Aplicación
IA cuántica para la caracterización del ruido de los ordenadores cuánticos
Grupo de ordenadores cuánticos y simulaciones cuánticas de la Universitat de València
Descripción del grupo:
El grupo está conformado por Armando Pérez (catedrático de Universidad), Manuel Gessner (investigador Ramón y Cajal), Bryan Zaldívar (Contratado Investigador Distinguido CIDEGENT), Somayeh Mehrabankar (contratada postdoctoral), Andreu Anglés y Rafael Gómez (estudiantes de doctorado). Dentro de sus líneas de investigación se encuentran: ordenadores cuánticos, sistemas cuánticos abiertos, simulaciones de sistemas cuánticos, entrelazamiento cuántico, metrología cuántica y aprendizaje cuántico de máquina.
Descripción de la actividad:
El grupo de Información cuántica y Computación cuántica de la Universitat de València estudia y caracteriza el ruido en ordenadores cuánticos usando técnicas de IA. En concreto, se estudian técnicas de mitigación del ruido en este tipo de ordenadores, ya sea en entornos Markovianos o no Markovianos. Se investiga en la simulación de sistemas físicos cuánticos de muchos cuerpos (modelo de Ising, modelo XX y otros) mediante ordenadores cuánticos. Otras actividades son la investigación del entrelazamiento cuántico, metrología cuántica y aprendizaje cuántico de máquina.
Grupo IDAL
Descripción del grupo:
El grupo está conformado por José D. Martín Guerrero. Catedràtic d’Universitat. Intelligent Data Analysis Laboratory (IDAL), ETSE-UV; J. Rafael Magdalena Benedicto. Professor Titular d’Universitat. Intelligent Data Analysis Laboratory (IDAL), ETSE-UV; Carlos Hernani Morales. Investigador no doctor. Intelligent Data Analysis Laboratory (IDAL), ETSE-UV y Antonio Ferrer Sánchez. Investigador no doctor. Intelligent Data Analysis Laboratory (IDAL), ETSE-UV.
Descripción de la actividad:
Investigación en:
– Quantum Machine Learning
– Machine Learning clàssic per a la descripció i intepretació de fenomenologia quàntica
Resultados
Quantum Brain Networks: A Perspective Artículo de revista
En: Electronics , vol. 11, no. 10, pp. 1528, 2022.