Aplicación

Computación cuántica analógico-digital

Tecnologías Cuánticas y Aprendizaje Cuántico de Máquinas

Descripción del grupo:

El interés de la Universidad de Sevilla (US) en la computación cuántica radica en contribuir al conocimiento fundamental en un área puntera como esta y en particular en el aprendizaje cuántico de máquinas, que podría tener implicaciones no sólo científicas, sino también para el conjunto de la sociedad. El investigador principal Lucas Lamata es uno de los mayores expertos en la computación cuántica digital-analógica y ha empleado los últimos años de investigación en desarrollarla y aplicarla a diferentes problemas. En el marco de Quantum Spain, la US estudiará el uso de este paradigma computacional para el machine learning cuántico y lo aplicará a la resolución de varios problemas.

Descripción de la actividad:

La computación cuántica analógico-digital consiste en combinar operaciones elementales (puertas cuánticas) como las empleadas en los ordenadores cuánticos actuales, con períodos en los que el sistema de qubits evoluciona según sus interacciones naturales, tal vez con la mediación de un ligero control externo “entrenado”. En esta actividad, se abordarán las siguientes tareas en este contexto:
1. Analizar cómo se pueden mejorar los algoritmos de aprendizaje de máquinas cuánticos, en particular de aprendizaje de refuerzo cuántico con el nuevo paradigma de algoritmos cuánticos analógico-digitales.
2. Estudiar la implementación de estos algoritmos en plataformas de circuitos superconductores, iones atrapados y fotónica cuántica.

Resultados

Olivera-Atencio, M. L.; Lamata, L.; Casado-Pascual, J.

Impact of amplitude and phase damping noise on quantum reinforcement learning: challenges and opportunities Artículo de revista

En: The European Physical Journal Special Topics (EPJ ST), 2025.

Resumen | Enlaces | BibTeX | Etiquetas: US

Lamata, L.

Digital-Analog Quantum Machine Learning Artículo de revista

En: Advanced Intelligent Discovery, vol. 1, iss. 1, 2025.

Resumen | Enlaces | BibTeX | Etiquetas: US

Lamata, L.; Llenas, A.

Digital-analog quantum genetic algorithm using Rydberg-atom arrays Artículo de revista

En: Physical Review A, vol. 110, iss. 4, 2024.

Resumen | Enlaces | BibTeX | Etiquetas: US

Sáiz, Á.; Khalouf‑Rivera, J.; Arias, J. M.; Pérez‑Fernández, P.; Casado‑Pascual, J.

Quantum Phase Transitions in periodically quenched systems Artículo de revista

En: Quantum, vol. 8, pp. 1365, 2024.

Resumen | Enlaces | BibTeX | Etiquetas: US

García-Ramos, J. E.; Sáiz, A.; Arias, J. M.; Lamata, L.; Pérez Fernández, P.

Nuclear Physics in the Era of Quantum Computing and Quantum Machine Learning Artículo de revista

En: Advanced Quantum Technologies, vol. 6, iss. 1, 2024.

Resumen | Enlaces | BibTeX | Etiquetas: US

Olivera-Atencio, M. L.; Lamata, L.; Casado-Pascual, J.

Benefits of Open Quantum Systems for Quantum Machine Learning Artículo de revista

En: Adv Quantum Technologies, 2023, ISBN: 2511-9044.

Resumen | Enlaces | BibTeX | Etiquetas: US

Martín-Guerrero, J. D.; Lamata, L.; Villmann, T.

Quantum Artificial Intelligence: A tutorial Conferencia

2023, ISBN: 978-2-87587-088-9.

Resumen | Enlaces | BibTeX | Etiquetas: US