Description
Actualmente el sector de la computación cuántica continúa investigando y centralizando sus esfuerzos por desarrollar ordenadores cuánticos de propósito general. Sin embargo, los ordenadores cuánticos digitales carecen de las capacidades computacionales para implementar tareas prácticas debido a la presencia de ruido. La implementación de corrección de errores cuánticos es necesaria para poder corregir esta vulnerabilidad y conseguir que la computación cuántica (QC, del inglés Quantum Computing) sea accesible. Ello conlleva una serie de requerimientos técnicos en términos de qubits y control de los mismos muy exigentes. Dentro de los modelos de QC, el más empleado es el modelo digital o de puertas (GBQC, del inglés Gate Based Quantum Computing), un modelo basado en la aplicación de una secuencia de operaciones discretas en el tiempo. Por otro lado, existen otros modelos que han sido menos explotados pero que cuentan con un gran potencial, como por ejemplo el modelo adiabático. El modelo adiabático, dentro del cual se halla la técnica de annealing, es robusto frente a la presencia de ruido, permitiendo la solución de problemas de optimizado con el número y calidad de los qubits actuales.
Para llegar a la solución del mismo es necesario codificar el problema objeto de resolución cuántica y utilizar un control analógico de los parámetros del sistema en vez de aplicar una secuencia de operaciones digitales como sucede en GBQC. Esto garantiza que para cualquier problema simulable en el modelo digital existirá un algoritmo equivalente para el modelo adiabático. A pesar de esta garantía, y debido al desarrollo más lento de esta tecnología inicial, no sé conoce aún un método eficiente de mapeo entre algoritmos de ambos modelos, razón por la cual actualmente se enfoca el uso de los quantum annealers a la resolución de problemas de optimización, fácilmente codificables según este modelo.A pesar de que dicha limitada aplicabilidad (a pesar de su promesa de universalidad) pueda parecer una desventaja de este modelo, algunos de los retos más importantes y comunes que muchas industrias enfrentan en su día a día se pueden describir como un problema de optimización. Identificar dichas descripciones, junto con contribuir en el desarrollo de algoritmos de annealing universales, forma parte de uno de los retos del equipo de teoría
