Autor: Daniel Bellido
-
Respuesta corta: un resultado de quantum machine learning solo merece llamarse útil cuando supera una comparación clásica justa, mantiene su rendimiento bajo el ruido y publica suficiente información para que otra persona pueda repetirlo. Un porcentaje de acierto aislado en un simulador no demuestra ventaja cuántica. Esta guía propone un protocolo práctico para evaluar modelos…
-
Qué es la medición cuántica y el colapso, cómo la regla de Born convierte amplitudes en probabilidades y por qué de un qubit solo se extrae un bit. Guía 2026.
-
Qué es un generador de números aleatorios cuánticos (QRNG), por qué produce azar verdadero frente a los generadores clásicos y para qué se usa en criptografía. 2026.
-
Qué es la estimación de amplitud cuántica (QAE), cómo acelera cuadráticamente el método de Monte Carlo y por qué las finanzas cuánticas la persiguen. Guía 2026.
-
Qué es la interferencia cuántica, cómo las amplitudes se suman o cancelan y por qué es el verdadero motor de los algoritmos cuánticos, no el paralelismo. Guía 2026.
-
Qué es el algoritmo de Simon, cómo resuelve el problema del periodo oculto con ventaja exponencial y por qué inspiró directamente el algoritmo de Shor. Guía 2026.
-
Qué es el algoritmo de Bernstein-Vazirani, cómo descubre una cadena secreta con una sola consulta cuántica y su papel en la historia de los algoritmos cuánticos. 2026.
-
Qué dice el teorema de no clonación cuántica, por qué es imposible copiar un estado desconocido y su papel en la criptografía cuántica. Guía 2026.
-
Qué es la esfera de Bloch, cómo representa un qubit con los ángulos theta y phi, y por qué las puertas cuánticas son rotaciones. Guía visual 2026.
-
Qué es la estimación de fase cuántica (QPE), cómo funciona con la QFT inversa y por qué es clave en el algoritmo de Shor y en química cuántica. Guía 2026.