Casos de uso de la computación cuántica

Enfoque cuántico

VQE (Variational Quantum Eigensolver) mapea los hamiltonianos moleculares sobre qubits usando las transformaciones de Jordan-Wigner o Bravyi-Kitaev, y luego minimiza variacionalmente la energía para encontrar los estados fundamentales. Incluso ventajas cuánticas modestas en la estimación de la energía de correlación podrían tener un impacto de miles de millones de dólares en la I+D farmacéutica.

Enfoque cuántico

Este caso de uso es único: la amenaza cuántica impulsa la acción clásica. El NIST finalizó CRYSTALS-Kyber (ML-KEM) y CRYSTALS-Dilithium (ML-DSA) en 2024. Los desarrolladores deben auditar la infraestructura criptográfica y migrar los algoritmos asimétricos. Los ataques de tipo cosechar-ahora-descifrar-después hacen que esto sea urgente hoy.

Enfoque cuántico

QAOA codifica el problema de optimización como un hamiltoniano y luego optimiza variacionalmente los parámetros del circuito para producir soluciones de alta calidad. Con suficiente profundidad de circuito, QAOA converge al óptimo exacto. El hardware NISQ actual limita la profundidad; los solucionadores clásicos aún dominan para los tamaños reales de los problemas.

Enfoque cuántico

Los circuitos cuánticos parametrizados sirven como modelos entrenables. Los núcleos cuánticos calculan productos internos en espacios de Hilbert exponencialmente grandes. Las QNN usan gradientes de la regla de desplazamiento de parámetros con retropropagación clásica. La pregunta abierta clave: ¿existen datos cuánticos con una estructura cuántica inherente que el ML clásico no pueda aprender eficientemente?

Enfoque cuántico

La DFT clásica (teoría del funcional de la densidad) aproxima la correlación electrónica y tiene dificultades con los materiales fuertemente correlacionados. La estimación de fase cuántica puede calcular energías de correlación exactas. La fijación de nitrógeno (el cofactor FeMo en la nitrogenasa) es un problema de ~50 qubits que podría ser la primera ventaja de química cuántica comercialmente relevante.

Enfoque cuántico

El Monte Carlo clásico escala como O(1/ε²) para una precisión ε. La estimación de amplitud cuántica alcanza O(1/ε) — una aceleración cuadrática. Para la valoración de derivados, esto significa reducir una simulación de 10 000 muestras a ~100 consultas cuánticas. Goldman Sachs, JPMorgan y BBVA están investigando esto activamente.

Enfoque cuántico

La trotterización mapea la evolución del hamiltoniano a puertas cuánticas. La simulación cuántica digital-analógica usa acoplamientos ajustables. Los enfoques variacionales (VQE, evolución en tiempo imaginario) simulan estados fundamentales y excitados. Esta es posiblemente la aplicación cuántica de corto plazo más madura y con menos competencia clásica.

Enfoque cuántico

Los protocolos de QKD (BB84, E91) codifican los bits de la clave en estados cuánticos (polarizaciones de fotones). Cualquier interceptor perturba necesariamente el canal, revelando su presencia. La QKD proporciona seguridad incondicional — no basada en la dificultad computacional. Existen sistemas comerciales, pero requieren enlaces de fibra dedicados o canales por satélite.

Enfoque cuántico

Mapear el plegamiento de proteínas a problemas QUBO (optimización binaria cuadrática sin restricciones) para QAOA. Caminatas cuánticas para el alineamiento de secuencias. A largo plazo, estimación de fase cuántica para el modelado mecánico-cuántico completo de las interacciones proteína-ligando, superando a los campos de fuerza clásicos.

Enfoque cuántico

QAOA y el recocido cuántico abordan el problema de enrutamiento de vehículos (VRP), una generalización del TSP. Los resultados NISQ actuales superan la conjetura aleatoria, pero no las heurísticas clásicas. Con computadoras cuánticas con corrección de errores y circuitos QAOA más profundos, podría surgir una ventaja cuántica para el enrutamiento del mundo real.