Gestión de memoria en simuladores de computación cuántica de software

Simple item page
dc.contributor.advisorBarrios Hernández, Carlos Jaime
dc.contributor.advisorSteffenel, Luiz Angelo
dc.contributor.advisorCouturier, Jean François
dc.contributor.authorDíaz Toro, Gilberto Javier
dc.contributor.evaluatorBeltrán, Carlos Leonardo
dc.contributor.evaluatorGitler, Isidoro
dc.contributor.evaluatorNavaux, Phillippe Olivier
dc.contributor.evaluatorCervera-Lierta, Alba
dc.contributor.evaluatorMauguière, Frédéric
dc.date.accessioned2025-02-04T20:30:08Z
dc.date.available2025-02-04T20:30:08Z
dc.date.created2025-02-03
dc.date.issued2025-02-03
dc.description.abstractLa computación cuántica promete una potencia computacional sin precedentes al aprovechar principios mecánicos cuánticos como la superposición y el entrelazamiento. Sin embargo, el hardware cuántico actual está limitado por la cantidad de cúbits y las altas tasas de error, lo que dificulta la prueba de algoritmos cuánticos complejos a escala. Como resultado, los simuladores cuánticos basados en software que se ejecutan en computadoras clásicas se han convertido en herramientas esenciales para explorar algoritmos y rincipios cuánticos. Estos simuladores, aunque potentes, requieren recursos de memoria significativos debido al crecimiento exponencial de los tamaños de los estados cuánticos. Por ejemplo, representar un estado de N cúbits requiere 2^N números complejos, lo que supone una carga inmensa para los sistemas de memoria clásicos. Este trabajo investiga estrategias de gestión de memoria para optimizar el uso de recursos en simuladores de computación cuántica. Las técnicas exploradas incluyen la eliminación de estados, las estructuras de datos de estado completo, las optimizaciones de aplicaciones de puertas cuánticas, la compresión de datos y los enfoques de memoria distribuida. El objetivo es reducir el consumo de memoria al tiempo que se preserva la precisión de las simulaciones cuánticas. El estudio implementa estas estrategias en un simulador cuántico, proporcionando una comparación detallada de su rendimiento en varios algoritmos cuánticos. Los resultados resaltan las compensaciones entre la eficiencia computacional y el uso de la memoria, ofreciendo información sobre los enfoques más efectivos para escalar simulaciones cuánticas en hardware clásico.
dc.description.abstractenglishQuantum computing promises unprecedented computational power by leveraging quantum mechanical principles such as superposition and entanglement. However, current quantum hardware is limited by the number of qubits and high error rates, making it challenging to test complex quantum algorithms at scale. As a result, software-based quantum simulators running on classical computers have become essential tools for exploring quantum algorithms and principles. These simulators, while powerful, require significant memory resources due to the exponential growth of quantum state sizes. For example, representing an $n$-qubit state demands $2^n$ complex numbers, placing an immense burden on classical memory systems. This research investigates memory management strategies to optimize resource usage in quantum computing simulators. Techniques explored include state pruning, full-state data structures, quantum gate application optimizations, data compression, and distributed memory approaches. The goal is to reduce memory consumption while preserving the accuracy of quantum simulations. The study implements these strategies in a quantum simulator, providing a detailed comparison of their performance across various quantum algorithms. The results highlight the trade-offs between computational efficiency and memory usage, offering insights into the most effective approaches for scaling quantum simulations on classical hardware.
dc.description.degreelevelDoctorado
dc.description.degreenameDoctor en Ciencias de la Computación
dc.description.orcidhttps://orcid.org/0000-0001-8188-5784
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/44952
dc.language.isoeng
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programDoctorado en Ciencias de la Computación
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectComputación cuántica
dc.subjectComputación de alto rendimiento
dc.subjectSimuladores cuánticos
dc.subject.keywordQuantum Computing
dc.subject.keywordHigh-Performance Computing
dc.subject.keywordQuantum Simulators
dc.titleGestión de memoria en simuladores de computación cuántica de software
dc.title.englishMemory Management in Software Quantum Computing Simulators
dc.type.coarhttp://purl.org/coar/resource_type/c_db06
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Doctorado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Documento.pdf
Size:
3.89 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
78.38 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
270.08 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Doctorado en Ciencias de la Computación