM.pdf?sequence=1
M. Paredes Lópeza, A. Meneses Viverosb, G. Morales-Lunab (2018). Algoritmo
cuántico de Deutsch y Jozsa en GAMA. Recuperado de
https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1870-
35422018000200181&lng=es&nrm=iso&tlng=es
López Oliva, V. (2022). Fundamentos de la computación cuántica. TEMat, 6, 31-47.
Recuperado de https://temat.es/articulo/2022-p31/2022-p31-pdf

Caituiro Monge H. (2020). Arquitectura Cuántica [Documento en línea]. Recuperado

de
CloudFront.https://d1wqtxts1xzle7.cloudfront.net/54537095/Arquitectura_Cuantica_1
-libre.pdf?1506404273=&response-content-
disposition=inline%3B+filename%3DArquitectura_Cuantica.pdf&Expires=16987460
68&Signature=N2PQ39FXFgqXWvnUMMvEiC34S9yywaqYDupnjP0DndsHw-
qG0W~abGhxp0W0JRaBQ8rQBfl4~tp95vRGtfFxR9THms4RCiC18fabe3qlLE~fWb
iDKNy9ob9uMsdZjqj2fnHzfn1Z4xWyS0e5EgAboUMZOruRDTj6ro9Eh-
JRLvGnJklqVkLnV72YqctNo94933hZIhk7WTpxyosUW9ZjlAof0KvtOGrbZnknFrx
KtVqJc0qGNossTqj~4Xb0ulPFGqL12fR6~EtBFm~0IL6RQlFPQnzNAOJhfKHCrbr
9gLNIDnAiGytkhIB1d5yvH87hS4-48C3svkrJ4o~JhLbeFw__&Key-Pair-
Id=APKAJLOHF5GGSLRBV4ZA
Kleinman Ruiz, I. (2019). Computación cuántica: Aplicaciones prácticas que la
computación clásica no puede solucionar [Tesis de grado, Universidad de Sevilla].
ResearchGate1 Recuperado de https://www.researchgate.net/profile/Ignacio-
Kleinman-
Ruiz/publication/337758188_Computacion_cuantica_Aplicaciones_practicas_que_la_
computacion_clasica_no_puede_solucionar/links/5de8ae094585159aa462d589/Comp
utacion-cuantica-Aplicaciones-practicas-que-la-computacion-clasica-no-puede-
solucionar.pdf
Afanador Rodríguez, D. F. (2021). Aplicaciones de algoritmos cuánticos en la
resolución de problemas algebraicos [Proyecto Teórico/Computacional, Universidad
de los Andes]. Repositorio Institucional de la Universidad de los Andes. Recuperado
de https://fisstat.uniandes.edu.co/wp-
content/uploads/Informe_Final_Proyecto_Teorico_Computacional-DF-Afanador.pdf
Martínez Vicente, P. A. (2023). Eficiencia de Algoritmos Cuánticos para Solución de
Problemas de Enrutamiento [Trabajo Fin de Grado, Universidad Politécnica de
Cartagena]. Repositorio Institucional de la Universidad Politécnica de Cartagena.
Recuperado de https://repositorio.upct.es/bitstream/handle/10317/12752/tfg-mar-
efi.pdf?sequence=1&isAllowed=y
Otálora González, J. J. (2023). Programación Cuántica de Aplicaciones Software:
herramientas y ejemplos [Trabajo Fin de Grado, Universidad Politécnica de
Cartagena]. Repositorio Institucional de la Universidad Politécnica de Cartagena.
Recuperado de https://repositorio.upct.es/bitstream/handle/10317/12804/tfg-ota-
pro.pdf?sequence=1&isAllowed=y
Gálvez Aucejo, C. (2021). Implementación de un simulador de
computador cuántico [Trabajo Fin de Grado, Universitat Politècnica de
València]. Repositorio Institucional de la Universitat Politècnica de
València. Recuperado de
https://riunet.upv.es/bitstream/handle/10251/173946/Galvez%20-
%20Implementacion%20de%20un%20simulador%20de%20computador%
20cuantico.pdf?sequence=1&isAllowed=y
Escanez Expósito J.D. (2022). QuantumSolver: librería para el
desarrollo cuántico [Trabajo Fin de Grado, Universidad de La Laguna].
Repositorio Institucional de la Universidad de La Laguna. Recuperado de
https://riull.ull.es/xmlui/handle/915/28728
 VIII. ANEXOS
Anexo 1. Matriz de Consistencia Título: Aplicación de Algoritmos Cuánticos para la
Simulación.
Anexo 2. Operacionalización de Variables Título: Uso de Algoritmos Cuánticos
Anexo 3. Operacionalización de Variables Título: Comprensión de la Simulación