Tecnologías Específicas

Computación

Descripcion y Objetivos

Estudio del algoritmo FF-QRAM y aplicación con algoritmos de QML:
El creciente avance de la computación cuántica ha presentado oportunidades sin precedentes en el campo del Quantum Machine Learning (QML). Sin embargo, esta promesa revolucionaria se ve acompañada de desafíos significativos relacionados con la representación eficiente de datos y la optimización de algoritmos cuánticos. En este contexto, se plantea la necesidad imperante de abordar estos retos mediante algoritmos de encoding específicos, como el FF-QRAM.

El trabajo final de grado se centra en la investigación y aplicación de esta herramienta fundamental para superar las barreras que enfrentan los algoritmos de QML.

En este proyecto, se llevará a cabo un exhaustivo estudio teórico del FF-QRAM y se explorará su potencial en la codificación y manipulación eficiente de datos cuánticos. Además, se desarrollará una implementación práctica del algoritmo y se aplicará a problemas concretos de Quantum Machine Learning para evaluar su impacto en la mejora de la velocidad y/o precisión de estos algoritmos cuánticos.

 

Metodología y Competencias

Metodología:

1. Estudio de los principios básicos de Computación Cuántica.
2. Estudio del funcionamiento del algoritmo cuántico FF-QRAM.
3. Estudio del funcionameinto de QSimov toolskit
4. Estudio del funcionamiento del framework de computación cuántica Qiskit.
5. Implementación del algoritmo FF-QRAM para uso en QML.

Con este TFG el alumno adquirirá las siguientes competencias de la tecnología especifica de Computación:

• [CM1] Capacidad para tener un conocimiento profundo de los principios fundamentales y modelos de la computación y saberlos aplicar para interpretar, seleccionar, valorar, modelar, y crear nuevos conceptos, teorías, usos y desarrollos tecnológicos relacionados con la informática.
• [CM3] Capacidad para evaluar la complejidad computacional de un problema, conocer estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos.
• [CM7] Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.

 

Medios a utilizar

Se necesitará un ordenador con acceso a internet para poder acceder a las fuentes de información.
El ordenador deberá tener una capacidad suficiente que permita ejecutar simulación de computación cuántica.
Todos los medios necesarios se encuentran disponibles en el grupo de investigación de los directores.

 

Bibliografía

 

• Nielsen, Michael A. and Chuang, Isaac L.
  • Quantum Computation and Quantum Information, 2000. Cambridge University Press
• Daniel K. Park, Francesco Petruccione, and June-Koo Kevin Rhee
  • Circuit-based quantum random access memory for classical data. Scientific Reports, 9(1), mar 2019.
• Qiskit contributors
  • Qiskit: An Open-source Framework for Quantum Computing, 2023. DOI 10.5281/zenodo.2573505
• Hernán Indíbil de la Cruz Calvo
  • Simulador de un computador cuántico en implementación de algoritmos más importantes. TFG, 2018. UCLM
• Hernán Indíbil de la Cruz Calvo
  • Ampliación del simulador cuántico Qsimov. TFM, 2019. UCLM