Responsable: Lucas Lamata Manuel
Tipo de Proyecto/Ayuda: Convenio - Proyecto de Investigación
Referencia: CCPR-QUANTUM-23
Fecha de Inicio: 31-07-2023
Fecha de Finalización: 31-12-2025

Empresa/Organismo financiador/es:

• Ministerio de Ciencia e Innovación

Socios:

• Universidad Complutense de Madrid (No Disponible)
• Universidad de Barcelona (No Disponible)
• Universidad Autónoma de Barcelona (No Disponible)
• Agencia Estatal Consejo Superior de Investigaciones Científicas (No Disponible)
• Universidad de las Islas Baleares (No Disponible)
• Universidad del País Vasco (No Disponible)
• Universidad de Oviedo (No Disponible)
• Universidad de Navarra (No Disponible)
• Universidad de Granada (No Disponible)
• Donostia International Physics Center (No Disponible)
• Universidad Santiago de Compostela (No Disponible)
• Instituto de Ciencias Fotónicas (No Disponible)
• Barcelona Supercomputing Center ‑ Centro Nacional de Supercomputación (BSC-CNS) (No Disponible)

Contratados:

• Investigadores:
  • María Laura Olivera Atencio
  • Álvaro Sáiz Castillo

Resumen del proyecto:

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."