0
1
Computación cuántica en el currículo
universitario
Lázaro Guillermo, Juan Carlos; Oseda Gago,
Dulio; Gamarra Salinas, Ronald; Enríquez
Maguiña, William Martín; Del Águila Del
Aguila, Amanda; Luna García, José Antonio;
Medrano Rosas, Wendy Zandy
© Lázaro Guillermo, Juan Carlos; Oseda Gago,
Dulio; Gamarra Salinas, Ronald; Enríquez
Maguiña, William Martín; Del Aguila Del
Aguila, Amanda; Luna García, José Antonio;
Medrano Rosas, Wendy Zandy, 2026
Primera edición (1.ª ed.): abril, 2026
Editado por:
Editorial Mar Caribe ®
www.editorialmarcaribe.es
Av. Gral. Flores 547, 70000 Col. del
Sacramento, Departamento de Colonia,
Uruguay.
Diseño de carátula e ilustraciones: Luisa
Fernanda Lugo Rojas
Libro electrónico disponible en:
https://editorialmarcaribe.es/ark:/10951/is
bn.9789915698892
Formato: Electrónico
ISBN: 978-9915-698-89-2
ARK: ark:/10951/isbn.9789915698892
Editorial Mar Caribe (OASPA): Como miembro de la
Open Access Scholarly Publishing Association,
apoyamos el acceso abierto de acuerdo con el código
de conducta, la transparencia y las mejores prácticas
de OASPA para la publicación de libros académicos
y de investigación. Estamos comprometidos con los
más altos estándares editoriales en ética y
deontología, bajo la premisa de «Ciencia Abierta en
América Latina y el Caribe»
Editorial Mar Caribe, firmante Nº 795 de 12.08.2024
de la Declaración de Berlín
"... Nos sentimos obligados a abordar los retos de Internet
como un medio funcional emergente para la distribución
del conocimiento. Obviamente, estos avances pueden
modificar significativamente la naturaleza de la
publicación científica, así como el actual sistema de
garantía de calidad...." (Max Planck Society, ed. 2003,
pp. 152-153).
CC BY-NC 4.0
Los autores pueden autorizar al público en general a
reutilizar sus obras únicamente con fines no
lucrativos, los lectores pueden utilizar una obra para
generar otra, siempre que se dé crédito a la
investigación, y conceden al editor el derecho a
publicar primero su ensayo bajo los términos de la
licencia CC BY-NC 4.0.
Editorial Mar Caribe se adhiere a la "Recomendación
relativa a la preservación del patrimonio documental,
comprendido el patrimonio digital, y el acceso al
mismo" de la UNESCO y a la Norma Internacional de
referencia para un sistema abierto de información
archivística (OAIS-ISO 14721). Este libro está
preservado digitalmente por datasegura.info
DATA SEGURA
1
Editorial Mar Caribe
Computación cuántica en el currículo
universitario
Colonia, Uruguay
2026
2
Computación cuántica en el currículo
universitario
3
Editorial Mar Caribe
Av. General Flores 547, Colonia, Colonia, Uruguay. CP 70000
www.editorialmarcaribe.es
Encuéntranos en:
Facebook
X
Contáctenos:
contacto@editorialmarcaribe.es
contacto@editorialmarcaribe.uy
admin@edicionesmarcaribe.com
ISBN 978-9915-698-89-2
Título: Computación cuántica en el currículo universitario
El contenido de este libro es propiedad intelectual de:
Lázaro Guillermo, Juan Carlos
Oseda Gago, Dulio
Gamarra Salinas, Ronald
Enríquez Maguiña, William Martín
Del Aguila Del Aguila, Amanda
Luna García, José Antonio
Medrano Rosas, Wendy Zandy
2026
4
Índice
Prólogo..................................................................................................................... 9
Introducción .......................................................................................................... 11
Capítulo 1 .............................................................................................................. 16
Estrategias de integración de la computación cuántica en el currículo
universitario: un análisis global y regional en la era posclásica...................... 16
Evolución de los marcos curriculares y el paradigma CS2023 ..................... 17
Fundamentos matemáticos y físicos en el currículo universitario ............... 19
El qubit y la representación de estados ...................................................... 19
Requisitos matemáticos previos y transversales ........................................ 20
Algoritmos cuánticos: el núcleo del estudio avanzado .................................. 21
Algoritmos de consulta y oráculo ................................................................. 21
Búsqueda y Factorización: Grover y Shor .................................................... 21
Modalidades de hardware y experimentación en el laboratorio ................... 23
Tecnologías líderes en el currículo .............................................................. 23
El rol de los laboratorios virtuales y la nube .............................................. 24
Benchmarking global: programas líderes y centros de excelencia .............. 24
Norteamérica: el eje de la innovación industrial ........................................ 25
La computación cuántica en el contexto de América Latina ......................... 27
El caso de Perú: del pregrado a la investigación de frontera ................... 27
Esfuerzos regionales en Colombia, Uruguay y México ............................... 28
Estrategias de vinculación con la industria y el rol de las Big Tech ............ 29
Programas de educadores de IBM y Microsoft ........................................... 29
El ecosistema de startups y el mercado laboral ......................................... 30
Aplicaciones interdisciplinarias: el futuro del currículo ................................ 30
Química, farmacia y ciencia de materiales .................................................. 30
Desafíos pedagógicos y la Brecha Cuántica ................................................... 32
La preparación de los educadores ............................................................... 32
Inclusividad y accesibilidad .......................................................................... 32
5
Ética y responsabilidad social (SEP) ............................................................ 32
Capítulo 2 .............................................................................................................. 35
Análisis curricular en ciencias de la información cuántica: superposición,
entrelazamiento y la esfera de Bloch ................................................................. 35
El paradigma de la superposición en la educación en computación cuántica
............................................................................................................................ 36
Fundamentación matemática y notación de Dirac ..................................... 36
Dinámica de la superposición: la compuerta Hadamard ........................... 37
La medición y el colapso del Estado ............................................................ 38
Entrelazamiento: correlaciones no locales y sistemas multi-qubit .............. 39
La paradoja EPR y el teorema de Bell ......................................................... 39
Aplicaciones de redes y comunicación cuántica ......................................... 40
Desafíos en la enseñanza del entrelazamiento........................................... 41
La esfera de Bloch: visualización geométrica del estado cuántico .............. 42
Coordenadas y parámetros geométricos ..................................................... 42
Estados puros vs. estados mezclados .......................................................... 43
Transformaciones como rotaciones ............................................................. 44
Implementación curricular: del aula al laboratorio ....................................... 45
El modelo de aprendizaje integrado en laboratorio ................................... 45
Herramientas de simulación y visualización ............................................... 46
Requerimientos de la fuerza laboral y estándares curriculares ................... 47
Interdisciplinariedad y diversidad ................................................................ 48
Desafíos pedagógicos: de la intuición a la formalidad .................................. 49
Superando la barrera del álgebra lineal ..................................................... 49
El Problema de la visualización en sistemas grandes ................................ 50
Capítulo 3 .............................................................................................................. 52
Algoritmos y metodologías de análisis comparativo con el modelo clásico ... 52
Fundamentos matemáticos y el cambio de paradigma en la información .. 52
Evolución de operaciones: de la reversibilidad clásica a las puertas
cuánticas ............................................................................................................ 55
6
Jerarquía de puertas y funcionalidad algorítmica ...................................... 55
Paradigmas de algoritmos de consulta y separación de complejidad ......... 57
Algoritmos de Deutsch-Jozsa y Bernstein-Vazirani .................................... 57
Algoritmo de Simon: el precursor de Shor .................................................. 57
El algoritmo de Shor y el impacto en la criptografía moderna..................... 58
Búsqueda de Grover y amplificación de amplitud ......................................... 60
Teoría de la complejidad cuántica y sus fronteras ........................................ 61
Algoritmos en la era NISQ: VQE, QAOA y VQLS ............................................. 62
Variational Quantum Eigensolver (VQE) ...................................................... 62
Quantum Approximate Optimization Algorithm (QAOA) ............................ 62
Variational Quantum Linear Solver (VQLS) ................................................. 63
Herramientas de programación y el ecosistema de software ....................... 63
Metodologías pedagógicas y desarrollo de la fuerza laboral ....................... 65
Razonamiento diagramático y cálculo ZX ................................................... 65
El enfoque minimalista y de física primero ................................................. 65
Competencias profesionales e industria ...................................................... 66
Capítulo 4 .............................................................................................................. 68
Convergencia tecnológica y aplicaciones prácticas del currículo ..................... 68
El ecosistema de la ciberseguridad en la infraestructura crítica y el sector
financiero ........................................................................................................... 68
Proyectos estratégicos y resiliencia en el sector bancario ........................ 69
Optimización matemática y eficiencia en procesos industriales y logística 71
Aplicaciones en energía y producción industrial ........................................ 71
Revolución en la logística y la cadena de suministro ................................. 72
Inteligencia artificial: diagnóstico médico y sistemas autónomos ............... 74
Transformación del diagnóstico clínico y la medicina de precisión .......... 74
Sistemas autónomos y robótica colaborativa (RAS) ................................... 75
Simulación de materiales y descubrimiento científico acelerado ................. 76
El hito de los nuevos superconductores ...................................................... 76
7
Convergencia de IA y ciberseguridad: un desafío ético y operativo ............. 78
Dinámicas del mercado laboral y el futuro del empleo tecnológico ............ 79
Consideraciones sobre la sostenibilidad y el impacto ESG ........................... 81
Capítulo 5 .............................................................................................................. 83
Ingeniería de sistemas cuánticos: cúbits e infraestructura de los
procesadores superconductores ......................................................................... 83
Fundamentos del aprendizaje y operación de cúbits .................................... 84
Mecanismos de Superposición e Interferencia ........................................... 84
El recurso crítico del entrelazamiento ......................................................... 85
Átomos artificiales en el chip ........................................................................... 86
La física de la unión de Josephson .............................................................. 87
Evolución del diseño: del cúbit de carga al transmon ............................... 87
Conectividad y compuertas de dos cúbits ................................................... 88
Infraestructura física y soporte criogénico ..................................................... 89
El refrigerador de dilución: corazón térmico del sistema .......................... 89
Gestión de la cadena de señal de microondas ........................................... 90
Desafíos de ingeniería: ruido, materiales y escalabilidad ............................. 91
Fuentes de ruido en estado sólido ............................................................... 91
El problema de la escalabilidad del cableado ............................................. 92
Comparativa de modalidades físicas: iones, fotones y espines .................... 92
Iones atrapados: los cúbits naturales ......................................................... 92
Centros NV en diamante: operación a temperatura ambiente .................. 93
La formación del ingeniero en sistemas cuánticos ........................................ 95
Competencias técnicas requeridas ............................................................... 95
El enfoque en el pensamiento de sistemas ................................................. 96
Capítulo 6 .............................................................................................................. 97
Matemática de la era cuántica: un análisis integral del currículo académico y
las herramientas fundamentales ........................................................................ 97
El álgebra lineal como lenguaje operativo del qubit ..................................... 99
8
Espacios de Hilbert y notación de Dirac .................................................... 100
El producto tensorial y la multiplicidad de qubits .................................... 102
Cálculo y análisis: la evolución de la función de onda ................................ 103
Ecuaciones Diferenciales y el Hamiltoniano .............................................. 103
La formulación de la integral de camino de Feynman ............................. 104
Análisis complejo y espacios de funciones ................................................ 104
Probabilidad y estadística en el mundo de la medida ................................. 105
La regla de Born y las amplitudes de probabilidad ................................. 105
Matrices de densidad y la gestión de estados mixtos .............................. 106
Valores esperados y observables ............................................................... 107
Lógica cuántica frente a lógica booleana ..................................................... 108
El retículo de Birkhoff y von Neumann ...................................................... 108
Reversibilidad y puertas universales ......................................................... 109
Integración curricular: benchmarks y estructuras de programas ............. 110
El Modelo de Stanford y la Universidad de Oxford ................................... 110
La propuesta de QuTech y la Universidad de Delft .................................. 111
El enfoque de la UNAM y la educación en América Latina ...................... 111
Desafíos matemáticos en la corrección de errores cuánticos (QEC) .......... 113
Códigos de estabilizador y álgebra sobre campos finitos ........................ 113
El código de superficie y la topología ........................................................ 113
El papel del aprendizaje por refuerzo en QEC .......................................... 114
Pedagogía 5.0 y el futuro de la educación cuántica .................................... 114
Hiperpersonalización mediante algoritmos cuánticos ............................. 115
Alfabetización cuántica desde la educación secundaria .......................... 115
El cambio de un enfoque teórico a uno basado en proyectos ................. 115
Perspectiva histórica y filosófica: la ontología del currículo ....................... 116
Conclusión ........................................................................................................... 118
Bibliografía .......................................................................................................... 122
9
Prólogo
La historia de la ciencia y la tecnología está jalada por momentos de
inflexión en los que nuestras explicaciones del universo dejan de ser
suficientes para construir el futuro. Vivimos precisamente uno de esos
momentos. Durante más de siete décadas, el paradigma de la computación
clásica —erigido sobre la elegancia binaria del bit y la arquitectura de Von
Neumann— transformó cada rincón de la sociedad humana. Sin embargo, hoy
nos encontramos ante las fronteras físicas y teóricas del procesamiento
tradicional. Es aquí donde la mecánica cuántica deja de ser una disciplina
confinada a los laboratorios de física teórica para convertirse en el nuevo pilar
del procesamiento de información.
La computación cuántica no es simplemente una extensión más rápida
de la computación que conocemos; es un cambio ontológico en la forma en
que formulamos y resolvemos problemas. Conceptos como la superposición,
el entrelazamiento y la interferencia cuántica abren un espacio de estados
computacionales exponencialmente superior, capaz de abordar desafíos que
hasta hace poco considerábamos intractables: desde la simulación molecular
para el diseño de fármacos y la optimización de sistemas complejos, hasta el
rediseño de los esquemas criptográficos globales.
Este cambio de paradigma plantea una pregunta ineludible y urgente
para las instituciones de educación superior: ¿cómo preparamos a las
próximas generaciones de profesionales e investigadores para liderar este
nuevo horizonte?
Integrar la computación cuántica en el currículo universitario no es un
10
mero ejercicio de actualización optativa; es una reestructuración pedagógica
imprescindible. Exige derribar los compartimentos estancos que
históricamente han separado la física, la matemática, la ciencia de la
computación y la ingeniería. Formar talento en esta área requiere articular el
álgebra lineal con la algorítmica, y la teoría de la información con los principios
de la mecánica cuántica, todo ello sin perder de vista las aplicaciones prácticas
y las limitaciones del hardware en la era NISQ (Noisy Intermediate-Scale
Quantum).
El libro Computación cuántica en el currículo universitario nace como
una respuesta rigurosa, estratégica y profundamente oportuna a este desafío.
A lo largo de sus páginas, las autoras y autores no solo desglosan los
fundamentos teóricos y prácticos de esta disciplina, sino que ofrecen una hoja
de ruta estructurada para su enseñanza. Desde la definición de competencias
clave hasta la propuesta de asignaturas, laboratorios virtuales y proyectos
interdisciplinarios, esta obra tiende un puente vital entre la investigación de
vanguardia y el aula universitaria.
Celebro la publicación de esta obra, que sin duda se convertirá en un
referente indispensable para decanos, directores de programa, docentes y
académicos comprometidos con la evolución de la educación superior. Integrar
estos conocimientos hoy es la clave para asegurar que nuestras universidades
sigan siendo los motores del descubrimiento y la innovación del mañana.
Les invito a adentrarse en sus páginas con la certidumbre de que enseñar
computación cuántica es, en última instancia, enseñar a pensar el futuro.
Juan Carlos Lázaro Guillermo
Marzo 2026
11
Introducción
El desarrollo vertiginoso de las tecnologías cuánticas marca una de las
transiciones científicas y tecnológicas más profundas del siglo XXI. Durante
décadas, la computación clásica, cimentada en la lógica booleana y el
procesamiento de bits discretos, ha sido el motor fundamental de la
transformación digital global. Sin embargo, los límites físicos de la
miniaturización de semiconductores y la creciente complejidad computacional
de problemas en optimización, criptografía y simulación de sistemas complejos
han impulsado el surgimiento de un nuevo paradigma: la computación
cuántica.
Aprovechando principios fundamentales de la mecánica cuántica como
la superposición, el entrelazamiento y la interferencia, este campo emergente
ofrece un crecimiento exponencial en la capacidad de procesamiento de
información. Este avance no constituye únicamente un salto cuantitativo en
velocidad, sino una transformación cualitativa en el modo en que se abordan
los problemas científicos e industriales.
A medida que el ecosistema cuántico transita desde la investigación
teórica básica hacia aplicaciones industriales y la era del hardware NISQ (Noisy
Intermediate-Scale Quantum), se hace evidente una brecha crítica: la escasez
de talento humano altamente calificado y capacitado en tecnologías cuánticas.
Frente a este escenario, las instituciones de educación superior enfrentan la
urgencia de adaptar, reestructurar e innovar sus currículos universitarios para
formar profesionales e investigadores capaces de desempeñarse en esta
disciplina emergente.
12
Sin embargo, la integración de la computación cuántica en las aulas
universitarias presenta desafíos pedagógicos e institucionales significativos.
Históricamente, la formación en física cuántica y en ciencias de la computación
ha discurrido por caminos paralelos y poco articulados. La naturaleza
intrínsecamente interdisciplinaria de la computación cuántica —que demanda
el dominio convergente del álgebra lineal, la teoría de la información, la
algorítmica y la ingeniería de hardware— exige superar las barreras
departamentales tradicionales y definir nuevas estrategias de diseño
curricular.
A pesar del interés global por fomentar la alfabetización cuántica, la
incorporación de estos contenidos en las mallas curriculares de pregrado y
posgrado en América Latina y otras regiones en desarrollo suele ser
fragmentaria, opcional o inexistente. Existe una falta de marcos orientadores
claros que permitan evaluar cómo se está articulando esta disciplina en la
educación superior y cuáles son los modelos pedagógicos más efectivos para
su enseñanza.
A partir de esta problemática, el presente estudio se articula en torno a
la siguiente pregunta central de investigación: ¿De qué manera se está
integrando la computación cuántica en los currículos universitarios y cuáles
son las estrategias pedagógicas, estructurales e interdisciplinarias necesarias
para consolidar su enseñanza efectiva en la educación superior?
Para dar respuesta al problema formulado, esta investigación establece
como propósito central: analizar el estado actual, las dinámicas de integración
y los desafíos curriculares de la computación cuántica en las instituciones de
educación superior, con el fin de proponer un marco didáctico e
interdisciplinario que oriente el diseño de programas académicos pertinentes
13
y adaptados a las exigencias del entorno tecnológico contemporáneo.
Ahora bien, para alcanzar este objetivo general, el estudio aborda los
siguientes propósitos específicos:
i. Mapear las iniciativas curriculares existentes a nivel internacional y
regional en el ámbito de la enseñanza de la computación cuántica.
ii. Identificar las competencias clave (conceptuales, procedimentales y
actitudinales) que deben desarrollar los estudiantes para
desempeñarse en el área.
iii. Evaluar las barreras institucionales y epistemológicas que dificultan la
adopción de este paradigma en las facultades de ingeniería, ciencias
exactas y tecnología.
iv. Diseñar una propuesta modular y graduable de integración curricular
aplicable a diferentes niveles de formación universitaria.
El alcance de este libro de investigación abarca tanto dimensiones
analíticas como propositivas, centrando su foco en la educación superior
universitaria:
• Población y contexto académico: La investigación examina programas
de pregrado y posgrado en áreas afines como Ciencia de la
Computación, Ingeniería de Software, Física, Matemática Aplicada e
Ingeniería Electrónica/Telecomunicaciones.
• Dimensión temporal: Se analiza el periodo de transición actual (era
NISQ), considerando las tendencias en adopción curricular y laboral
desarrolladas en los últimos cinco años y proyectadas hacia la próxima
década.
• Enfoque metodológico: Corresponde a un estudio cuali-cuantitativo de
carácter descriptivo y propositivo, respaldado por la revisión sistemática
14
de literatura, el análisis comparado de planes de estudio (curriculum
mapping) y el levantamiento de percepción de docentes e
investigadores del área.
• Delimitación conceptual: La obra se enfoca estrictamente en la
dimensión formativa e instruccional de la computación cuántica,
dejando fuera los desarrollos teóricos puros de la física de partículas o
el diseño de bajo nivel de hardware cuántico, salvo en lo relativo a sus
implicaciones didácticas.
Con esta estructura, este libro busca constituirse en una herramienta
teórica y práctica indispensable para autoridades académicas, comités de
diseño curricular y docentes universitarios comprometidos con la actualización
y vanguardia de la educación superior. La transición hacia la era cuántica no
representa únicamente un avance en la capacidad de cómputo, sino una
reconfiguración estructural del mercado laboral y de la infraestructura
tecnológica global. A medida que sectores estratégicos —como la
ciberseguridad, la logística, la industria farmacéutica, la ciencia de materiales
y los servicios financieros— incorporan el paradigma cuántico para resolver
problemas complejos de optimización y simulación, se genera una demanda
acelerada de profesionales capacitados en algorítmica y programación
cuántica.
Actualmente, existe una brecha sustancial entre la velocidad a la que
evoluciona el hardware y el software cuánticos y la disponibilidad de talento
humano capacitado para operarlos. Si las instituciones de educación superior
no responden con agilidad a esta brecha, se corre el riesgo de intensificar la
dependencia tecnológica en las regiones en desarrollo y limitar la participación
activa de sus graduados en las industrias de vanguardia. La presente obra se
15
justifica en la necesidad de orientar a las universidades para que formen
profesionales no solo capaces de consumir tecnologías cuánticas, sino de
liderar su desarrollo y aplicación en el entorno productivo.
En consecuencia, esta obra proporciona a decanos, directores de
programa, comités de acreditación y cuerpo docente una fundamentación
conceptual y metodológica sólida para tomar decisiones informadas sobre la
actualización de la oferta académica, asegurando que la educación superior
responda con oportunidad, rigor y visión prospectiva a los grandes desafíos
del siglo XXI.
16
Capítulo 1
Estrategias de integración de la
computación cuántica en el
currículo universitario: un análisis
global y regional en la era
posclásica
El advenimiento de la computación cuántica representa uno de los
desafíos más profundos para la educación superior contemporánea. No se
trata simplemente de la adición de una nueva arquitectura de procesamiento,
sino de una reestructuración fundamental de los cimientos lógicos y
matemáticos sobre los cuales se ha construido la ciencia de la computación
durante el último siglo.
La transición de los bits clásicos a los qubits, gobernados por los
principios de la mecánica cuántica como la superposición, el entrelazamiento
y la interferencia, exige una revisión exhaustiva de las mallas curriculares de
pregrado y posgrado.
En este contexto, las instituciones académicas líderes a nivel mundial
han comenzado a desplazar sus enfoques desde la física teórica pura hacia
una disciplina de ingeniería y computación aplicada, preparando el terreno
para una fuerza laboral capaz de operar en la era de los sistemas cuánticos
ruidosos de escala intermedia (NISQ) y en la futura era de la computación
17
cuántica tolerante a fallos (Bien et al., 2023).
Evolución de los marcos curriculares y el
paradigma CS2023
La estandarización de la enseñanza de la informática ha dado un giro
significativo con la publicación de las directrices curriculares CS2023, una
iniciativa conjunta de la Association for Computing Machinery (ACM), la IEEE
Computer Society (IEEE-CS) y la Association for the Advancement of Artificial
Intelligence (AAAI). Este marco reemplaza al estándar CS2013 y propone un
cambio de paradigma: del modelo basado en el conocimiento al modelo
basado en la competencia.
El marco CS2023 define la competencia como la intersección entre
conocimientos, habilidades y disposiciones profesionales. Para la computación
cuántica, esto implica que un egresado no solo debe poseer el conocimiento
teórico de los espacios de Hilbert, sino también la habilidad técnica para
implementar algoritmos en hardware real o simulado y la disposición para
adaptarse a un campo en constante evolución (López et al., 2025).
El currículo moderno se divide ahora en horas núcleo de Ciencias de la
Computación (CS Core), horas núcleo del Área de Conocimiento (KA Core) y
temas no esenciales (véase la tabla 1).
Para Martínez et al. (2022), la adquisición de estos conocimientos
implica prácticas distintas según el nivel y una secuencia que refleja su
complejidad. En las experiencias de enseñanza en las CC, se analizará y
valorará el carácter histórico y geopolítico de la disciplina, evidenciando que
18
el avance en computación depende en gran medida de los financiamientos
estatales a actividades socio-productivas, de la necesidad de resolver
problemas específicos de los avances tecnológicos en el campo, en electrónica,
y del conocimiento que generan las diferentes comunidades.
Tabla 1: El modelo de competencia en la educación cuántica
Área de Conocimiento en
CS2023
Temas Relacionados con
Cuántica
Evolución respecto a
CS2013
Fundamentos Matemáticos
y Estadísticos (MSF)
Álgebra lineal compleja,
probabilidad cuántica,
matrices de densidad.
Ampliación más allá de las
estructuras discretas
tradicionales para incluir
cálculo multivariable y
probabilidad avanzada.
Seguridad (SEC)
Criptografía poscuántica
(PQC), protocolos de
distribución de claves
cuánticas (QKD).
Énfasis en la vulnerabilidad
de RSA y ECC ante el
algoritmo de Shor y la
transición hacia estándares
de seguridad resistentes.
Desarrollo de Plataformas
Especializadas (SPD)
Arquitecturas NISQ, control
clásico de hardware
cuántico, mitigación de
errores.
Reconocimiento de la
computación cuántica como
una plataforma
especializada con requisitos
de programación y hardware
únicos.
Inteligencia Artificial (AI)
Quantum Machine Learning,
algoritmos híbridos
cuántico-clásicos.
Integración de técnicas de
aprendizaje profundo con la
capacidad de procesamiento
cuántico para la
optimización y el
reconocimiento de patrones.
Este enfoque permite a los programas universitarios seleccionar las
19
áreas de enfoque que mejor se alineen con sus fortalezas institucionales,
reconociendo que es cada vez más difícil que un solo programa sea todo para
todas las personas. La inclusión de la computación cuántica en las
recomendaciones de la ACM asegura que los estudiantes de pregrado
desarrollen una apreciación adecuada de la naturaleza cuántica del
procesamiento de información desde las etapas iniciales de su formación
(López et al., 2025).
Fundamentos matemáticos y físicos en el
currículo universitario
La barrera de entrada para la computación cuántica ha sido
tradicionalmente la física teórica profunda. Sin embargo, los nuevos enfoques
pedagógicos buscan desmitificar el campo mediante una sólida base en
álgebra lineal aplicada y una introducción intuitiva a la mecánica cuántica
centrada en la información (Castrillón et al., 2014).
El qubit y la representación de estados
El concepto central es el qubit, la unidad básica de información
cuántica. A diferencia del bit clásico, un qubit puede existir en una
superposición de los estados base y . Matemáticamente, esto se
representa como un vector unitario en un espacio de Hilbert complejo de dos
dimensiones:
20
Donde y son amplitudes de probabilidad complejas que satisfacen
la condición de normalización . El currículo debe enfatizar la
visualización de estos estados en la esfera de Bloch, donde los ángulos polar
y azimutal definen la posición del qubit en la superficie de la esfera,
proporcionando una intuición geométrica fundamental antes de avanzar hacia
sistemas multiqubit.
Requisitos matemáticos previos y transversales
Para que un estudiante sea exitoso en un curso de Ciencia de la
Información Cuántica (QIS), las instituciones suelen exigir una base rigurosa
en:
● Álgebra Lineal: Operaciones con vectores y matrices, espacios de Hilbert,
producto tensorial (para sistemas de múltiples qubits), operadores
hermitianos y unitarios, y descomposición en valores propios.
● Cálculo y Probabilidad: Fundamentos para entender la evolución de los
estados bajo la ecuación de Schrödinger y la naturaleza probabilística de
la medición cuántica.
● Programación en Python: El lenguaje estándar para el desarrollo
cuántico, especialmente para el uso de marcos como Qiskit (IBM), Cirq
(Google) y PennyLane (Xanadu).
21
Algoritmos cuánticos: el núcleo del estudio
avanzado
El valor pedagógico de la computación cuántica reside en demostrar
problemas que son intratables para los ordenadores clásicos. El currículo
universitario se estructura típicamente alrededor de una jerarquía de
algoritmos que ilustran diferentes aspectos de la ventaja cuántica (La Cour,
2023) (véase la tabla 2).
Algoritmos de consulta y oráculo
Los estudiantes suelen comenzar con algoritmos de oráculo que,
aunque artificiales, proporcionan una prueba matemática clara de la
superioridad cuántica en términos de complejidad de consulta:
● Algoritmo de Deutsch-Jozsa: Demuestra cómo una sola consulta
cuántica puede determinar si una función es constante o balanceada,
mientras que el caso clásico requiere múltiples evaluaciones.
● Algoritmo de Simon: Introduce la idea de encontrar periodos en
funciones, sentando las bases para algoritmos más complejos como el
de Shor.
Búsqueda y Factorización: Grover y Shor
Estos representan el estándar de oro del currículo cuántico debido a
sus aplicaciones prácticas y su impacto en la criptografía.
● Algoritmo de Grover: Proporciona una aceleración cuadrática para la
22
búsqueda en bases de datos no estructuradas. Para un conjunto de
elementos, Grover encuentra el objetivo en pasos, en
comparación con en computación clásica.
● Algoritmo de Shor: Permite la factorización de números enteros en
tiempo polinomial, lo que amenaza directamente la seguridad de los
esquemas de cifrado RSA. Su enseñanza requiere profundizar en la
transformada de Fourier cuántica (QFT) y en la estimación de fase,
conceptos que son transversales a muchas otras aplicaciones cuánticas.
Tabla 2: Algoritmos cuánticos: el núcleo del estudio avanzado
Algoritmo
Función Principal
Aceleración
Cuántica
Área de
Aplicación
Grover
Búsqueda en
bases de datos no
estructuradas.
Cuadrática
( )
Criptografía
simétrica,
optimización,
búsqueda.
Shor
Factorización de
enteros y
logaritmo
discreto.
Exponencial
Ruptura de
RSA/ECC,
ciberseguridad.
VQE / QAOA
Optimización de
energía en
moléculas y
problemas
combinatorios.
Heurística
(potencial ventaja)
Química cuántica,
Finanzas,
Logística.
23
HHL
Resolución de
sistemas de
ecuaciones
lineales.
Exponencial
Ingeniería,
dinámica de
fluidos, Big Data.
Modalidades de hardware y experimentación
en el laboratorio
Un currículo de computación cuántica que solo se centre en la teoría
corre el riesgo de desconectarse de los desafíos de ingeniería del mundo real.
Por ello, los programas líderes integran laboratorios que exponen a los
estudiantes a las diversas modalidades de implementación de qubits.
Tecnologías líderes en el currículo
Las universidades deben decidir si enfocan su enseñanza en una sola
tecnología o proporcionan una visión general de los ecosistemas actuales 2:
1. Circuitos Superconductores: Utilizados por IBM y Google. Se basan en
el uso de uniones Josephson y transmones enfriados a temperaturas de
milikelvin. Son populares en la enseñanza debido al acceso gratuito a
través de la nube (IBM Quantum Experience).
2. Iones Atrapados: Tecnologías de Quantinuum e IonQ que emplean
campos electromagnéticos para confinar iones. Destacan por su alta
fidelidad de puertas y tiempos de coherencia largos, permitiendo a los
estudiantes explorar circuitos más profundos.
24
3. Fotónica: La computación cuántica óptica (Xanadu) permite operar a
temperatura ambiente en algunos componentes y es ideal para enseñar
computación cuántica de variables continuas.
4. Átomos Neutros: Sistemas como los de Pasqal o QuEra que emplean
pinzas ópticas. Son fundamentales en cursos que se centran en la
simulación cuántica de materiales.
El rol de los laboratorios virtuales y la nube
Dada la imposibilidad financiera de que cada universidad posea su
propio ordenador cuántico, el modelo educativo se basa en el acceso a través
de la nube (Mero y Macías, 2025). Plataformas como Amazon Braket, IBM
Quantum y Microsoft Azure Quantum permiten a los estudiantes enviar sus
circuitos a dispositivos reales en EE. UU., Europa o Asia desde su navegador
en cualquier lugar del mundo. Los laboratorios prácticos suelen incluir:
● Tomografía de estado cuántico: Para reconstruir el estado de un qubit
después de una operación.
● Experimentos de mitigación de errores: Para entender el impacto del
ruido y la decoherencia ( y ) en la fidelidad de los resultados.
● Diseño de puertas personalizadas: utilizando herramientas de bajo nivel
como Qiskit Metal para la simulación de microchips cuánticos.
Benchmarking global: programas líderes y
centros de excelencia
La educación en computación cuántica está geográficamente
25
distribuida, pero con nodos de alta concentración en Norteamérica, Europa y
Asia, donde la inversión pública y privada ha creado ecosistemas de
aprendizaje únicos.
Norteamérica: el eje de la innovación industrial
En los Estados Unidos, universidades como el MIT, Caltech y Stanford
lideran la integración de la cuántica desde el pregrado. El MIT, a través de su
Centro de Ingeniería Cuántica, ofrece una de las series de cursos más
completas del mundo (8.0.x), cubriendo desde los fundamentos hasta
algoritmos avanzados y corrección de errores. La Universidad de Chicago es
otro actor clave con su Chicago Quantum Exchange, que conecta la academia
con los Laboratorios Nacionales de Argonne y Fermilab, proporcionando a los
estudiantes oportunidades de investigación únicas.
Canadá ha posicionado a la Universidad de Waterloo como una potencia
global. Financiado en parte por el creador de BlackBerry, Mike Lazaridis, el
Institute for Quantum Computing (IQC) ofrece programas interdisciplinarios
que combinan física, ingeniería y matemáticas, con un fuerte enfoque en el
emprendimiento y las startups cuánticas.
En el Reino Unido, la Universidad de Oxford y el University College
London (UCL) ofrecen doctorados en ingeniería cuántica a través de centros
de formación doctoral (CDT), que enfatizan la transición de la teoría a la
aplicación comercial. Suiza, con la ETH Zurich, destaca por su enfoque en la
ingeniería de precisión y dispositivos de qubits de estado sólido.
En Asia, la Universidad de Ciencia y Tecnología de China (USTC) ha
establecido récords mundiales en comunicación cuántica satelital y
26
supremacía cuántica. Su currículo es altamente especializado y está
profundamente integrado con las metas nacionales de soberanía tecnológica
(véase la tabla 3).
Tabla 3: Europa y Asia: modelos de colaboración y estado
País
Institución
Destacada
Enfoque Principal
Iniciativa Clave
EE. UU.
MIT / Caltech
Algoritmos, teoría y
hardware
experimental.
MIT Center for
Quantum
Engineering.
Canadá
Universidad de
Waterloo
Interdisciplinarieda
d y ecosistema
comercial.
Institute for
Quantum
Computing (IQC).
Reino Unido
Oxford / Bristol
Ingeniería cuántica
y aplicaciones
comerciales.
National Quantum
Technologies
Programme.
Alemania
LMU / TUM
München
Física cuántica y
software aplicado.
Munich Quantum
Valley.
China
USTC
Metrología, satélites
y computación a
escala.
Hefei National
Laboratory.
Suiza
ETH Zurich
Dispositivos
cuánticos y física del
estado sólido.
Quantum Center
ETH.
27
La computación cuántica en el contexto de
América Latina
América Latina enfrenta el desafío de integrar estas tecnologías en un
entorno con limitaciones presupuestarias pero con un capital humano
altamente resiliente. La estrategia regional se ha centrado en la creación de
redes de colaboración y en el aprovechamiento de recursos de código abierto.
El caso de Perú: del pregrado a la investigación de frontera
En Perú, la transición hacia la computación cuántica está siendo
impulsada por universidades nacionales y privadas líderes, con un enfoque
particular en la Facultad de Ciencias y la Facultad de Ingeniería de cada
institución.
Universidad Nacional de Ingeniería (UNI)
La UNI ha integrado formalmente el curso Introducción a la
Computación Cuántica (CC028 / CC0F8) en su plan de estudios de Ciencia de
la Computación e Ingeniería Física. El curso tiene un enfoque riguroso,
requiriendo conocimientos previos en electromagnetismo y análisis numérico
avanzado. La investigación en la UNI también aborda temas avanzados como
la corrección de errores mediante códigos estabilizadores.
Universidad de Ingeniería y Tecnología (UTEC) y QuantumHub Perú
La UTEC ha adoptado un rol más dinámico a través de QuantumHub
Perú (QHub), una plataforma de aprendizaje que busca democratizar el
conocimiento cuántico en la región. QHub ofrece cursos estructurados de más
28
de 16 semanas para estudiantes universitarios y de secundaria, divididos en
módulos que cubren física, matemáticas y programación. Su estructura
organizativa en departamentos (Investigación, Académico, Innovación,
Relaciones Públicas y Comunidad) refleja un modelo de ecosistema completo
más que un simple curso universitario.
Otras iniciativas peruanas
● PUCP: La Pontificia Universidad Católica del Perú participa en redes
globales como el IBM Quantum Fall Fest, fomentando la creación de
comunidades de estudiantes interesados en el desarrollo con Qiskit. Se
han identificado propuestas curriculares para incluir la computación
cuántica dentro de la ingeniería de materiales para tareas de simulación
molecular.
● UPC: Siguiendo los estándares de la ACM, la UPC incluye temas de
computación de alto rendimiento y criptografía que sientan las bases
para el estudio de la computación cuántica en los ciclos finales de la
carrera de Ciencia de la Computación.
● UNIR: Ofrece una maestría universitaria 100% online en computación
cuántica reconocida por la SUNEDU, permitiendo a profesionales
peruanos especializarse en algoritmos de optimización, transmones y
aprendizaje automático cuántico en un año académico.
Esfuerzos regionales en Colombia, Uruguay y México
En Colombia, la Universidad Nacional ha formado uno de los grupos de
investigación más grandes de la región, alineando su enseñanza con el Marco
de Competencias Europeo. En Uruguay, la Universidad de Montevideo (UM) se
29
destaca por su alianza con Microsoft, integrando Q# y el Quantum
Development Kit en su currículo de ingeniería. México, a través de redes como
QMexico y colaboraciones con la UNAM y el Tecnológico de Monterrey, ha
capacitado a cientos de estudiantes a través de escuelas de verano y
hackatones.
Estrategias de vinculación con la industria y el
rol de las Big Tech
La educación cuántica moderna es inseparable de la industria. Las
grandes empresas tecnológicas han asumido un rol activo en la formación de
la futura fuerza laboral, proporcionando no solo herramientas sino también el
currículo mismo.
Programas de educadores de IBM y Microsoft
IBM Quantum ha sido pionero con su programa de educadores, que
ofrece acceso prioritario a sistemas cuánticos y un kit de herramientas
curriculares que los profesores pueden integrar fácilmente en sus cursos
existentes. Iniciativas como el Qiskit in Class permiten que un curso de física
o informática tradicional incluya módulos cuánticos prácticos sin necesidad de
rediseñar toda la malla.
Microsoft, por su parte, se enfoca en el desarrollo de Curriculum
Partners. Al proporcionar recursos como el lenguaje Q# y bibliotecas de
algoritmos listas para usar, Microsoft permite que universidades con menos
recursos de hardware puedan centrarse en la lógica de programación y en las
30
aplicaciones de alto nivel.
El ecosistema de startups y el mercado laboral
La formación universitaria ahora debe considerar las salidas
profesionales fuera de la academia. Empresas como Xanadu, Rigetti,
Quantinuum e IonQ buscan perfiles que no solo entiendan la física, sino que
dominen el desarrollo de software de pila completa (full-stack), desde el
control del pulso criogénico hasta la interfaz de usuario de las aplicaciones
finales.
Aplicaciones interdisciplinarias: el futuro del
currículo
La computación cuántica está dejando de ser un curso electivo para
convertirse en una herramienta dentro de otras disciplinas. Esto ha llevado a
la creación de módulos cuánticos en facultades que tradicionalmente no
estaban vinculadas a la física avanzada (La Cour, 2023).
Química, farmacia y ciencia de materiales
La simulación de moléculas pequeñas y grandes para el descubrimiento
de fármacos y nuevos materiales es la aplicación más cercana al mercado. Los
currículos de química ahora comienzan a incluir el algoritmo de resolución de
valores propios cuánticos variacionales (VQE), permitiendo a los estudiantes
simular energías de enlace con una precisión que supera las aproximaciones
clásicas (Hartree y Kim, 2023).
En los MBA y programas de ingeniería financiera, se exploran
31
algoritmos cuánticos para la optimización de carteras, la evaluación de riesgos
(Monte Carlo cuántico) y la detección de fraudes. Del mismo modo, en logística,
el uso de recocido cuántico (Quantum Annealing) para resolver problemas del
viajante o rutas de entrega es un área de estudio creciente (véase la tabla 4).
Tabla 4: Finanzas y optimización logística
Sector
Aplicación Cuántica
Beneficio Esperado
Farmacéutico
Simulación de plegamiento
de proteínas e interacción
ligando-receptor.
Aceleración en el
descubrimiento de fármacos
y reducción de costos de
laboratorio.
Energía
Simulación de nuevos
catalizadores para la fijación
de nitrógeno y captura de
carbono.
Procesos industriales más
sostenibles y eficientes.
Finanzas
Optimización de carteras y
fijación de precios de
derivados en tiempo real.
Gestión de riesgo superior y
arbitraje de alta velocidad.
Logística
Optimización de rutas de
última milla y gestión de
almacenes.
Reducción de emisiones de
y tiempos de entrega.
32
Desafíos pedagógicos y la Brecha Cuántica
La integración exitosa de la computación cuántica enfrenta obstáculos
estructurales que las universidades deben abordar para evitar una nueva
forma de exclusión tecnológica.
La preparación de los educadores
Existe una escasez de profesores capacitados que puedan navegar entre
la física cuántica y la ciencia de la computación. Muchas instituciones
dependen de esfuerzos aislados de investigadores individuales en lugar de una
estrategia institucional sólida. La capacitación de educadores es, por tanto, la
prioridad número uno para escalar la educación cuántica.
Inclusividad y accesibilidad
El riesgo de que la computación cuántica se convierta en una tecnología
exclusiva de los países desarrollados es real. Las universidades en regiones
como América Latina deben enfocarse en recursos de acceso abierto y en la
formación de comunidades locales para asegurar que sus estudiantes sean
creadores de tecnología y no solo consumidores. El uso de idiomas locales
(como el español y el portugués) en los materiales didácticos es fundamental
para reducir la fricción en el aprendizaje.
Ética y responsabilidad social (SEP)
En línea con el área de Sociedad, Ética y Profesionalismo de CS2023,
los estudiantes deben reflexionar sobre las implicaciones de la supremacía
cuántica. Esto incluye discusiones sobre la soberanía de los datos en la nube
33
cuántica, el impacto ambiental del enfriamiento de hardware y el potencial de
las tecnologías cuánticas para exacerbar las desigualdades económicas si no
se gestionan de manera equitativa (Rath y Date, 2024).
La computación cuántica ya no es una promesa futura, sino una
realidad académica que exige acción inmediata. La transición de los programas
universitarios debe ser estratégica, interdisciplinaria y colaborativa. Para las
universidades que buscan integrar la computación cuántica, el camino
sugerido incluye:
1. Alinear el currículo con marcos internacionales: Adoptar las
recomendaciones de CS2023 y el Marco de Competencias Europeo para
asegurar la movilidad y empleabilidad de los graduados.
2. Fomentar alianzas público-privadas: Aprovechar los programas de
educadores de IBM, Microsoft y AWS para acceder a hardware y
capacitación de vanguardia.
3. Iniciar con enfoques modulares: Integrar conceptos cuánticos en cursos
existentes de matemáticas y algoritmos antes de lanzar programas de
grado completos, permitiendo una transición suave para el profesorado
y los estudiantes.
4. Promover la investigación aplicada regional: Enfocar los proyectos de
tesis y laboratorios en problemas locales donde la cuántica pueda ofrecer
una ventaja competitiva, como en la minería, la energía o la logística
regional.
La universidad del siglo XXI tiene la responsabilidad de preparar a los
ciudadanos para un mundo donde la lógica clásica ya no es el único límite. La
34
alfabetización cuántica será, en pocos años, una competencia tan fundamental
como lo es hoy la programación clásica o el análisis de datos. Aquellas
instituciones que logren navegar esta transición con éxito no solo formarán
mejores profesionales, sino que serán los motores de la próxima gran
revolución industrial y científica.
35
Capítulo 2
Análisis curricular en ciencias de
la información cuántica:
superposición, entrelazamiento y
la esfera de Bloch
La transición de la mecánica cuántica desde los fundamentos de la física
teórica hacia las aplicaciones prácticas en la ingeniería y la computación ha
generado una necesidad imperativa de reestructurar los marcos educativos a
nivel universitario y secundario. La denominada segunda revolución cuántica
no solo demanda una comprensión profunda de los fenómenos subatómicos,
sino también la capacidad de manipular estos principios para procesar
información de formas que superan los límites clásicos.
En este contexto, el diseño curricular debe centrarse en tres pilares
fundamentales que actúan como puentes cognitivos entre la intuición
macroscópica y la realidad cuántica: la superposición, el entrelazamiento y la
representación geométrica a través de la esfera de Bloch. Estos conceptos no
son meras abstracciones matemáticas; representan el núcleo operativo de
algoritmos que prometen revolucionar la criptografía, la simulación molecular
y la optimización de sistemas complejos.
36
El paradigma de la superposición en la
educación en computación cuántica
La superposición cuántica constituye el punto de partida esencial en
cualquier currículo de ciencias de la información cuántica (QIS, por sus siglas
en inglés). A diferencia de un bit clásico, que se encuentra restringido a
estados discretos y mutuamente excluyentes de 0 o 1, un qubit puede existir
en una combinación lineal de ambos estados simultáneamente. Esta propiedad
permite una forma inherente de paralelismo cuántico, donde una sola
operación sobre un registro de qubits superpuestos puede procesar múltiples
entradas candidatas a la vez.
Fundamentación matemática y notación de Dirac
El currículo estándar comienza con la introducción de la notación de
Dirac (bra-ket), que proporciona un lenguaje simbólico para manejar vectores
en espacios de Hilbert complejos. Un estado puro se define mediante la
ecuación:
Donde y son amplitudes de probabilidad complejas que cumplen
con la condición de normalización . Esta restricción
matemática asegura que la probabilidad total de encontrar el sistema en uno
de los estados base tras una medición sea la unidad. La enseñanza de este
concepto suele enfrentar desafíos pedagógicos significativos, ya que los
37
estudiantes tienden a aplicar intuiciones clásicas de probabilidad que entran
en conflicto con la naturaleza indeterminista del estado cuántico antes de la
medición.
Para abordar estas dificultades, modelos curriculares como los de la
Universidad Estatal de Luisiana (LSU) han implementado el marco Quantum
Without Linear Algebra (QWLA). Este enfoque permite a los estudiantes
interactuar con conceptos de superposición y medición mediante
representaciones de diccionario y simulaciones ligeras en Python antes de
sumergirse en el formalismo de matrices. El objetivo es construir una fluidez
conceptual básica que facilite la transición posterior hacia herramientas más
complejas como IBM Qiskit.
Dinámica de la superposición: la compuerta Hadamard
En el diseño de circuitos cuánticos, la superposición se genera
típicamente mediante la aplicación de la compuerta de Hadamard ( ). Esta
operación es fundamental en casi todos los algoritmos cuánticos conocidos, ya
que transforma los estados de la base computacional en estados de
superposición equilibrada.
| Estado de Entrada | Operación (Compuerta H) | Estado de Salida
(Superposición) | Probabilidad de Medición ( ) |
| :--- | :--- | :--- | :--- |
| | | | 50% / 50% |
38
| | | | 50% / 50% |
| | | | 100% / 0% |
La capacidad de la compuerta para deshacer una superposición si
se aplica dos veces resalta la importancia de la fase en la interferencia
cuántica, permitiendo que las amplitudes se sumen constructiva o
destructivamente.
La medición y el colapso del Estado
Un componente crítico del currículo es el postulado de la medición. Se
enseña que la medición no es un acto pasivo de observación, sino una
intervención que perturba el sistema, forzando al qubit a colapsar en uno de
los estados base permitidos clásicamente. Esta fragilidad de los estados
cuánticos es lo que dicta el diseño de algoritmos y protocolos de comunicación.
Los estudiantes deben aprender a razonar sobre distribuciones de
probabilidad y valores esperados, utilizando el teorema de Born para predecir
los resultados de experimentos repetidos (Gokhale et al., 2026).
Analogías como la del salto de cuerda o la moneda giratoria se utilizan
frecuentemente para explicar la superposición, pero los instructores deben ser
cautelosos al enfatizar que, a diferencia de la moneda clásica, el estado
cuántico no posee un valor oculto predeterminado antes de ser observado. La
comprensión de esta diferencia es esencial para evitar conceptos erróneos
sobre variables ocultas que podrían obstaculizar el aprendizaje posterior sobre
la desigualdad de Bell y la no localidad.
39
Entrelazamiento: correlaciones no locales y
sistemas multi-qubit
Si la superposición define la riqueza del estado de un solo qubit, el
entrelazamiento es el fenómeno que otorga a la computación cuántica su
verdadera ventaja competitiva. Definido como una propiedad de los sistemas
compuestos donde el estado global no puede descomponerse en el producto
de los estados individuales de sus partes, el entrelazamiento desafía el
realismo local clásico (La Cour, 2023)
La paradoja EPR y el teorema de Bell
El currículo universitario de física cuántica suele dedicar secciones
extensas a la paradoja de Einstein-Podolsky-Rosen (EPR) y las desigualdades
de Bell. Este enfoque histórico ayuda a los estudiantes a apreciar la
profundidad filosófica y técnica del entrelazamiento. Se analiza el argumento
de que, si la mecánica cuántica fuera una teoría completa según los criterios
de EPR, cada elemento de la realidad física debería tener una contraparte en
la teoría.
La demostración de que la mecánica cuántica viola las desigualdades
de Bell es un hito pedagógico. En experimentos simulados o reales, se muestra
que las correlaciones entre mediciones realizadas sobre partículas
entrelazadas separadas espacialmente superan cualquier límite posible bajo
supuestos de variables ocultas locales. Este concepto se introduce mediante
el estudio de los estados de Bell, que son los estados máximamente
entrelazados de dos qubits.
40
El diseño de circuitos para generar estos estados requiere la
combinación de una compuerta Hadamard y una compuerta CNOT (Controlled-
NOT), lo que permite a los estudiantes visualizar cómo una interacción local
puede crear una dependencia global no separable.
Aplicaciones de redes y comunicación cuántica
El entrelazamiento no se enseña únicamente como una curiosidad
física, sino como un recurso tecnológico para redes cuánticas. Los currículos
modernos integran protocolos específicos que demuestran la utilidad práctica
de estas correlaciones.
● Teletransportación Cuántica: Permite la transferencia del estado
cuántico exacto de un qubit a otro lugar distante mediante el uso de un
par entrelazado precompartido y comunicación clásica. Este protocolo es
fundamental para enseñar la interacción entre la información cuántica y
41
los bits clásicos.
● Codificación Superdensa: Un protocolo donde se transmiten dos bits
clásicos enviando un solo qubit entrelazado, duplicando la capacidad del
canal de comunicación bajo ciertas condiciones.
● Distribución de Claves Cuánticas (QKD): Utiliza el entrelazamiento o la
superposición para garantizar la seguridad de las comunicaciones, ya
que cualquier intento de espionaje colapsaría el estado y sería detectado.
La implementación de estos protocolos en entornos como IBM Qiskit o
simuladores de red como SeQUeNCe permite a los estudiantes experimentar
con conceptos de fidelidad, pérdida de canal y eficiencia de los detectores,
conectando la teoría abstracta con las limitaciones del hardware real.
Desafíos en la enseñanza del entrelazamiento
El entrelazamiento introduce dependencias no locales que socavan el
razonamiento modular central en la programación clásica. Mientras que en la
computación tradicional un programador puede analizar subrutinas de forma
aislada, en un sistema cuántico entrelazado, las operaciones sobre una parte
del sistema pueden tener efectos inmediatos y observables en otras partes.
Esta acción fantasmagórica, como la llamó Einstein, requiere que los
estudiantes desarrollen modelos mentales que trasciendan la causalidad local.
Un error común en el aprendizaje es intentar visualizar el
entrelazamiento mediante herramientas diseñadas para un solo qubit. Se
enfatiza en los materiales curriculares que la esfera de Bloch, aunque
poderosa para estados individuales, no puede representar completamente las
correlaciones de un sistema multi-qubit (Yang y Kim, 2023). Para estos casos,
42
se introducen herramientas más avanzadas como matrices de densidad,
entropía de entrelazamiento y representaciones jerárquicas como los árboles
de descomposición de estados.
La esfera de Bloch: visualización geométrica
del estado cuántico
La esfera de Bloch es la herramienta visual más exitosa en la educación
de computación cuántica, permitiendo mapear el espacio de estados complejo
de un qubit en una superficie esférica tridimensional. Su valor pedagógico
radica en proporcionar una interpretación geométrica intuitiva de conceptos
que de otro modo serían puramente algebraicos (véase la tabla 5).
Coordenadas y parámetros geométricos
Cualquier estado puro de un qubit puede representarse como un punto
en la superficie de una esfera de radio unidad. Los parámetros geométricos
clave son:
1. Ángulo Polar ( ): Determinado por las amplitudes relativas de los
estados y . Un valor de corresponde al polo norte ( ),
mientras que corresponde al polo sur ( ).
2. Ángulo Azimutal ( ): Determinado por la fase relativa entre los
componentes del qubit. Este ángulo define la posición a lo largo del
ecuador de la esfera.
La relación matemática que vincula estos ángulos con el vector de
43
estado es:
Es crucial que los estudiantes entiendan por qué se utilizan ángulos
medios ( ). Geométricamente, esto permite que dos estados que son
ortogonales en el espacio de Hilbert (como y ) se representen como
puntos antipodales (opuestos) en la esfera de Bloch, separados por .
Estados puros vs. estados mezclados
Una distinción avanzada pero vital en el currículo es el uso del interior
de la esfera para representar estados mezclados.
● Superficie de la esfera ( ): Representa todos los estados puros
posibles de un sistema de dos niveles.
● Interior de la Esfera ( ): Representa estados mezclados que
ocurren cuando hay incertidumbre estadística sobre el estado del
sistema, a menudo debido a la decoherencia o al entrelazamiento con el
entorno.
● Centro de la Esfera ( ): Representa el estado máximamente
mezclado, donde la probabilidad de medir o es exactamente del
50% y no existe coherencia de fase.
Esta visualización es fundamental para enseñar la purificación de
estados, la tomografía cuántica y los efectos del ruido en los procesadores
44
NISQ (Noisy Intermediate-Scale Quantum).
Tabla 5: Visualización geométrica del estado cuántico en la esfera de Bloch
Posición en la Esfera
Representación de Estado
Notación de vector de Bloch
Polo Norte
Estado base
0\rangle
Polo Sur
Estado base
1\rangle
Ecuador (Eje X+)
Estado de superposición
+\rangle
Centro de la Esfera
Estado máximamente
mezclado
Transformaciones como rotaciones
La esfera de Bloch transforma el aprendizaje de las compuertas
cuánticas en un ejercicio de rotación espacial. Las compuertas de Pauli
( ) se enseñan como rotaciones de ( radianes) alrededor de sus
respectivos ejes.
● La compuerta X actúa como un bit-flip, rotando el vector del polo norte
45
al polo sur.
● La compuerta Z actúa como un phase-flip, rotando el vector alrededor
del eje Z y cambiando la fase sin alterar la longitud del vector o las
probabilidades de medición en la base computacional.
● La compuerta Hadamard se visualiza como una rotación combinada que
mueve el vector desde el eje Z al eje X, ilustrando la creación de
superposición de manera dinámica.
El uso de simuladores interactivos como los de PhET o QuVis permite a
los estudiantes ver estas rotaciones en tiempo real, lo que facilita
enormemente la comprensión de la evolución del estado cuántico bajo la
acción de un circuito.
Implementación curricular: del aula al
laboratorio
El diseño de un currículo efectivo en QIS requiere una integración
cuidadosa de la teoría con la práctica experimental. Las instituciones líderes
están adoptando modelos que priorizan la programación y el uso de hardware
cuántico real disponible a través de la nube.
El modelo de aprendizaje integrado en laboratorio
Un enfoque pedagógico exitoso es el utilizado por LSU, que combina
instrucción conceptual con programación práctica semanal. Los laboratorios
están diseñados para reforzar objetivos específicos:
1. Exploración de la Superposición: Uso de Qiskit para crear estados
46
superpuestos y verificar las estadísticas de medición tras miles de
disparos (shots).
2. Validación del Entrelazamiento: Construcción de circuitos de Bell y
realización de mediciones de correlación para observar la violación de la
intuición clásica.
3. Visualización en la esfera de Bloch: Uso de herramientas de
visualización de Qiskit para mapear la trayectoria del vector de estado a
medida que se aplican diferentes secuencias de compuertas.
Este modelo permite a los estudiantes observar los desajustes entre sus
expectativas y el comportamiento cuántico real, lo que fomenta la reflexión y
el refinamiento de sus modelos mentales. Además, introduce tempranamente
el concepto de ruido y mitigación de errores, ya que los resultados en hardware
real rara vez coinciden perfectamente con las predicciones teóricas ideales.
Herramientas de simulación y visualización
La disponibilidad de herramientas de software abiertas ha
democratizado el acceso a la educación cuántica (Espinosa, 2024):
● IBM Qiskit: Es el marco de trabajo más utilizado, ofreciendo una
biblioteca exhaustiva de clases para representar estados, operadores y
circuitos. Su libro de texto interactivo se ha convertido en un estándar
curricular.
● PhET Interactive Simulations: Ofrece simulaciones de medición
cuántica que permiten a los estudiantes interactuar con monedas
cuánticas y polarización de fotones, facilitando la comprensión visual de
la probabilidad y el colapso del estado.
47
● QuVis (University of St Andrews): Proporciona visualizaciones
detalladas de la esfera de Bloch para partículas de espín 1/2,
permitiendo ajustar los ángulos y observar los cambios en las
probabilidades de medición en diferentes ejes.
● QuVI (LabVIEW): Un marco de trabajo que utiliza el paradigma de flujo
de datos para representar circuitos cuánticos, lo que resulta intuitivo
para estudiantes de ingeniería familiarizados con entornos de
programación gráfica.
Estas herramientas eliminan las barreras de entrada al permitir que los
estudiantes experimenten con la lógica cuántica sin necesidad de construir
hardware físico costoso y complejo.
Requerimientos de la fuerza laboral y
estándares curriculares
El crecimiento acelerado del campo ha llevado a organizaciones como
la Sociedad Americana de Física (APS) y la Asociación Americana de Profesores
de Física (AAPT) a definir directrices para el currículo de laboratorio de
pregrado. El objetivo es preparar a los estudiantes para una variedad de roles
que van desde la investigación teórica hasta la ingeniería de sistemas
cuánticos (véase la tabla 6). El análisis de la demanda industrial revela que los
empleadores buscan una combinación de habilidades teóricas, experimentales
y computacionales.
48
Tabla 6: Habilidades críticas para el estudiante de QIS
Categoría de Habilidad
Competencias Específicas
Relevancia Curricular
Instrumentación
Operación de láseres,
criogenia, sistemas de vacío
Esencial para roles de
hardware y fabricación.
Análisis de Datos
Estadística, análisis de
incertidumbre, depuración
de código
Crítico para validar
resultados de algoritmos y
hardware.
Programación
Python, Qiskit, C++,
algoritmos numéricos
Necesario para el diseño de
software y simulación.
Fundamentos Teóricos
Álgebra lineal, mecánica
cuántica, hamiltonianos
Proporciona la base
científica para la innovación.
Se enfatiza que la educación no debe limitarse a la teoría; la capacidad
de solucionar problemas (troubleshooting) en experimentos de laboratorio y
depurar código cuántico son habilidades altamente valoradas.
Interdisciplinariedad y diversidad
Un currículo exitoso en QIS debe reconocer la naturaleza
interdisciplinaria del campo. Los estudiantes pueden provenir de la física, la
informática, la ingeniería eléctrica o la química. Los educadores deben ser
capaces de cerrar las brechas de conocimiento, proporcionando recursos
específicos para aquellos que son fuertes en programación pero débiles en
álgebra lineal, o viceversa.
49
Además, existe un esfuerzo global para inspirar interés en la tecnología
cuántica desde la educación primaria y secundaria (K-12). Al introducir
conceptos fundamentales como la superposición a través de juegos y
analogías apropiadas para la edad, se busca desmitificar el campo y construir
una reserva de talento más diversa y amplia. El objetivo a largo plazo es que
la percepción pública de la QIS pase de ser algo extraño y fantasmal a ser una
parte familiar y comprensible de la ciencia y la tecnología modernas.
Desafíos pedagógicos: de la intuición a la
formalidad
A pesar de las herramientas disponibles, el aprendizaje de la
computación cuántica sigue siendo un desafío debido a la necesidad de
reconfigurar los modelos mentales existentes. Los estudiantes a menudo traen
intuiciones clásicas sobre el estado y el determinismo que deben ser
sistemáticamente desafiadas a través de conflictos cognitivos dirigidos (Sun,
et al., 2024).
Superando la barrera del álgebra lineal
Uno de los mayores obstáculos para los estudiantes de informática es
el requisito previo de un álgebra lineal avanzada. Muchos cursos tradicionales
construyen los fundamentos cuánticos desde las matrices y los espacios
vectoriales, lo que puede alienar a aquellos sin una base matemática sólida.
Los nuevos enfoques curriculares proponen una aproximación en capas
(scaffolded), donde se presentan primero analogías intuitivas y
representaciones visuales (como la esfera de Bloch) antes de introducir el
50
formalismo matemático completo.
Por ejemplo, enseñar la superposición a través de la interferencia de
ondas es una estrategia efectiva, ya que los estudiantes suelen tener alguna
experiencia previa con fenómenos ondulatorios clásicos. Al conectar la
probabilidad de encontrar un fotón con el patrón de interferencia en un
experimento de doble rendija, se proporciona un anclaje conceptual sólido
para la noción de amplitudes cuánticas.
El Problema de la visualización en sistemas grandes
Otro desafío importante es la limitación de las herramientas de
visualización a medida que el sistema crece. La esfera de Bloch es perfecta
para un solo qubit, pero la visualización de un sistema de dos qubits requiere
un espacio de 15 dimensiones, lo que hace imposible una representación
geométrica única e intuitiva. Los currículos deben enseñar a los estudiantes
cuándo confiar en las visualizaciones geométricas y cuándo es necesario
recurrir exclusivamente al formalismo algebraico y a las matrices de densidad
(Qerimi et al., 2025).
Se sugiere el uso de proyecciones de subespacio o esferas de Bloch
separadas como estrategias prácticas para visualizar sistemas más grandes,
aunque siempre advirtiendo sobre las limitaciones de estas representaciones
para capturar el entrelazamiento completo.
El desarrollo de contenidos curriculares centrados en la superposición,
el entrelazamiento y la esfera de Bloch es el núcleo de la formación de la
próxima generación de científicos e ingenieros cuánticos. La clave para un
currículo exitoso radica en el equilibrio entre la accesibilidad conceptual y el
51
rigor intelectual, integrando la experimentación práctica con la instrucción
teórica desde las primeras etapas.
La superposición debe enseñarse no solo como un estado de
ambigüedad, sino como una herramienta para el procesamiento paralelo y la
interferencia constructiva. El entrelazamiento debe presentarse como un
recurso fundamental para la comunicación no local y la computación
distribuida. Por último, la esfera de Bloch debe utilizarse como el lenguaje
geométrico que permite unificar estos conceptos, proporcionando una
intuición espacial sobre la pureza, la fase y las transformaciones unitarias del
estado cuántico.
A medida que el hardware cuántico continúa escalando hacia sistemas
más estables y potentes, la educación debe evolucionar paralelamente,
incorporando temas avanzados como la corrección de errores cuánticos, la
decoherencia y el diseño de arquitecturas híbridas cuántico-clásicas. Solo
mediante un enfoque educativo holístico, interdisciplinario y centrado en la
práctica, se podrá satisfacer la creciente demanda de una fuerza laboral capaz
de liderar la revolución de la información cuántica. La alfabetización cuántica,
por lo tanto, no es solo un requisito académico, sino una necesidad estratégica
para el futuro de la ciencia y la tecnología globales.
52
Capítulo 3
Algoritmos y metodologías de
análisis comparativo con el
modelo clásico
La transición hacia la era de la información cuántica ha generado una
demanda sin precedentes de marcos educativos robustos que integren la física
fundamental, las matemáticas avanzadas y la teoría de la computación. En
este contexto, el desarrollo de currículos especializados no solo se centra en
la enseñanza de puertas lógicas y circuitos, sino en una reevaluación profunda
de la complejidad algorítmica y la ventaja computacional. La designación por
parte de las Naciones Unidas de 2025 como el Año Internacional de la Ciencia
y Tecnología Cuántica, sumada a los avances en el hardware de escala
intermedia ruidosa (NISQ), ha consolidado la necesidad de estandarizar los
contenidos pedagógicos para formar a una fuerza laboral capaz de navegar
entre paradigmas clásicos y cuánticos.
Fundamentos matemáticos y el cambio de
paradigma en la información
El diseño curricular en instituciones de vanguardia como Stanford, MIT
y Caltech comienza con un refuerzo riguroso del álgebra lineal compleja y la
mecánica cuántica de sistemas de estados finitos. A diferencia de los currículos
de informática tradicional, donde los sistemas se modelan mediante estados
53
discretos y lógica determinista, la computación cuántica exige el dominio de
los espacios de Hilbert y la notación de Dirac para representar superposiciones
y amplitudes de probabilidad (Castrillón et al., 2014).
La base del currículo se articula en torno a la comprensión de que un
bit cuántico o qubit no es simplemente una unidad de almacenamiento, sino
un vector en un espacio complejo bidimensional. Los estudiantes deben
internalizar que, mientras un sistema clásico de bits reside en uno de los
estados posibles, un sistema cuántico de qubits existe en una superposición
de todos esos estados simultáneamente, escalando la capacidad del espacio
de estados de manera exponencial (Qerimi et al., 2025).
Este fenómeno, junto con el entrelazamiento, constituye el recurso
primario que los algoritmos deben explotar para superar los límites de la
computación clásica.
La distinción entre el procesamiento clásico y cuántico es fundamental
en los currículos para evitar malentendidos sobre el paralelismo cuántico. No
se trata de ejecutar múltiples hilos clásicos a la vez, sino de coreografiar
patrones de interferencia donde los caminos que conducen a respuestas
incorrectas se cancelan destructivamente y los caminos hacia la respuesta
correcta se refuerzan constructivamente (véase la tabla 7).
54
Tabla 7: Comparativa de unidades de información y representación de
estados
Atributo
Computación
Clásica
Computación
Cuántica
Unidad básica
Bit (0 o 1)
Qubit ($\alpha
Espacio de estados
Espacio discreto
Espacio de Hilbert
Operaciones
Puertas lógicas
booleanas
Operadores
unitarios
(reversibles)
Medición
Determinista
(lectura directa)
Probabilística
(colapso de estado)
Correlaciones
Independencia o
probabilidad clásica
Entrelazamiento no
local
La integración de estos conceptos requiere requisitos previos
específicos. Los programas de FAU y Stanford exigen conocimientos sólidos en
probabilidad discreta, cálculo multivariable y algoritmos clásicos antes de
abordar la síntesis de circuitos cuánticos. La formación matemática se extiende
a la comprensión de matrices hermitianas, productos tensoriales para
sistemas compuestos y la descomposición de Schmidt para caracterizar el
entrelazamiento entre subsistemas.
55
Evolución de operaciones: de la reversibilidad
clásica a las puertas cuánticas
Un componente crítico en el currículo de Caltech (ACM 270-1) y del MIT
es el estudio de la computación reversible. Puesto que los operadores
cuánticos son unitarios (es decir, ), todas las operaciones cuánticas,
excepto la medición, deben ser reversibles. Esto establece un puente
pedagógico con la informática clásica, donde se estudian puertas como
Fredkin o Toffoli para demostrar que cualquier función booleana clásica puede
implementarse de manera reversible antes de ser trasladada al dominio
cuántico.
El currículo profundiza en la jerarquía de puertas lógicas, diferenciando
entre puertas de un solo qubit (Pauli-X, Y, Z, Hadamard, T, S) y puertas
controladas de múltiples qubits (CNOT, CZ, Toffoli). La puerta de Hadamard
( ) es quizás la más relevante pedagógicamente, ya que es la encargada de
generar superposición a partir de estados de la base computacional,
permitiendo la exploración de la ventaja cuántica en algoritmos de consulta
(Marchetti et al., 2022).
Jerarquía de puertas y funcionalidad algorítmica
Los estudiantes aprenden a visualizar estas operaciones no solo como
matrices complejas, sino como rotaciones en la esfera de Bloch,
proporcionando una intuición geométrica del estado de un qubit antes de
escalar a sistemas multiqubit donde la visualización directa se vuelve
56
imposible (véase la tabla 8).
Tabla 8: Evolución y características de las puertas cuánticas
Puerta Cuántica
Operación
Matemática
Función en el
Algoritmo
Relevancia en el
Currículo
Hadamard ( )
Crea superposición
equilibrada
Esencial para iniciar
cualquier algoritmo
cuántico
Pauli-X ( )
Bit-flip (equivalente
a NOT)
Base para la
manipulación de
estados clásicos
CNOT
Puerta controlada
de 2 qubits
Crea
entrelazamiento
Fundamental para
puertas multiqubit y
algoritmos
complejos
Puerta T
Rotación de fase
Proporciona
universalidad
Crítica para la
computación
tolerante a fallos
Toffoli (CCNOT)
Puerta de 3 qubits
Compuerta lógica
reversible
Demuestra la
capacidad de
simular lógica
clásica
La enseñanza de estas puertas no es aislada; se integra en el estudio
de la compilación y optimización de circuitos. Los estudiantes de Stanford y
Georgia Tech utilizan herramientas como Qiskit para mapear algoritmos de
alto nivel a conjuntos de puertas nativas de procesadores reales, considerando
las restricciones de conectividad y las tasas de error de las puertas de dos
qubits (Gokhale et al., 2026).
57
Paradigmas de algoritmos de consulta y
separación de complejidad
El núcleo de la enseñanza de algoritmos se divide tradicionalmente en
tres grandes categorías: algoritmos basados en oráculos (consultas),
algoritmos algebraicos (transformada de Fourier) y algoritmos de búsqueda.
Los algoritmos de consulta como Deutsch-Jozsa, Bernstein-Vazirani y Simon
se utilizan para establecer una prueba matemática rigurosa de que el modelo
cuántico puede resolver ciertos problemas con menos recursos que cualquier
algoritmo clásico.
Algoritmos de Deutsch-Jozsa y Bernstein-Vazirani
El algoritmo de Deutsch-Jozsa se presenta como la primera
demostración de una aceleración exponencial en el modelo de consulta. El
problema consiste en determinar si una función booleana es constante o
balanceada. Mientras que un algoritmo clásico determinista requiere
consultas en el peor de los casos para una función de bits, el
algoritmo cuántico requiere exactamente una consulta. Por su parte, el
algoritmo de Bernstein-Vazirani permite encontrar una cadena oculta tal que
en una sola consulta, frente a las consultas
necesarias clásicamente.
Algoritmo de Simon: el precursor de Shor
El algoritmo de Simon ocupa un lugar privilegiado en los currículos de
58
Oxford y Caltech por ser el primer ejemplo de una aceleración exponencial
frente a algoritmos clásicos probabilísticos. Simon busca un periodo oculto
en una función tal que si y solo si . Clásicamente,
este problema requiere consultas (debido a la paradoja del
cumpleaños), mientras que el algoritmo cuántico lo resuelve en
consultas. Este algoritmo introduce la técnica de utilizar la Transformada de
Hadamard para extraer información sobre la estructura de un grupo, sentando
las bases para el estudio del Problema del Subgrupo Oculto (HSP), que unifica
a Shor y otros algoritmos de velocidad exponencial.
El algoritmo de Shor y el impacto en la
criptografía moderna
El algoritmo de Shor es, sin duda, el hito más significativo en el currículo
de computación cuántica avanzada. Su capacidad para factorizar números
enteros y calcular logaritmos discretos en tiempo polinomial amenaza la
seguridad de sistemas criptográficos como RSA y curvas elípticas (Sun et al.,
2024). El currículo descompone el algoritmo en componentes modulares:
1. Transformada de Fourier Cuántica (QFT): Una implementación cuántica
de la DFT que opera en tiempo sobre las amplitudes de un estado
cuántico.
2. Estimación de Fase Cuántica (QPE): Un algoritmo que utiliza la QFT para
aproximar los valores propios de un operador unitario, crucial para la
búsqueda de orden.
59
3. Búsqueda de Orden: El núcleo del algoritmo que encuentra el periodo
de una función de exponenciación modular.
La comparación de complejidad en este punto es central para justificar
la inversión en la tecnología. Los currículos comparan el tiempo de ejecución
del algoritmo de Shor frente al Cernidor General de Campos Numéricos
(GNFS), el algoritmo clásico más eficiente conocido para la factorización (véase
la tabla 9).
Tabla 9: Criptografía en Shor
Algoritmo
Tipo de
Problema
Complejidad
Clásica (Mejor
conocida)
Complejidad
Cuántica
Aceleración
Shor
Factorización
de enteros
(Subexponenci
al)
(Polinomial)
Exponencial
Shor
Logaritmo
discreto
Superpolinomi
al
Polinomial
Exponencial
Shor
Curva Elíptica
Superpolinomi
al
Polinomial
Exponencial
El análisis curricular de instituciones como Warwick y FAU también
aborda las implicaciones de ciberseguridad, explorando cómo la computación
cuántica fuerza el desarrollo de la criptografía post-cuántica y protocolos de
distribución de claves cuánticas (QKD) como BB84 y B92.
60
Búsqueda de Grover y amplificación de
amplitud
A diferencia de la aceleración exponencial de Shor, el algoritmo de
Grover proporciona una aceleración cuadrática para búsquedas en bases de
datos no estructuradas. Clásicamente, encontrar un elemento específico en
una lista de tamaño requiere operaciones. Grover lo logra en
.
El currículo técnico explica este algoritmo mediante el proceso de
iteración de Grover, que consiste en:
1. Reflexión del oráculo: Invierte la fase del estado de la solución buscada.
2. Operador de difusión: Refleja todos los estados respecto a la media de
las amplitudes, incrementando la probabilidad de medir la solución
correcta.
Un aspecto pedagógico crucial es el estudio del Teorema BBBV, que
demuestra que la aceleración cuadrática es el límite óptimo para algoritmos
basados en oráculos de búsqueda negra, lo que ayuda a los estudiantes a
entender que la computación cuántica no ofrece soluciones instantáneas a
todos los problemas NP. Además, se estudian extensiones como el Conteo
Cuántico, que utiliza la estimación de fase para determinar el número de
soluciones en una base de datos sin encontrarlas explícitamente (Rath y Date,
2024).
61
Teoría de la complejidad cuántica y sus
fronteras
El estudio de algoritmos no está completo sin una base en la teoría de
la complejidad computacional. Los currículos modernos introducen clases de
complejidad específicas para el modelo cuántico y discuten su relación con las
clases clásicas:
● BQP (Bounded-error Quantum Polynomial time): El conjunto de
problemas resolubles eficientemente por un computador cuántico con
una probabilidad de éxito mayor al 75%. Contiene P y se cree que
contiene problemas fuera de P, como la factorización.
● QMA (Quantum Merlin Arthur): La versión cuántica de NP. Es la clase
de problemas para los cuales una solución cuántica puede ser verificada
en tiempo polinomial por un verificador cuántico. El problema del
Hamiltoniano Local es QMA-completo, análogo a la satisfacibilidad
booleana (SAT) en NP.
● Intersección BQP/NP: Se enfatiza que, aunque BQP contiene algunos
problemas NP, no se cree que BQP cubra todo NP. Problemas como el
del Viajante de Comercio (TSP) siguen siendo difíciles para los
computadores cuánticos, aunque se pueden aplicar algoritmos de
optimización aproximada.
La investigación curricular en Caltech y el MIT explora casos donde la
complejidad aumenta drásticamente. Por ejemplo, calcular la energía del
estado fundamental de un hamiltoniano con precisión exponencial eleva la
62
complejidad de QMA a PSPACE, demostrando la sensibilidad de las clases de
complejidad a las condiciones de precisión.
Algoritmos en la era NISQ: VQE, QAOA y VQLS
Dado que la computación cuántica tolerante a fallos (FTQC) aún está en
desarrollo, gran parte de los currículos actuales (especialmente en Georgia
Tech y Stanford) se centran en algoritmos para dispositivos de escala
intermedia ruidosos (NISQ). Estos algoritmos suelen ser híbridos, donde un
computador cuántico realiza una tarea específica de preparación de estados y
medición, mientras que un computador clásico optimiza los parámetros del
circuito (Bin et al., 2023).
Variational Quantum Eigensolver (VQE)
El VQE se ha convertido en el estándar para simulaciones de química
cuántica y física de materia condensada. El currículo enseña a los estudiantes
a formular hamiltonianos moleculares, mapearlos a operadores de espín
(puertas de Pauli) y utilizar un ansatz parametrizado para encontrar la energía
mínima. Se discuten desafíos prácticos como las mesetas estériles (barren
plateaus), donde el gradiente de la función de coste se vuelve
exponencialmente pequeño, dificultando la optimización clásica.
Quantum Approximate Optimization Algorithm (QAOA)
Específicamente diseñado para problemas de optimización
combinatoria, el QAOA utiliza una secuencia de aplicaciones alternas de un
hamiltoniano de coste y un hamiltoniano de mezcla. El currículo incluye
aplicaciones en logística (problema del viajante), finanzas y programación de
63
satélites. Los estudiantes aprenden que el QAOA es aproximado porque busca
una solución suficientemente buena en lugar de la óptima global, lo que lo
hace robusto frente al ruido de los dispositivos actuales.
Variational Quantum Linear Solver (VQLS)
Como alternativa al algoritmo HHL (que requiere FTQC), el VQLS
resuelve sistemas de ecuaciones lineales mediante métodos
variacionales. El currículo técnico detalla cómo la matriz se descompone en
una combinación lineal de unitarios y cómo se entrena un circuito para
preparar el estado que satisface la ecuación. Se comparan diferentes
optimizadores clásicos como COBYLA, ADAM y AMSGrad para determinar la
eficiencia de la convergencia en hardware ruidoso.
Herramientas de programación y el
ecosistema de software
El desarrollo de algoritmos en el currículo moderno está estrechamente
ligado al aprendizaje de SDKs (Software Development Kits) especializados.
Qiskit de IBM es la herramienta más extendida, permitiendo a los estudiantes
programar circuitos en Python y ejecutarlos en simuladores locales o en
procesadores cuánticos reales a través de la nube (Hailan et al., 2025; Zadid
et al., 2026). (véase la tabla 10).
64
Tabla 10: Frameworks en el currículo cuántico
Framework
Desarrollador
Características
Principales
Uso Curricular
Qiskit
IBM
Soporte completo
para circuitos,
algoritmos y
mitigación de
errores
Estándar en
laboratorios y tareas
prácticas
PennyLane
Xanadu
Enfoque en QML
(Quantum Machine
Learning) y
diferenciación
automática
Proyectos de
investigación en
aprendizaje
profundo
Cirq
Google
Diseñado para
algoritmos NISQ de
alta fidelidad
Optimización de
puertas a bajo nivel
D-Wave Leap
D-Wave
Plataforma de
recocido cuántico
(Quantum
Annealing)
Resolución de
problemas de
optimización
industrial
IBM Quantum Safe
IBM
Herramientas para
la migración a
criptografía post-
cuántica
Módulos de
ciberseguridad
avanzada
La integración de estas herramientas permite un enfoque de
aprendizaje basado en proyectos. En Stanford (CS269Q), por ejemplo, los
65
estudiantes realizan proyectos finales que van desde el benchmarking de
procesadores cuánticos hasta la implementación de redes neuronales
cuánticas (QNN) y autoencoders cuánticos para la compresión de datos.
Metodologías pedagógicas y desarrollo de la
fuerza laboral
La enseñanza de la computación cuántica presenta desafíos únicos
debido a su naturaleza contraintuitiva y la necesidad de una base
interdisciplinaria en física, matemáticas e informática. Los currículos han
evolucionado para ofrecer diferentes vías de entrada dependiendo del perfil
del estudiante.
Razonamiento diagramático y cálculo ZX
Instituciones como la Universidad de Oxford han introducido el Cálculo
ZX, una poderosa herramienta gráfica que permite representar y razonar sobre
cómputos cuánticos mediante diagramas de cuerdas en lugar de matrices
densas. Este enfoque simplifica la optimización de circuitos y la comprensión
de protocolos como la teletransportación, facilitando que los estudiantes de
informática sin formación previa en física puedan dominar la lógica cuántica
(Bluvstein et al., 2024).
El enfoque minimalista y de física primero
Para niveles de secundaria o introductorios, se ha propuesto un enfoque
basado en la polarización de fotones. Este modelo permite introducir
conceptos como superposición y medición de forma tangible, utilizando el
66
experimento de la doble rendija o el juego de la moneda cuántica (Penny Flip
Game) para demostrar la ventaja cuántica sin recurrir a números complejos o
álgebra de matrices.
Competencias profesionales e industria
El consorcio QED-C y la IEEE han identificado una brecha crítica en el
talento cuántico. Los currículos ya no solo deben formar investigadores, sino
ingenieros, técnicos y traductores que puedan aplicar estas tecnologías en el
sector empresarial. Las recomendaciones curriculares enfatizan el aprendizaje
experiencial a través de pasantías, hackathons y el uso de plataformas de
simulación en la nube para preparar a los estudiantes para los más de 7,000
puestos de trabajo cuánticos abiertos a nivel mundial.
El análisis exhaustivo de los contenidos curriculares globales revela que
el desarrollo de algoritmos cuánticos ha pasado de ser una rama de la física
teórica a una disciplina de ingeniería madura. La comparación con los
algoritmos clásicos es el hilo conductor que guía la enseñanza,
proporcionando el contexto necesario para entender por qué la computación
cuántica es transformadora.
La efectividad de un currículo moderno reside en su capacidad para
balancear la teoría de la complejidad con la implementación práctica en
hardware real. Mientras que los algoritmos fundamentales como Shor y Grover
definen el horizonte de lo posible, los algoritmos NISQ como VQE y QAOA
ofrecen una vía inmediata para la experimentación y el desarrollo de
aplicaciones (Gokhale et al., 2026). La estandarización de estos contenidos,
impulsada por organizaciones como IEEE y QED-C, garantiza que la formación
67
sea accesible y alineada con las necesidades de una industria que se espera
alcance un tamaño de mercado significativo en la próxima década.
En síntesis, el futuro de la educación en este campo se orienta hacia la
hibridación: sistemas que integran recursos de computación de alto
rendimiento (HPC) con aceleradores cuánticos. Los currículos que preparen a
los estudiantes para orquestar estas infraestructuras heterogéneas serán los
que definan el liderazgo tecnológico en la era de la ventaja cuántica.
68
Capítulo 4
Convergencia tecnológica y
aplicaciones prácticas del
currículo
La evolución del currículo tecnológico se define por una integración
profunda de disciplinas que anteriormente operaban de manera aislada. La
convergencia de la ciberseguridad, la optimización matemática, la inteligencia
artificial (IA) y la simulación de materiales ha dado lugar a un paradigma de
ingeniería y gestión donde la eficiencia operativa es indisociable de la
resiliencia digital y el descubrimiento científico acelerado. Este informe técnico
analiza cómo estas áreas se entrelazan para proteger infraestructuras críticas,
redefinir la logística global, transformar el diagnóstico médico y acelerar la
creación de materiales de próxima generación, proporcionando una visión
detallada de las aplicaciones prácticas y los resultados medibles en sectores
estratégicos.
El ecosistema de la ciberseguridad en la
infraestructura crítica y el sector financiero
La ciberseguridad ha pasado de ser una función de soporte a
convertirse en el eje central de la continuidad operativa para infraestructuras
críticas y entidades financieras. El aumento de la sofisticación de las
69
amenazas, impulsado por actores que utilizan IA para automatizar ataques y
generar malware polimórfico, ha obligado a las organizaciones a adoptar
enfoques de seguridad de nueva generación, como el Zero Trust (Confianza
Cero) y la criptografía post-cuántica (Ruíz, 2026).
Proyectos estratégicos y resiliencia en el sector bancario
El sector bancario lidera la implementación de estas tecnologías
avanzadas. Un ejemplo destacado es el impulso de CaixaBank a través de los
proyectos europeos VIGILANCE y CYBERAID, cuya ejecución se extiende hasta
finales de 2028. Estas iniciativas combinan el uso de inteligencia artificial y
blockchain para desarrollar capacidades de seguridad post-cuántica,
anticipándose a la amenaza que supondrá la computación cuántica para los
algoritmos de cifrado actuales (Marchetti et al., 2022). El enfoque propuesto
se basa en un modelo Zero Trust que emplea agentes inteligentes e IA
adversarial para detectar comportamientos maliciosos antes de que puedan
comprometer los activos digitales de la entidad.
La importancia de estas medidas se refleja en el panorama regulatorio
y operativo de las fintechs y bancos digitales. Hoy, estas instituciones
enfrentan una agenda crítica marcada por el aumento de fraudes y ataques
de ransomware, lo que ha convertido la ciberseguridad en un diferencial
competitivo. La inversión en seguridad no solo previene pérdidas millonarias,
sino que facilita el cumplimiento de normativas como las del Banco Central de
la República Argentina (BCRA) o la licencia MiCA en la Unión Europea,
permitiendo a las entidades operar con criptoactivos de manera autorizada.
La modernización de los Centros de Operaciones de Seguridad (SOC) es
70
un pilar fundamental para la detección temprana de incidentes. La integración
de tecnologías como el Endpoint Detection and Response (EDR) y el Security
Information and Event Management (SIEM) permite la correlación de miles de
eventos de seguridad en segundos, priorizando las alertas críticas y
reduciendo la fatiga por alertas de los analistas humanos (Hailan et al., 2025).
(véase la tabla 11).
Tabla 11: Tecnologías de defensa y automatización en el SOC
Tecnología de
Ciberseguridad
Función Crítica y Aplicación
Impacto en la Resiliencia
Zero Trust + DevSecOps
Verificación continua de
identidad y seguridad
embebida en el desarrollo
Eliminación de la confianza
implícita dentro de la red;
reducción de
vulnerabilidades de código
Microsegmentación
División de la red en
segmentos aislados
mediante barreras lógicas
Prevención del
desplazamiento lateral de
atacantes en
infraestructuras antiguas
IA y Machine Learning
Análisis de comportamiento
de usuarios (UBA) y
detección de anomalías
Identificación de patrones
de fraude y accesos
anómalos en tiempo real;
reducción de MTTR
Post-Quantum Cryptography
Algoritmos resistentes a la
computación cuántica
Protección de datos
sensibles a largo plazo
frente a capacidades de
descifrado futuro
Autenticación multifactor
(MFA)
Capas adicionales de
validación de identidad para
todos los accesos
Mitigación del 90% de los
ataques basados en el robo
de credenciales
tradicionales
71
La ciberseguridad efectiva en 2024 se basa en el pragmatismo
estratégico. Las organizaciones deben aceptar que los incidentes son
inevitables pero manejables a través de una preparación robusta y una cultura
de seguridad que permee a todos los grupos de interés. La automatización
juega aquí un papel dual: mientras que los atacantes la usan para escalar
amenazas como los deepfakes, los defensores la emplean para optimizar
procesos y liberar a los expertos para tareas de toma de decisiones complejas
y búsqueda estratégica de amenazas.
Optimización matemática y eficiencia en
procesos industriales y logística
La optimización matemática se ha consolidado como la herramienta por
excelencia para maximizar la competitividad y la sostenibilidad en el ámbito
industrial. Mediante el uso de modelos de Programación Lineal Entera Mixta
(MILP) y algoritmos avanzados, las empresas pueden resolver problemas
complejos de planificación de redes, gestión de demanda y diseño de sistemas
sostenibles (Nguyen et al., 2025).
Aplicaciones en energía y producción industrial
En el sector energético, la optimización matemática permite determinar
la mejor combinación de fuentes de energía y sistemas de almacenamiento,
minimizando tanto los costos operativos como las emisiones de gases de
efecto invernadero a lo largo del tiempo. Este enfoque es vital para la
planificación de redes eléctricas y la gestión de la demanda, allanando el
camino hacia un futuro energético más seguro.
72
En las plantas industriales, la optimización impacta directamente en el
rendimiento. Empresas líderes como Siemens y BASF han demostrado que la
integración de análisis en tiempo real e IA en sus procesos productivos puede
generar ahorros significativos.
● Siemens: Ha implementado sistemas de mantenimiento predictivo
basados en IA que detectan anomalías antes de que ocurran fallos, lo
que ha permitido reducir los tiempos de ciclo en un 40% y garantizar una
mayor disponibilidad de los activos.
● BASF: Mediante la integración de análisis en tiempo real, ha logrado
reducir el consumo de energía en un 15%, mejorando la sostenibilidad
ambiental de sus operaciones.
● General Electric (GE): Utiliza la plataforma IoT Predix para integrar
datos de sensores, reduciendo los tiempos de inactividad no planificada
en un 10%.
Revolución en la logística y la cadena de suministro
La logística moderna se sustenta en la transparencia y la toma de
decisiones basada en datos. La minería de procesos (Process Mining) se ha
convertido en un método esencial para hacer visibles los flujos reales de
procesos en función de rastros digitales, permitiendo a las empresas
identificar ineficiencias que se acumulan y afectan la entrega final
(Shamsuddoha et al., 2025). La optimización de la cadena de suministro a
través de la IA permite mejorar la planificación de rutas, automatizar la
gestión de inventarios y optimizar el uso del transporte (véase la tabla 12).
73
Tabla 12: Indicador logístico tradicional vs. IA
Indicador
Logístico
Estado Promedio
(Tradicional)
Con IA y
Automatización
(2025)
Impacto
Operativo
Errores de Picking
3% - 5%
< 0.9%
Reducción de
costos de
devolución y
mejora de la
satisfacción
Tiempos de
Entrega
48 - 72 horas
24 - 36 horas
Mayor
competitividad en
el mercado de e-
commerce
Surtido de Pedidos
120 minutos
30 - 45 minutos
Optimización del
flujo de trabajo en
el almacén
Consumo de
Energía
Base 100%
Reducción de
hasta el 15%
Mejora en los
márgenes de
ganancia y
sostenibilidad
Empresas como Amazon México han integrado algoritmos que
optimizan en tiempo real la ubicación de productos en sus almacenes,
anticipándose a picos de demanda estacionales como el Buen Fin o Navidad.
En Latinoamérica, compañías como Mercado Libre, FEMSA Logística y Bimbo
están implementando robots colaborativos (cobots) y sensores IoT para
mejorar la trazabilidad de los productos, especialmente en la cadena de frío,
donde el control dinámico de flotas reduce significativamente las emisiones y
74
los desperdicios.
Inteligencia artificial: diagnóstico médico y
sistemas autónomos
La inteligencia artificial ha pasado de ser una tecnología emergente a
un componente esencial del sistema de salud y de la seguridad operativa. Sus
aplicaciones van desde la precisión diagnóstica hasta la autonomía de
vehículos en entornos peligrosos.
Transformación del diagnóstico clínico y la medicina de
precisión
En el ámbito médico, la IA está redefiniendo el estándar de cuidado a
través de la interpretación de imágenes y el análisis genómico. El uso de redes
neuronales convolucionales (CNN) permite identificar patrones y
biomarcadores invisibles para el ojo humano en radiografías, tomografías y
resonancias magnéticas (Bartusik et al., 2026).
Un caso de éxito notable es la colaboración entre el Massachusetts
General Hospital y el MIT, donde algoritmos de IA alcanzaron una precisión
del 94% en la detección de nódulos pulmonares, superando el 65% de
precisión de los radiólogos humanos. En dermatología, la IA ha demostrado
una precisión superior al 90% en la detección de melanoma, comparándose
favorablemente con expertos humanos.
La medicina de precisión también se beneficia de la capacidad de la IA
para analizar miles de exomas y datos genéticos. En el tratamiento del
75
meduloblastoma, la IA ha identificado subgrupos moleculares específicos que
permiten a los médicos administrar dosis de tratamiento exactas para cada
paciente. Además, la automatización de laboratorios mediante plataformas
como Scispot permite conectar cientos de instrumentos, reduciendo los
errores de flujo de trabajo en un 40% al eliminar la transferencia manual de
datos (Chow, 2024).
Sistemas autónomos y robótica colaborativa (RAS)
Los sistemas robóticos y autónomos (RAS), que incluyen plataformas
aéreas, terrestres y acuáticas, están extendiendo el alcance de las operaciones
humanas en entornos de alto riesgo. La IA no solo mejora la navegación de
estos sistemas, sino que permite la colaboración multiagente para tareas
complejas.
● Combate de incendios: Se han realizado pruebas exitosas con equipos
de hasta cinco robots autónomos (UGV) que utilizan aprendizaje por
refuerzo multiagente (MARL) para localizar y extinguir incendios de
manera colaborativa, reduciendo la carga cognitiva de los operadores
humanos y aumentando la seguridad en sitios mineros e industriales.
● Exploración submarina: Los vehículos submarinos autónomos (AUV) han
evolucionado para operar sin control humano directo en misiones
preprogramadas de mapeo del lecho marino a profundidades de hasta
6.000 metros. La integración de IA permite a estos robots ajustar su
trayectoria en tiempo real basándose en datos de corrientes oceánicas y
evitar obstáculos.
● Aplicaciones militares y de rescate: Drones equipados con software de
76
reconocimiento automático de objetivos (ATR) pueden identificar y seguir
blancos a distancias de hasta 2 km, operando de manera autónoma
incluso en condiciones de estrés ambiental extremo.
La tendencia hacia sistemas autónomos interconectados y la logística
predictiva basada en big data apuntan a un futuro donde las entregas se
anticipen a la demanda real, transformando la reactividad operativa en
proactividad inteligente.
Simulación de materiales y descubrimiento
científico acelerado
La ciencia de materiales vive una era dorada gracias a la convergencia
de la simulación cuántica, la IA generativa y la computación de alto
rendimiento. Esta combinación permite predecir propiedades de materiales
con una precisión sin precedentes, reduciendo los ciclos de investigación y
desarrollo de décadas a meses.
El hito de los nuevos superconductores
Uno de los logros más significativos es el descubrimiento de un nuevo
superconductor por parte del Laboratorio de Física Aplicada de Johns Hopkins
(APL). Utilizando un proyecto denominado MITHRIL (Material Invention
Through Hypothesis-unbiased, Real-time, Interdisciplinary Learning), el
equipo logró identificar una aleación de zirconio, indio y níquel
( ) con una temperatura de transición de aproximadamente
(Pyzer et al., 2022).
77
Lo revolucionario de este proceso es el uso de redes Generativas
Antagónicas (GAN) para proponer estructuras de materiales que no existen en
ninguna biblioteca física. La IA actúa como un filtro que descarta
combinaciones de átomos físicamente imposibles y compensa los sesgos
humanos, permitiendo a los científicos explorar regiones del espacio de
posibilidades que nunca antes se habían considerado. Este descubrimiento,
que tradicionalmente habría tomado años de experimentación por error, se
completó en solo tres meses.
En la industria aeroespacial, la simulación de materiales es la clave para
fabricar aeronaves más ligeras, fuertes y eficientes. El uso de gemelos digitales
(Digital Twins) permite a los ingenieros probar iteraciones de diseño en un
entorno virtual antes de producir prototipos físicos, lo que ahorra costos y
reduce el desperdicio de materiales.
La fabricación aditiva (3D) de metales y polímeros está ganando
terreno, permitiendo la creación de componentes de alta complejidad que
antes eran imposibles de fabricar. Las piezas diseñadas mediante optimización
topológica pueden reducir drásticamente el peso de un avión; por ejemplo, al
consolidar 50 partes individuales en una sola estructura monolítica impresa
en 3D (véase la tabla 13).
Tabla 13: Impacto en la ingeniería aeroespacial y sostenibilidad
Aplicación en Aeroespacial
Material o Innovación
Beneficio Estratégico
Álabes de Ventilador de
Motor
Compuestos de polímero
reforzado con fibra de
Mayor resistencia a impactos
de objetos extraños y menor
peso
78
carbono (CFRP) 3D
Uniones de Estructura
Modelado predictivo de
juntas pi (Programa
FASTBUCS)
Predicción precisa de la vida
útil por fatiga y reducción de
fallos
Revestimiento de Turbinas
Superaleaciones de níquel y
compuestos de matriz
cerámica
Estabilidad térmica a
temperaturas superiores a
700 °C
Fuselaje y Alas
Biocompuestos y materiales
reciclados
Reducción de la huella de
carbono y mayor
circularidad de recursos
El desarrollo de materiales inteligentes con propiedades piezoeléctricas
integradas permite el monitoreo de la salud estructural (SHM) en tiempo real.
Estas estructuras pueden reportar su propio estado y detectar microfisuras
antes de que se conviertan en fallos catastróficos, transformando el
mantenimiento correctivo en una gestión de activos basada en la condición
real del material (Pyzer et al., 2022; Pandey et al., 2025).
Convergencia de IA y ciberseguridad: un
desafío ético y operativo
La integración de la IA en la ciberseguridad presenta una naturaleza
dual: potencia a los defensores pero también proporciona herramientas
sofisticadas a los atacantes. La IA se utiliza para detectar ataques de phishing,
analizar malware polimórfico y automatizar la respuesta a incidentes en
minutos, tareas que antes tomaban días. Sin embargo, los ciberdelincuentes
79
están empleando modelos de lenguaje grandes (LLM) para crear correos
electrónicos de phishing casi perfectos y realizar ataques de inyección de
prompts contra otros modelos de IA (Malatji y Tolah, 2025).
Para contrarrestar esto, se están implementando marcos como el AI
Risk Management Framework de NIST y estándares de criptografía
poscuántica. La transparencia en los modelos de IA (XAI) y la necesidad de
datos limpios para el entrenamiento son debates recurrentes en la comunidad
científica para asegurar que los sistemas de defensa no sean manipulados
mediante ataques adversarios. La convergencia de estas tecnologías exige que
la ciberseguridad sea considerada desde la fase de diseño de cualquier
sistema de IA o de automatización industrial.
Dinámicas del mercado laboral y el futuro del
empleo tecnológico
La transformación tecnológica descrita ha impactado profundamente
en el mercado de trabajo. Contrario a la visión de que la IA reemplazará a los
humanos, los datos indican una demanda creciente de perfiles híbridos que
combinen habilidades técnicas con juicio estratégico y ética (Grigera y Nava,
2021). (véase la tabla 14).
● Ciberseguridad: Se proyecta un crecimiento del 33% en el empleo de
analistas de seguridad de la información hasta 2033. Para 2025, se
estima que habrá 3,5 millones de puestos de trabajo sin cubrir en este
sector a nivel mundial. Los roles más demandados incluyen analistas de
amenazas de IA, ingenieros de seguridad en la nube y abogados
80
especializados en privacidad y ciberseguridad.
● IA y Ciencia de Datos: La demanda de ingenieros de aprendizaje
automático y científicos de datos ha aumentado un 25% en 2025. Los
sectores de finanzas, salud y manufactura son los que presentan la
mayor competencia por este talento, con salarios para especialistas
senior que superan las seis cifras en mercados desarrollados.
● Ciencia de Materiales y Optimización: El auge de la sostenibilidad y la
economía circular ha creado una necesidad urgente de expertos en
gestión de datos de materiales (MDM) y optimización topológica que
puedan integrar consideraciones de ciclo de vida (LCA) en el diseño de
productos.
Tabla 14: Empleo tecnológico y habilidades requeridas en la actualidad
Rol Tecnológico
Habilidades Clave
Requeridas
Sectores de Mayor
Demanda
Ingeniero de IA/ML
MLOps, Generative AI, Edge
AI, Ética de datos
Finanzas, Salud,
Automatización Industrial
Analista de Ciberseguridad
IA Threat Analysis, Cloud
Hardening, Post-Quantum
Infraestructura Crítica,
Banca, Gobierno
Especialista en Ética de IA
Marcos regulatorios,
auditoría de sesgos,
gobernanza
Sector Público, Big Tech,
Consultoría
Arquitecto de Gemelos
Digitales
IoT, Simulación 3D, Analítica
Predictiva
Manufactura, Aeroespacial,
Logística
81
La formación continua y la certificación profesional se han vuelto
indispensables. Las empresas están priorizando el upskilling de su personal
existente para mitigar la escasez de talento, especialmente en áreas donde la
tecnología evoluciona más rápido que los programas académicos
tradicionales.
Consideraciones sobre la sostenibilidad y el
impacto ESG
Por ende, la tecnología y la sostenibilidad son inseparables. La
optimización matemática y la IA se aplican no solo para mejorar la
rentabilidad, sino para cumplir con los objetivos ambientales, sociales y de
gobernanza (ESG). El uso de materiales biocompuestos, el reciclaje de fibras
de carbono en la industria aeroespacial y el monitoreo de la huella de carbono
en tiempo real son prácticas estándar (Shahen et al., 2026).
La integración de herramientas como el Dashboard de Emisiones en la
logística permite a las empresas visualizar las toneladas de equivalente
emitidas por cada vehículo, facilitando la transición hacia flotas eléctricas e
híbridas. En la industria química, la IA está acelerando el descubrimiento de
catalizadores más eficientes para procesos de bajo consumo de carbono, lo
que es fundamental para la transición energética global.
La integración de la ciberseguridad, la optimización, la inteligencia
artificial y la simulación de materiales en el currículo tecnológico representa
un cambio de paradigma hacia la ingeniería resiliente y el descubrimiento
acelerado. La capacidad de una organización para sobrevivir y prosperar en
82
este entorno depende de su agilidad operativa y su capacidad para gestionar
la complejidad de los datos estructurados (Baioletti et al., 2025).
La ciberseguridad ha evolucionado de un enfoque reactivo a uno
proactivo y anticipatorio, donde la IA actúa como un copiloto que orquesta
respuestas a escala. La optimización matemática, por su parte, proporciona el
marco riguroso para la eficiencia en sectores críticos como la energía y la
logística, permitiendo que las empresas operen con márgenes más estrechos
y menores impactos ambientales.
En el ámbito científico, el descubrimiento de nuevos materiales
mediante IA y simulación cuántica está abriendo puertas a innovaciones en
superconductividad y aeroespacial que antes se consideraban inalcanzables.
Estos avances no solo mejoran el rendimiento técnico de los productos, sino
que son esenciales para abordar desafíos globales como el cambio climático y
la escasez de recursos.
En síntesis, el mercado laboral refleja esta transformación, exigiendo
profesionales que no solo dominen las herramientas técnicas, sino que posean
una comprensión holística de cómo estas tecnologías interactúan entre sí y
con la sociedad. La inversión en infraestructura de datos, formación de talento
y marcos de seguridad robustos será el factor determinante para el liderazgo
tecnológico en la segunda mitad de la década. La convergencia tecnológica no
es solo una tendencia, sino la base de la nueva economía industrial y digital.
83
Capítulo 5
Ingeniería de sistemas cuánticos:
cúbits e infraestructura de los
procesadores superconductores
El avance de la computación cuántica ha dejado de ser un ejercicio
puramente teórico en el ámbito de la física fundamental para convertirse en
una disciplina de ingeniería de sistemas de alta complejidad. La transición
desde el bit clásico —una unidad de información binaria y determinista— hacia
el cúbit —un sistema mecano-cuántico que aprovecha la superposición y el
entrelazamiento— exige no solo una comprensión profunda de la mecánica
cuántica, sino también el desarrollo de infraestructuras físicas capaces de
mantener estados cuánticos delicados frente a la interferencia ambiental
(Castrillón et al., 2014).
En la actualidad, las arquitecturas basadas en circuitos
superconductores representan la vanguardia de esta revolución, combinando
técnicas de fabricación de semiconductores con fenómenos macroscópicos de
coherencia cuántica. El éxito de estos sistemas depende de una integración
orquestada entre la física de las uniones de Josephson, la ingeniería de
microondas y la termodinámica de temperaturas ultrafrias, creando un
entorno donde los átomos artificiales pueden ser manipulados con una
precisión sin precedentes (Shreya et al., 2026).
84
Fundamentos del aprendizaje y operación de
cúbits
Para el profesional que se adentra en el ecosistema cuántico, el
aprendizaje comienza con la deconstrucción de la lógica booleana y la
adopción de un marco de trabajo basado en vectores de estado en un espacio
de Hilbert. Un cúbit, a diferencia de su homólogo clásico, no reside
exclusivamente en los estados o , sino que puede existir en una
superposición de ambos, definida por el estado , donde
las amplitudes complejas y dictan la probabilidad de colapso tras la
medición. Esta capacidad de mantener múltiples estados simultáneamente es
lo que permite a los procesadores cuánticos crear espacios computacionales
multidimensionales donde la complejidad crece exponencialmente con cada
cúbit adicional.
Mecanismos de Superposición e Interferencia
La superposición no es simplemente un estado de incertidumbre, sino
una propiedad física que permite que la información cuántica sea procesada a
través de interferencias. La interferencia es el motor real de la computación
cuántica; al igual que las ondas mecánicas, las amplitudes de probabilidad de
los estados cuánticos pueden sumarse constructivamente para amplificar la
probabilidad de obtener una respuesta correcta, o destructivamente para
cancelar los resultados incorrectos (Esho et al., 2026). La ingeniería de estos
sistemas se centra en diseñar circuitos y pulsos de control que maximicen esta
85
interferencia controlada antes de que el sistema interactúe de forma
irreversible con su entorno.
El recurso crítico del entrelazamiento
El entrelazamiento cuántico representa una correlación no local que no
tiene equivalente en la física clásica. Cuando dos cúbits están entrelazados,
sus estados cuánticos están tan intrínsecamente vinculados que la descripción
de uno es imposible sin la del otro, independientemente de la distancia física
que los separe. Desde una perspectiva operativa, el entrelazamiento es el
recurso que permite la ejecución de algoritmos paralelos masivos. En sistemas
superconductores, este fenómeno se logra mediante el acoplamiento de
circuitos a través de condensadores o inductores, permitiendo que la energía
de un cúbit influya en la fase o el estado del vecino. La medición de un solo
cúbit en un sistema entrelazado proporciona información inmediata sobre el
estado de sus socios, una propiedad que es fundamental para la corrección de
errores y la teletransportación de estados cuánticos.
La fragilidad de estos estados es el principal obstáculo para la
escalabilidad. La decoherencia es el proceso mediante el cual el sistema
cuántico, al interactuar con el ruido ambiental —térmico, electromagnético o
incluso colisional—, pierde su coherencia y se clásica, colapsando en un estado
definido. Esta transición es irreversible y borra la información almacenada en
las fases de la superposición. Por lo tanto, el diseño de sistemas físicos debe
enfocarse en maximizar el tiempo de coherencia, asegurando que las
operaciones lógicas se completen mucho antes de que el entorno degrade el
sistema (véase la tabla 15).
86
Tabla 15: La problemática de la decoherencia
Concepto Cuántico
Función en el Sistema
Relevancia para la Ingeniería
Superposición
Representación de datos
multivariados.
Requiere control preciso de la
fase del pulso.
Entrelazamiento
Conectividad y paralelismo
lógico.
Depende del acoplamiento físico
entre circuitos.
Interferencia
Selección del resultado
algorítmico.
Motor de la computación;
requiere alta fidelidad.
Decoherencia
Límite de error y pérdida de
datos.
Dicta los requisitos de
refrigeración y blindaje.
Átomos artificiales en el chip
La modalidad superconductora es actualmente la más extendida debido
a su compatibilidad con las técnicas de fabricación de la industria de
semiconductores, lo que facilita la creación de procesadores con un número
creciente de cúbits. Estos procesadores no utilizan átomos naturales, sino
87
circuitos eléctricos que, a temperaturas criogénicas, exhiben niveles de energía
discretos similares a los de un átomo.
La física de la unión de Josephson
El elemento disruptivo en estos circuitos es la unión de Josephson.
Mientras que un circuito resonante estándar formado por un condensador ( )
y un inductor ( ) tiene niveles de energía equiespaciados —lo que impediría
aislar solo dos niveles para formar un cúbit—, la unión de Josephson actúa
como un inductor no lineal y no disipativo. Esta unión consiste en dos
electrodos superconductores separados por una capa aislante tan fina (del
orden de nanómetros) que los pares de Cooper pueden atravesarla mediante
efecto túnel.
La relación corriente-fase en una unión de Josephson viene dada por
, donde es la corriente crítica y es la diferencia de fase de
la función de onda superconductora a través de la unión. Esta relación no lineal
introduce una anharmonicidad en el espectro de energía del circuito. En
consecuencia, la energía necesaria para pasar del estado fundamental al
primer estado excitado es diferente de la energía necesaria para pasar del
estado al . Esto permite a los ingenieros utilizar pulsos de microondas
a una frecuencia específica para manipular exclusivamente la transición
, tratando al circuito como un sistema de dos niveles efectivo.
Evolución del diseño: del cúbit de carga al transmon
La ingeniería de cúbits superconductores ha pasado por varias
88
iteraciones para mitigar las fuentes de ruido ambiental:
● Cúbit de Carga: En este diseño temprano, la información se almacenaba
en el número de pares de Cooper en una isla superconductora. Sin
embargo, era extremadamente sensible a las fluctuaciones de carga
eléctrica en el sustrato, lo que resultaba en tiempos de coherencia muy
cortos.
● Cúbit de Flujo: Utiliza un bucle superconductor interrumpido por
uniones de Josephson, donde los estados se definen por la dirección de
la corriente persistente. Son útiles para ciertas aplicaciones de
simulación, pero su manipulación es compleja.
● El Transmon: Inventado para resolver la sensibilidad al ruido de carga,
el transmon añade un condensador de gran derivación en paralelo con la
unión de Josephson. Al aumentar la relación entre la energía de
Josephson ( ) y la energía de carga ( ), el transmon se vuelve
prácticamente insensible al ruido de carga de baja frecuencia,
manteniendo al mismo tiempo suficiente anharmonicidad para operar
como un cúbit. Esta arquitectura es la que utilizan gigantes tecnológicos
como IBM y Google en sus procesadores más avanzados.
Conectividad y compuertas de dos cúbits
Para ejecutar algoritmos, los cúbits deben interactuar entre sí. En las
arquitecturas superconductoras, esto se logra mediante buses de cavidad o
acoplamiento capacitivo directo. Un bus de cavidad es un resonador de
microondas que permite el intercambio de fotones virtuales entre cúbits
distantes, facilitando el entrelazamiento. La fidelidad de estas operaciones de
89
dos cúbits es un parámetro crítico; errores superiores al 0.5% imposibilitan la
implementación efectiva de códigos de corrección de errores de superficie a
gran escala.
Infraestructura física y soporte criogénico
El funcionamiento de un procesador cuántico superconductor exige un
entorno físico que es, en muchos sentidos, más extremo que el vacío del
espacio exterior. La necesidad de temperaturas cercanas al cero absoluto no
es opcional, sino un requisito fundamental derivado de la física de la
superconductividad y la necesidad de minimizar el ruido térmico.
El refrigerador de dilución: corazón térmico del sistema
La mayoría de los cúbits superconductores operan a frecuencias de
entre 4 y 10 GHz. A temperatura ambiente, la energía térmica es órdenes
de magnitud superior a la energía de los fotones de microondas del cúbit, lo
que causaría la destrucción inmediata de cualquier estado cuántico. Para
mitigar esto, el chip cuántico debe enfriarse a aproximadamente 15 mK.
El refrigerador de dilución logra estas temperaturas extremas mediante
la mezcla de dos isótopos de helio: el helio-3 ( He) y el helio-4 ( He). El proceso
se basa en las propiedades cuánticas de estos fluidos a bajas temperaturas:
1. Separación de Fases: Por debajo de los 870 mK, la mezcla se separa
espontáneamente en una fase rica en He y una fase diluida.
2. Enfriamiento por Dilución: En la cámara de mezcla, los átomos de He
se desplazan de la fase concentrada a la fase diluida. Este proceso es
90
endotérmico, absorbiendo calor del entorno del procesador cuántico.
3. Circulación Continua: Un sistema de bombas externas extrae el He de
la fase diluida, lo vuelve a comprimir y enfriar, y lo reintroduce en el ciclo,
permitiendo un enfriamiento estable y continuo durante meses.
Gestión de la cadena de señal de microondas
La comunicación con los cúbits dentro del refrigerador es un desafío de
ingeniería de microondas. Los pulsos de control, generados por electrónica
clásica a temperatura ambiente, deben viajar hasta el chip a 15 mK sin
transportar calor excesivo.
● Líneas Coaxiales Criogénicas: Se utilizan cables de materiales con baja
conductividad térmica (como el cuproníquel o el acero inoxidable) para
minimizar la carga de calor por conducción.
● Atenuadores de Etapa: En cada nivel de temperatura del refrigerador
(4K, 1K, 100mK), se instalan atenuadores que reducen la potencia de la
señal y, lo que es más importante, suprimen el ruido térmico proveniente
de las etapas más calientes.
● Aislamiento y Amplificación de Lectura: Para leer el estado del cúbit, se
envía un pulso que rebota en un resonador acoplado al cúbit. La señal
reflejada, extremadamente débil, debe pasar por aisladores criogénicos
—que evitan que el ruido de los amplificadores regrese al cúbit— y luego
por amplificadores de bajo ruido (LNA) o amplificadores paramétricos de
viaje (TWPA) antes de salir del refrigerador.
91
Desafíos de ingeniería: ruido, materiales y
escalabilidad
La construcción de sistemas cuánticos robustos requiere abordar
fuentes de error que son invisibles en la electrónica convencional. Cada
interfaz, cada material y cada diseño de circuito pueden introducir
mecanismos de decoherencia que limitan la utilidad del sistema.
Fuentes de ruido en estado sólido
Los cúbits superconductores son sensibles a una variedad de fuentes
de ruido intrínsecas a su fabricación:
● Ruido de Carga y Flujo: Fluctuaciones aleatorias en el potencial eléctrico
o en el campo magnético local pueden alterar la frecuencia de transición
del cúbit, provocando desfase ( ). En los cúbits de flujo, el ruido
magnético 1/f —que aumenta a bajas frecuencias— suele ser el factor
dominante que limita la coherencia.
● Sistemas de Dos Niveles (TLS): Estos son defectos atómicos en los
materiales amorfos (como los óxidos de las uniones de Josephson o los
sustratos de silicio) que pueden absorber energía del cúbit si sus
frecuencias de resonancia coinciden. Los ingenieros deben realizar una
limpieza de materiales a nivel atómico para reducir la densidad de estos
defectos.
● Cuasipartículas: Son electrones individuales que se generan cuando los
pares de Cooper se rompen debido a la radiación infrarroja residual o
incluso a los rayos cósmicos. Su presencia introduce disipación
92
energética, reduciendo el tiempo de relajación ( ) del cúbit.
El problema de la escalabilidad del cableado
Un obstáculo crítico para llegar al millón de cúbits es el volumen físico
del cableado. Actualmente, cada cúbit requiere al menos una línea de control
y una de lectura que van desde la temperatura ambiente hasta los 15 mK. Esto
crea un cuello de botella logístico y térmico. La investigación actual se centra
en mover la electrónica de control al interior del refrigerador. Los
controladores in-fridge basados en pulsos de Flujo Cuántico Único (SFQ)
pueden operar a temperaturas de 4 K o inferiores con un consumo de energía
mínimo, generando señales de control localmente y reduciendo drásticamente
la necesidad de cables externos. Estos sistemas, sin embargo, deben diseñarse
cuidadosamente para evitar el leakage o fuga de energía hacia estados de
mayor energía del cúbit.
Comparativa de modalidades físicas: iones,
fotones y espines
Aunque los superconductores lideran el mercado comercial, no son el
único camino hacia la computación cuántica universal. Otros sistemas físicos
ofrecen ventajas competitivas en términos de fidelidad y estabilidad operativa.
Iones atrapados: los cúbits naturales
A diferencia de los superconductores, que son fabricados, los iones
atrapados utilizan átomos reales (como iterbio o bario). Estos átomos se
93
mantienen suspendidos en el vacío mediante campos electromagnéticos y se
enfrían con láseres hasta alcanzar su estado fundamental de movimiento.
● Ventajas: Tiempos de coherencia extremadamente largos (segundos o
minutos) y una fidelidad de compuerta líder en la industria. Al ser átomos
idénticos, no sufren variaciones de fabricación.
● Desafíos: Las operaciones son órdenes de magnitud más lentas que en
los superconductores (milisegundos frente a nanosegundos), y los
sistemas de láser necesarios para manipularlos son voluminosos y
difíciles de integrar a gran escala.
Centros NV en diamante: operación a temperatura
ambiente
Los centros de vacante de nitrógeno (NV) son defectos en el diamante
que pueden funcionar como cúbits de espín. Su característica más distintiva
es la capacidad de mantener estados cuánticos coherentes incluso a
temperatura ambiente (Pandey et al., 2025).
● Aplicaciones: Son ideales para sensores cuánticos de alta precisión
(magnéticos, térmicos) y para nodos de redes de comunicación cuántica.
● Limitaciones: La interacción entre múltiples centros NV es débil y difícil
de controlar para computación de propósito general a gran escala.
Utilizan el espín de un electrón atrapado en un punto cuántico de silicio.
Esta tecnología es atractiva porque permite aprovechar la infraestructura
existente de fabricación de CMOS (véase la tabla 16).
● Potencial: Ofrecen una alta densidad de integración y pueden operar a
94
temperaturas ligeramente superiores (1 K), lo que reduce los requisitos
del refrigerador de dilución.
Tabla 16: Cúbits de espín en silicio
Característica
Superconducto
res
Iones
Atrapados
Centros NV
Silicio
Tiempo
Coherencia
Segundos -
Minutos
Milisegundos
Milisegundos
Velocidad
Compuerta
Nanosegundos
Milisegundos
Microsegundos
Nanosegundos
Temperatura
Op.
10-20 mK
Trampa RT /
Ions mK
RT / Criogénico
Escalabilidad
IC
Alta
Moderada
Baja
Muy Alta
Fidelidad
Alta
Muy Alta (Líder)
Moderada
Alta
95
La formación del ingeniero en sistemas
cuánticos
La emergencia de esta tecnología ha creado la necesidad de un nuevo
tipo de profesional: el ingeniero cuántico. Esta disciplina no se limita a la física
teórica, sino que requiere un dominio interdisciplinario de varias ramas de la
ingeniería tradicional aplicada a regímenes de operación extremos.
Competencias técnicas requeridas
Un ingeniero en esta área debe ser capaz de navegar por toda la pila
(stack) tecnológica:
1. Fundamentos de Mecánica Cuántica: Comprensión de operadores,
matrices de densidad, la ecuación de Schrödinger y el formalismo de
Dirac.
2. Ingeniería de Microondas y RF: Diseño de circuitos para pulsos de
nanosegundos, gestión de la integridad de la señal y conocimiento de
componentes como mezcladores, moduladores IQ y circuladores.
3. Nanofabricación y Ciencia de Materiales: Experiencia en procesos de
sala blanca, litografía de haz de electrones y análisis de defectos en
interfaces superconductor-aislante.
4. Sistemas de Control y Software: Programación en lenguajes como
Python para interactuar con SDKs cuánticos (Qiskit, Cirq) y desarrollo de
algoritmos de calibración automática de cúbits.
96
El enfoque en el pensamiento de sistemas
La formación moderna, como la ofrecida en programas pioneros en
Colorado School of Mines o UNSW, se aleja del estudio de cúbits aislados para
enfocarse en la integración de sistemas. Para Sergey et al. (2022), esto implica
entender cómo la vibración de una bomba de vacío puede afectar el desfase
de un cúbit a metros de distancia, o cómo el diseño del software de control
debe adaptarse a las restricciones de conectividad física del chip. El ingeniero
cuántico es el traductor entre la teoría cuántica abstracta y la implementación
física fiable y escalable.
La comprensión de los componentes clave del aprendizaje cuántico
revela que no estamos ante una simple mejora incremental de la informática,
sino ante una reconstrucción total de la arquitectura del procesamiento de
datos. Los sistemas superconductores han demostrado ser el camino más
rápido hacia la escala, pero su éxito a largo plazo depende de resolver desafíos
monumentales en la ciencia de materiales y la gestión térmica.
La infraestructura necesaria —desde los refrigeradores de dilución de
última generación hasta los controladores de microondas de alta fidelidad—
representa la cúspide de la ingeniería moderna. A medida que avanzamos
hacia sistemas con corrección de errores, el enfoque debe desplazarse desde
la fidelidad del cúbit individual hacia la robustez del sistema lógico global. El
papel del ingeniero cuántico será fundamental para cerrar la brecha entre los
prototipos experimentales y las máquinas capaces de resolver problemas de
importancia global, asegurando que la promesa de la ventaja cuántica se
convierta en una realidad cotidiana para la industria y la sociedad.
97
Capítulo 6
Matemática de la era cuántica: un
análisis integral del currículo
académico y las herramientas
fundamentales
La transición global hacia la computación cuántica no representa
simplemente un incremento en la capacidad de procesamiento, sino una
reconfiguración total de los fundamentos epistemológicos y operativos de la
ciencia de la información. Este cambio de paradigma exige una infraestructura
académica donde las herramientas matemáticas tradicionales —álgebra lineal,
cálculo multivariable, teoría de la probabilidad y lógica formal— se integran
en una estructura híbrida diseñada para gestionar la complejidad de los
estados de superposición y entrelazamiento. El análisis de los currículos de las
instituciones de élite revela que la formación en información cuántica ya no es
un apéndice de la física teórica, sino un campo interdisciplinario maduro que
demanda un rigor matemático sin precedentes para preparar a la próxima
generación de ingenieros y científicos.
El diseño curricular en el ámbito cuántico ha pasado de ser una serie
de seminarios de posgrado a estructurarse como programas de grado y máster
altamente especializados. Instituciones como la Universidad de Stanford, el
Instituto Tecnológico de Massachusetts (MIT) y la Universidad de Oxford han
establecido requisitos de ingreso que subrayan la necesidad de una base
98
matemática profunda antes de abordar los principios de la mecánica cuántica
aplicada. En Stanford, el currículo del Máster en Computación Matemática y
Computacional recomienda encarecidamente una sólida formación en álgebra
lineal, métodos numéricos, probabilidades, estocástica y análisis real, además
de una competencia técnica en lenguajes como C++ y MATLAB.
Esta exigencia no es arbitraria; la capacidad de manipular sistemas de
alta dimensión y realizar simulaciones numéricas complejas es el pilar sobre
el que se construyen los algoritmos de búsqueda y optimización cuántica.
Por otro lado, la Universidad de Oxford, a través de su grado conjunto
en Matemáticas y Ciencias de la Computación, integra la teoría cuántica desde
el segundo año, tras haber cimentado conceptos de análisis, grupos, álgebra
lineal y probabilidad en el primer ciclo. Esta progresión sugiere que la madurez
matemática es un requisito previo indispensable para asimilar la naturaleza
contraintuitiva de los fenómenos cuánticos.
La estructura de estos programas indica que el éxito en este campo no
depende de la memorización de fórmulas, sino de la capacidad de absorber y
aplicar ideas nuevas de manera independiente, una cualidad que Oxford evalúa
mediante el Test de Matemáticas para la Admisión Universitaria (TMUA) (véase
la tabla 17).
99
Tabla 17: Evolución de los marcos educativos y requisitos de ingreso
Institución
Programa
Académico
Enfoque
Matemático
Principal
Competencias
Técnicas
Stanford
MS ICME
Álgebra lineal,
Análisis real,
Probabilidades
C++, MATLAB,
Programación
competitiva
Oxford
BA/MMathCompSci
Análisis complejo,
Teoría de grupos,
Lógica
Verificación formal,
Programación
funcional
MIT
Fundamentos QC
Multiplicación de
matrices, Vectores,
Mecánica cuántica
Algoritmia aplicada,
Ciberseguridad
UNAM
Escuela de Cómputo
Cuántico
Álgebra lineal,
Puertas lógicas,
Python 4
Qiskit, Jupyter
Notebooks
UPC
Grado en
Informática
Cálculo diferencial,
Estadística,
Optimización
Simulación de
protocolos,
Criptografía
El álgebra lineal como lenguaje operativo del
qubit
El álgebra lineal constituye la base gramatical de la computación
cuántica. Mientras que la informática clásica opera sobre bits que representan
100
estados binarios discretos, la computación cuántica utiliza qubits, los cuales
se describen matemáticamente como vectores en un espacio de Hilbert
complejo de dos dimensiones (Qerimi et al., 2025). La comprensión de este
espacio vectorial es fundamental, ya que todas las operaciones dentro de un
procesador cuántico se reducen a manipulaciones algebraicas sobre estos
vectores.
Espacios de Hilbert y notación de Dirac
La introducción de la notación de Dirac (bra-ket) en 1939 por Paul Dirac
permitió una simplificación monumental en la representación de estados
cuánticos. En los currículos académicos, el ket se enseña como la
representación estándar de un estado cuántico, equivalente a un vector
columna en el espacio de Hilbert. Por el contrario, el bra representa el
conjugado transpuesto o adjunto del ket, facilitando el cálculo del producto
interno , que en términos físicos determina la amplitud de probabilidad
de encontrar el sistema en un estado determinado tras una medición.
El análisis de esta notación revela que la computación cuántica es, en esencia,
una geometría de vectores unitarios. Un qubit se define como una
superposición lineal de los estados base y , expresada como:
Donde y son amplitudes de probabilidad complejas que deben satisfacer
la condición de normalización . Esta estructura vectorial
101
permite que el qubit resida en cualquier punto de la superficie de una esfera
imaginaria conocida como la esfera de Bloch, donde las rotaciones sobre los
ejes y representan las operaciones lógicas básicas del sistema.
Las puertas lógicas cuánticas, a diferencia de sus contrapartes clásicas,
se modelan como matrices unitarias que actúan sobre los vectores de estado.
La propiedad de unitariedad es crítica, ya que garantiza que las operaciones
cuánticas conserven la probabilidad total (la norma del vector) y sean
intrínsecamente reversibles (Bluvstein et al., 2024). Los currículos de
instituciones como el MIT y QuTech enfatizan que la comprensión de la
multiplicación de matrices y vectores es el punto de partida absoluto para
cualquier aspirante a ingeniero cuántico (véase la tabla 18).
Tabla 18: Operadores unitarios y la dinámica de puertas lógicas
Puerta Cuántica
Representación
Matricial
Función Lógica
Transformación en
Esfera de Bloch
Pauli-X
Negación (NOT
cuántico)
Rotación de sobre
el eje
Hadamard (H)
Creación de
superposición
Rotación de sobre
el eje
Phase Shift (P)
Modificación de fase
relativa
Rotación sobre el eje
CNOT
Matriz
Entrelazamiento
controlado
Operación sobre dos
qubits
102
El estudio detallado de estas matrices permite a los estudiantes
visualizar cómo los algoritmos manipulan la interferencia. Por ejemplo, la
puerta de Hadamard es fundamental para los algoritmos de búsqueda como
el de Grover, ya que coloca al sistema en una superposición de todos los
estados posibles, permitiendo que la computación se realice de forma paralela
en un solo paso de procesamiento.
El producto tensorial y la multiplicidad de qubits
Cuando el currículo avanza hacia sistemas de múltiples qubits, la
herramienta matemática necesaria es el producto de Kronecker o producto
tensorial. Esta operación permite construir el espacio de Hilbert de un sistema
compuesto a partir de los espacios de sus componentes individuales. Un
sistema de qubits reside en un espacio de dimensiones , lo que explica el
crecimiento exponencial de la capacidad de procesamiento cuántico frente al
lineal clásico.
Este marco algebraico es el que permite definir el entrelazamiento. Un
estado se denomina entrelazado si no puede expresarse como el producto
tensorial de los estados de sus qubits constituyentes, es decir,
. La capacidad de los estudiantes para manipular estas
estructuras tensoriales es lo que les permite comprender fenómenos como la
teletransportación cuántica y la codificación superdensa, donde la información
de un qubit se distribuye de manera no local a través de múltiples partículas
(Dejpasand y Sasani, 2023).
103
Cálculo y análisis: la evolución de la función de
onda
Si el álgebra lineal describe el estado estático de un sistema cuántico,
el cálculo diferencial y el análisis complejo describen su evolución dinámica.
La ecuación de Schrödinger es la ley fundamental que rige este cambio,
actuando como el análogo cuántico de la segunda ley de Newton.
Ecuaciones Diferenciales y el Hamiltoniano
En el currículo de física cuántica, se enseña que la evolución temporal
de un sistema aislado está determinada por el operador hamiltoniano ( ),
que representa la energía total del sistema. La ecuación de Schrödinger:
Es una ecuación diferencial parcial lineal que los estudiantes deben
aprender a resolver para diversos potenciales. El dominio del cálculo
multivariable es esencial aquí, ya que la función de onda depende tanto de
la posición como del tiempo. En programas de ingeniería como el de la UPC o
el de Illinois, se hace hincapié en la resolución de la ecuación para el pozo de
potencial infinito y el oscilador armónico simple, ya que estos modelos
proporcionan la intuición necesaria para entender los niveles de energía
discretos y los estados estacionarios.
104
La formulación de la integral de camino de Feynman
Un aspecto avanzado del currículo es la introducción de la formulación
de la integral de camino, desarrollada por Richard Feynman a partir de ideas
previas de Paul Dirac. Esta aproximación ofrece una alternativa al formalismo
de operadores de Schrödinger, basada en el cálculo de variaciones. Feynman
propuso que para calcular la amplitud de probabilidad de que una partícula
viaje de un punto a un punto , se deben sumar las contribuciones de todas
las trayectorias posibles entre ambos puntos.
Cada camino contribuye con una fase determinada por la acción clásica
del sistema, dividida por la constante de Planck reducida . Esta formulación
es pedagógicamente valiosa porque conecta directamente la mecánica
cuántica con el principio de mínima acción de la mecánica clásica. En el límite
donde la acción es mucho mayor que (el límite clásico), las fases de los
caminos no clásicos interfieren destructivamente, dejando solo el camino que
minimiza la acción, lo que permite a los estudiantes comprender cómo emerge
la física clásica desde el mundo cuántico.
Análisis complejo y espacios de funciones
La naturaleza de la función de onda como una función de valor complejo
requiere que el currículo integre el análisis complejo de manera profunda.
Conceptos como la fase global, que no es observable, frente a la fase relativa,
que causa patrones de interferencia, son centrales en el diseño de algoritmos
cuánticos. Asimismo, cuando se trabaja con sistemas continuos, los
estudiantes deben transitar del álgebra lineal de dimensiones finitas al
105
análisis funcional, donde los vectores se convierten en funciones de cuadrado
integrable dentro de un espacio . El uso de transformadas de Fourier para
pasar de la representación de posición a la de momento es una herramienta
matemática constante en el currículo, subrayando la dualidad onda-partícula
propuesta por de Broglie.
Probabilidad y estadística en el mundo de la
medida
La probabilidad en mecánica cuántica no es una herramienta para
gestionar la ignorancia del observador, sino una propiedad fundamental de la
naturaleza. Este concepto marca una ruptura radical con la estadística clásica
y requiere un enfoque pedagógico que reemplace el determinismo por el
cálculo de expectativas.
La regla de Born y las amplitudes de probabilidad
El puente entre el vector de estado abstracto y los resultados
experimentales concretos es la regla de Born, formulada por Max Born en
1926. Esta regla establece que si se mide una cantidad física asociada a un
operador autoadjunto , el resultado será uno de sus autovalores, y la
probabilidad de obtener ese valor específico es el cuadrado del valor absoluto
de la amplitud de probabilidad correspondiente.
Pedagógicamente, es crucial enseñar que la suma de los cuadrados de
estas amplitudes debe ser igual a uno, lo que refuerza el concepto de
normalización en el espacio de Hilbert. Los estudiantes de computación
106
cuántica utilizan la regla de Born para predecir el comportamiento de los
circuitos tras la aplicación de puertas de superposición, aprendiendo que el
dispositivo cuántico no devuelve un resultado determinista, sino una
distribución estadística de bits tras múltiples ejecuciones o shots.
Matrices de densidad y la gestión de estados mixtos
Cuando se estudian sistemas que interactúan con su entorno —lo que
se conoce como sistemas cuánticos abiertos— el concepto de vector de estado
puro resulta insuficiente. Los currículos avanzados introducen entonces la
matriz de densidad o operador de densidad ( ). Este formalismo permite
representar tanto la incertidumbre cuántica (superposición) como la
incertidumbre clásica (mezclas estadísticas de estados).
Una matriz de densidad se caracteriza por dos propiedades
matemáticas que los estudiantes deben verificar:
1. Traza igual a uno: lo que asegura que la suma de todas las
probabilidades posibles sea la unidad.
2. Semidefinida positiva: garantizando que los autovalores de la matriz
sean números reales no negativos, interpretables como probabilidades.
El uso de matrices de densidad es fundamental para comprender la
decoherencia, el proceso por el cual un sistema cuántico pierde sus
propiedades de superposición debido a la interacción con el entorno. A través
del cálculo de la traza parcial, los estudiantes aprenden a derivar la matriz de
densidad reducida de un subsistema, lo que les permite analizar cómo se
distribuye la información en sistemas entrelazados y cómo se manifiesta el
107
ruido en el hardware real.
Valores esperados y observables
La conexión entre el álgebra lineal y la estadística se concreta en el
cálculo de valores esperados. Para un observable representado por una
matriz hermítica, el valor promedio de las mediciones se obtiene mediante la
operación de traza. Este enfoque permite que toda la teoría de la información
cuántica se exprese en términos de operaciones de álgebra lineal sobre
matrices de densidad, eliminando la necesidad de recurrir constantemente a
funciones de onda individuales y simplificando el modelado de sistemas
complejos y ruidosos (véase la tabla 19).
Tabla 19: Valores esperados vs. Valores observados en operaciones de traza
Concepto de
Probabilidad
Aplicación en el
Currículo
Herramienta Matemática
Amplitud de Probabilidad
Cálculo de interferencias
en algoritmos
Números complejos y
fases
Regla de Born
Predicción de resultados
de medición
Norma euclidiana al
cuadrado
Estado Puro vs Mixto
Modelado de ruido y
decoherencia
Matrices de densidad y
autovalores
Traza Parcial
Descripción de
subsistemas entrelazados
Operadores lineales y
marginales
108
POVM
Medidas generalizadas y
clasificación
Operadores de medida
positivos
Lógica cuántica frente a lógica booleana
La informática clásica se fundamenta en el álgebra de Boole, una
estructura donde las variables son binarias y las operaciones siguen leyes
distributivas claras. La computación cuántica, sin embargo, requiere una
revisión de las leyes del pensamiento lógico para dar cabida a la no
conmutatividad de los observables (Kaliappan et al., 2026).
El retículo de Birkhoff y von Neumann
En su obra fundacional de 1932, John von Neumann propuso que las
proposiciones sobre un sistema físico pueden verse como proyecciones en un
espacio de Hilbert. Junto con Garrett Birkhoff, demostró en 1936 que mientras
la lógica clásica forma un álgebra de Boole (un retículo distributivo), la lógica
de los experimentos cuánticos forma un retículo ortomodular donde la
distributividad falla.
Este fallo de la distributividad:
Es lo que permite que el sistema cuántico soporte estados de
superposición que no tienen sentido en la lógica clásica. Pedagógicamente,
esta distinción es vital para que los estudiantes de ciencias de la computación
109
entiendan por qué no pueden aplicar el razonamiento condicional tradicional
a qubits entrelazados sin precaución. La lógica cuántica se enseña como un
sistema donde la medición de una disyunción no implica necesariamente la
medición de uno de sus componentes, reflejando el principio de incertidumbre
de Heisenberg (Dejpasand y Sasani, 2023).
Reversibilidad y puertas universales
Una consecuencia matemática directa de la unitariedad de los
operadores cuánticos es que todas las puertas lógicas cuánticas son
reversibles. Esto representa un cambio drástico respecto a las puertas clásicas
como NAND o XOR, que son irreversibles por naturaleza ya que no permiten
reconstruir la entrada a partir de la salida.
El currículo introduce la puerta de Toffoli (CCNOT) como un ejemplo de
puerta reversible universal que puede implementar cualquier función
booleana clásica si se añaden bits auxiliares o ancillas. El estudio de la
reversibilidad enseña a los estudiantes que, en principio, la computación
cuántica no consume energía por borrado de información, vinculando la lógica
con la termodinámica de la computación (véase la tabla 20).
Tabla 20: Comparación matemática de sistemas lógicos
Atributo Lógico
Sistema Booleano Clásico
Sistema Lógico Cuántico
Estructura Algebraica
Álgebra de Boole
(Distributiva)
Retículo Ortomodular (No
distributivo)
Representación de Estados
Subconjuntos del espacio de
Subespacios cerrados del
espacio de Hilbert
110
fases
Conmutatividad
Todas las magnitudes
conmutan
Las magnitudes pueden no
conmutar
Operaciones lógicas
AND, OR, NOT, NAND
Unitarias (U), Hadamard,
CNOT
Valor de Verdad
Bivalente (Verdadero/Falso)
Basado en probabilidad y
superposición
Integración curricular: benchmarks y
estructuras de programas
El análisis de los currículos globales muestra una convergencia hacia
un modelo híbrido que equilibra la teoría matemática con la implementación
práctica en plataformas de nube.
El Modelo de Stanford y la Universidad de Oxford
Stanford estructura su formación matemática de manera que los
estudiantes de computación cuántica deben cursar álgebra lineal avanzada,
cálculo multivariable y probabilidad para científicos de la computación
(CS109) como prerrequisitos. El curso CS259Q sobre Computación Cuántica
aborda temas como la simulación del Hamiltoniano, circuitos estabilizadores
y el teorema de Gottesman-Knill, lo que requiere un manejo fluido de las
estructuras algebraicas discretas.
Por otro lado, Oxford ofrece una formación que vincula la lógica y la
111
prueba con la computación cuántica desde el segundo año. Los estudiantes
eligen opciones como Teoría Cuántica en el departamento de matemáticas e
Información Cuántica en el de ciencias de la computación. Esta división
permite que el estudiante aborde tanto los fundamentos analíticos (análisis
complejo, espacios métricos) como los algorítmicos (modelos de computación,
verificación formal).
La propuesta de QuTech y la Universidad de Delft
QuTech Academy ha diseñado un currículo que se extiende desde el
nivel de bachillerato hasta el máster y el desarrollo profesional. Su enfoque se
centra en la Escuela de Cuántica, que introduce a los estudiantes en el
desarrollo de hardware y algoritmos simultáneamente. Un aspecto destacado
de su oferta es el curso de Corrección de Errores Cuánticos y Algoritmos, que
entrena a los estudiantes en las últimas técnicas de compilación cuántica y
arquitecturas tolerantes a fallos. El currículo de QuTech es notable por su
equilibrio entre la física de dispositivos (superconductores, átomos neutros) y
las herramientas matemáticas de alto nivel necesarias para la corrección de
errores.
El enfoque de la UNAM y la educación en América Latina
La UNAM, a través de su Escuela de Cómputo Cuántico, ofrece un
programa orientado a la práctica con herramientas de código abierto como
Qiskit. Los requisitos mínimos incluyen álgebra lineal a nivel de licenciatura
(vectores, eigenvalores, cambio de base) y una revisión exhaustiva de las
puertas lógicas clásicas y circuitos sumadores. Este enfoque es
pedagógicamente efectivo para estudiantes de ingeniería y actuaría, ya que
112
utiliza la programación en Python y los Jupyter Notebooks para visualizar
conceptos abstractos como la esfera de Bloch y el entrelazamiento de Bell
(véase la tabla 21).
Tabla 21: Enfoque de universidades en cursos de cómputo cuántico
Institución
Curso Clave
Temas
Matemáticos
Tratados
Proyecto Típico
UCLA
QNT SCI 402
Evolución de
matrices de
densidad, entropía
Simulación de
decoherencia
Illinois
PHYS 498
Dualidad onda-
partícula, bra/ket,
sensing
Algoritmo de Grover
desde cero
Chicago
Quantum
Networking
Probabilidad
condicional, Bell
states
Implementación de
BB84 en Qiskit
UPC
CCQ
Postulados de física
cuántica, RSA vs
Shor
Simulación de
protocolos BB84 y
B92
UIC
ECE 394
Procesos
estocásticos para
ingenieros
Análisis de ruido en
hardware real
113
Desafíos matemáticos en la corrección de
errores cuánticos (QEC)
La corrección de errores es actualmente el cuello de botella para la
computación cuántica práctica. A diferencia de los bits clásicos, los qubits no
pueden ser copiados debido al teorema de no clonación, lo que invalida las
estrategias de redundancia simple. El currículo moderno debe, por tanto,
enseñar códigos que utilicen el entrelazamiento para detectar y corregir
errores de forma no invasiva (Google Quantum AI and Collaborators, 2025).
Códigos de estabilizador y álgebra sobre campos finitos
El formalismo de los estabilizadores, central en la enseñanza de QEC,
utiliza el álgebra lineal sobre el cuerpo finito para describir las
operaciones de error. Los estudiantes aprenden que un error puede verse
como una matriz de Pauli ( o ) que actúa sobre un qubit físico. El objetivo
del código de corrección es codificar un qubit lógico en un subespacio de un
sistema mayor de qubits físicos, de tal manera que el error mueva el estado a
un subespacio ortogonal detectable mediante mediciones de síndrome que no
revelan la información codificada.
El código de superficie y la topología
El código de superficie es actualmente el protocolo más prometedor
debido a su alto umbral de tolerancia a fallos. Su enseñanza requiere nociones
de topología y geometría en dos dimensiones, ya que los qubits se disponen
en una red donde las comprobaciones de paridad se realizan localmente
114
(Zhang y Chen, 2026). Los avances de 2025 de empresas como Google (chip
Willow) y IBM muestran que el dominio de estos códigos permite reducir
exponencialmente la tasa de error a medida que aumenta el número de qubits,
un concepto matemático fundamental que los estudiantes deben asimilar para
trabajar en el diseño de hardware.
El papel del aprendizaje por refuerzo en QEC
Una tendencia emergente identificada en 2025 es el uso del aprendizaje
por refuerzo (RL) para optimizar la corrección de errores en tiempo real. Los
currículos están empezando a integrar técnicas de inteligencia artificial para
entrenar decodificadores que identifiquen patrones de error complejos y
ajusten los parámetros del procesador automáticamente (Baioletti et al.,
2025). Este cruce entre la estadística cuántica y el aprendizaje automático
representa una de las fronteras más activas de la formación actual, donde el
ordenador cuántico aprende de sus propios errores para mejorar su
estabilidad operativa.
Pedagogía 5.0 y el futuro de la educación
cuántica
El desafío de enseñar conceptos que desafían la intuición clásica ha
llevado al desarrollo de marcos pedagógicos innovadores. La Pedagogía
Cuántica utiliza los propios principios de la mecánica cuántica —como la
superposición de ideas y el entrelazamiento de conocimientos— como
metáforas para crear entornos de aprendizaje altamente adaptativos y
personalizados (Espinosa, 2024).
115
Hiperpersonalización mediante algoritmos cuánticos
El concepto de Educador 5.0 propone el uso de potencia computacional
cuántica para modelar la diversidad cognitiva de los estudiantes. Mediante
simulaciones que analizan cómo diferentes perfiles (incluyendo estudiantes
neurodiversos) procesan la información, los sistemas educativos pueden
ajustar el ritmo y el andamiaje de manera predictiva. Esta tendencia sugiere
que el currículo cuántico no solo enseñará sobre cuántica, sino que será
gestionado por ella.
Alfabetización cuántica desde la educación secundaria
Instituciones como QuTech y diversas universidades están impulsando
la integración de la alfabetización cuántica en la educación secundaria. El
objetivo es familiarizar a los estudiantes con conceptos de superposición y
entrelazamiento mediante juegos cuánticos y simulaciones visuales antes de
que su pensamiento se vea limitado por la lógica puramente clásica. Esta
exposición temprana es vital para construir una fuerza laboral capaz de operar
en las industrias de ciberseguridad, finanzas y medicina, que se verán
transformadas por la ventaja cuántica.
El cambio de un enfoque teórico a uno basado en proyectos
Los informes indican que los programas exitosos están abandonando el
modelo de lecciones magistrales puras en favor de proyectos multisemana
donde los estudiantes deben programar, simular y entender la física de
sistemas reales. Proyectos que abarcan desde el diseño de clasificadores
cuánticos variacionales hasta la implementación de protocolos de distribución
116
de claves cuánticas (QKD) permiten que las herramientas matemáticas dejen
de ser abstractas y se conviertan en instrumentos de ingeniería prácticos.
Perspectiva histórica y filosófica: la ontología
del currículo
La formación en computación cuántica no puede divorciarse de su
contexto histórico y filosófico. El paso de la lógica aristotélica, basada en una
ontología de entidades estáticas, a una lógica cuántica basada en la potentia
o posibilidad es una transición que los currículos deben abordar para
proporcionar una comprensión profunda del campo.
Mientras que la lógica clásica es la lógica de una mente omnisciente
donde cada afirmación está decidida semánticamente, la lógica cuántica es la
lógica de la interacción y la medida. Esta perspectiva permite a los estudiantes
apreciar que la computación cuántica no es solo un acelerador de cálculos,
sino una forma diferente de interrogar a la naturaleza (Kaliappan et al., 2026).
Autores como von Neumann y Heisenberg, cuyas obras siguen siendo pilares
en las listas de lectura, proporcionaron la base para entender que la función
de onda no es una propiedad física en el sentido tradicional, sino una densidad
de probabilidad que representa lo que el sistema podría ser.
Ahora bien, el currículo de la computación cuántica en la actualidad
representa una de las síntesis más ambiciosas del conocimiento humano. Al
integrar el rigor absoluto del álgebra lineal y el cálculo con la flexibilidad
probabilística de la estadística y la lógica no distributiva, estos programas
están forjando una nueva clase de profesionales. La madurez de la industria
117
en 2025, con hitos en la corrección de errores y la escalabilidad de qubits,
confirma que la inversión en esta infraestructura matemática es la única vía
para desbloquear las promesas de la computación del siglo XXI (Google
Quantum AI and Collaborators, 2025). La formación del futuro será
necesariamente híbrida, práctica y fundamentada en un dominio exhaustivo
de las herramientas matemáticas que rigen el microcosmos.
118
Conclusión
A partir del análisis exhaustivo del estado del arte, el mapeo de
experiencias curriculares internacionales y la evaluación de modelos de
formación, el estudio concluye lo siguiente:
i. La incorporación de la computación cuántica en la educación
superior se encuentra en una etapa de transición y asimetría.
Mientras que en el nivel de posgrado se observa la consolidación de
maestrías especializadas e itinerarios de investigación dedicados, en
el nivel de pregrado la integración es mayoritariamente periférica,
aislada en asignaturas optativas de los últimos semestres o
restringida a grupos de estudio extracurriculares. Persiste una
brecha notable entre la formación teórica abstracta (física pura) y la
formación aplicada de desarrollo informático, lo que dificulta la
adopción masiva en carreras de ingeniería y tecnología.
ii. La enseñanza efectiva de la computación cuántica requiere superar
el sesgo exclusivamente conceptual mediante la adopción del
aprendizaje basado en la práctica (hands-on) y la simulación. La
integración de plataformas de acceso abierto en la nube (como IBM
Quantum Experience, Qiskit, Cirq y Azure Quantum) e interfaces de
visualización interactiva ha demostrado ser la estrategia pedagógica
más eficaz. Esto permite a los estudiantes manipular qubits,
construir circuitos cuánticos y ejecutar algoritmos en procesadores
reales o simuladores sin necesidad de una infraestructura de
hardware local de alto costo.
iii. Estructuralmente, el modelo más viable para la educación
119
universitaria no exige la creación inmediata de nuevas carreras
completas de pregrado, sino una estrategia de integración gradual
y modular:
• Nivel básico (infusión transversal): Reorganización de asignaturas
fundamentales existentes (como Álgebra Lineal, Estructura de Datos y
Probabilidad) para incorporar notación de Dirac, espacios de Hilbert y
conceptos de información cuántica.
• Nivel intermedio (módulos y optativas): Creación de asignaturas
electivas interdepartamentales sobre algoritmos cuánticos y
programación.
• Nivel avanzado (concentraciones y microcredenciales): Diplomas,
minores académicos y maestrías orientadas a la resolución de
problemas de optimización, criptografía y Quantum Machine Learning.
iv. La consolidación de esta disciplina demanda la ruptura de los silos
departamentales tradicionalmente rígidos. La estrategia clave
radica en el diseño de codirecciones docentes y comités curriculares
mixtos constituidos por los departamentos de Física, Matemática y
Ciencia de la Computación / Ingeniería. Solo la convergencia de
estas tres áreas garantiza que el estudiante comprenda tanto los
principios físicos subyacentes como la abstracción algorítmica y la
aplicación industrial.
En función de los hallazgos de este estudio, se formulan las siguientes
recomendaciones dirigidas a decanos, directores de programa, comités de
acreditación y cuerpo docente:
Para la gestión académica y directiva
• Diseñar marcos curriculares flexibles y modulares: Promover la
120
creación de minors, microcredenciales y concentraciones temáticas en
tecnologías cuánticas que puedan adaptarse rápidamente a los cambios
del entorno tecnológico sin pasar por reformas curriculares
burocráticas y prolongadas.
• Fomentar alianzas con el ecosistema industrial y tecnológico:
Establecer convenios de colaboración con empresas del sector
informático, redes académicas e iniciativas globales de computación
cuántica que faciliten el acceso a crédito de procesamiento en la nube,
mentorías y proyectos aplicados de fin de carrera.
Para el cuerpo docente y el diseño instruccional
• Actualizar las asignaturas de tronco común: Rediseñar los sílabos de
álgebra lineal y matemáticas discretas para incluir ejemplos prácticos
aplicados a puertas cuánticas y matrices de densidad desde los
primeros semestres de ingeniería y ciencias.
• Adoptar metodologías activas y laboratorios virtuales: Fundamentar la
enseñanza en el análisis de casos reales (criptografía poscuántica,
optimización logística, simulación molecular) utilizando entornos de
desarrollo en Python e interfaces gráficas interactivas.
Para la política de investigación y formación docente
• Capacitación docente transdisciplinaria: Implementar programas
institucionales de formación continua para profesores de computación
en fundamentos de física cuántica y para profesores de física en
ciencias de la computación e ingeniería de software.
• Creación de semilleros y laboratorios interdepartamentales: Promover
la creación de espacios de investigación estudiantil donde converjan
alumnos de distintas disciplinas para abordar problemas complejos
121
mediante enfoques computacionales clásicos y cuánticos.
La computación cuántica ya no representa una especulación teórica de
la física del futuro, sino un paradigma científico y tecnológico en plena
consolidación. Las universidades que asuman hoy el reto de adaptar sus
estructuras pedagógicas e interdisciplinarias no solo cerrarán la brecha de
talento humano que demanda la industria, sino que posicionarán a sus
comunidades académicas como referentes activos en la nueva revolución de la
información.
En el ámbito académico, la computación cuántica desafía los modelos
tradicionales de organización disciplinar. Históricamente, los planes de estudio
en Ciencia de la Computación, Ingeniería y Física han operado en silos
departamentales rígidos: la física cuántica se reserva a los programas de física
pura, mientras que los programas de computación enfocan su modelo en la
lógica clásica binaria y las arquitecturas Von Neumann.
En conclusión, esta fragmentación epistémica dificulta que un
estudiante de ingeniería acceda a los fundamentos físicos de la información o
que un estudiante de física desarrolle competencias avanzadas de diseño de
software y complejidad algorítmica. Justificar la integración de la computación
cuántica en el currículo universitario implica proponer un modelo
interdisciplinario y transdisciplinario genuino, donde el álgebra lineal, la
mecánica cuántica y la teoría de la información converjan en un marco
pedagógico coherente y accesible desde etapas tempranas de la formación
profesional.
122
Bibliografía
Baioletti, M., Fagiolo, F., Loglisci, C., Losavio, V. N., Oddi, A., Rasconi, R., &
Gentili, P. L. (2025). Quantum Artificial Intelligence: Some Strategies and
Perspectives. AI, 6(8), 175. https://doi.org/10.3390/ai6080175
Bartusik-Aebisher, D., Justin Raj, DR, & Aebisher, D. (2026). Inteligencia
artificial en el diagnóstico médico: fundamentos, aplicaciones clínicas y
direcciones futuras. Applied Sciences, 16 (2), 728.
https://doi.org/10.3390/app16020728
Bin, C., Xiu-Ha, D., Xiu, Yu, H., Guangchong, H., Peihao, H., Jun, L., Ben-Chuan,
L., Dawei, L., Yao, L., Chudan, Q, Hui, W., Tao, X., Shi, Y., Man-Hong, Y., Junkai,
Z., Song, Z., Youpeng, Z., Xinhua, P., Franco, N., & Dapeng, Y.. (2023). Ruidosas
computadoras cuánticas de escala intermedia. Frente. Física, 18(2), 21308
https://doi.org/10.1007/s11467-022-1249-z
Bluvstein, D., Evered, S.J., Geim, A.A. et al. (2024). Logical quantum processor
based on reconfigurable atom arrays. Nature, 626, 58–65.
https://doi.org/10.1038/s41586-023-06927-3
Castrillón, J., Freire Jr., O., & Rodríguez, B. (2014). Mecánica cuántica
fundamental, una propuesta didáctica. Revista Brasileira De Ensino De Física,
36(1), 1–12. https://doi.org/10.1590/S1806-11172014000100023
Chow J.C.L. (2024). Quantum Computing in Medicine. Medical sciences (Basel,
Switzerland), 12(4), 67. https://doi.org/10.3390/medsci12040067
Dejpasand, M.T., & Sasani Ghamsari, M. (2023). Research Trends in Quantum
Computers by Focusing on Qubits as Their Building Blocks. Quantum
Reports, 5(3), 597-608. https://doi.org/10.3390/quantum5030039
Esho, E.O., Akinyelu, A.A. & Dinis, M.A.P. (2026) Sustainable generative AI and
123
quantum computing: review assessment on the environmental impact of
generative AI and quantum technologies. Front. Sustain. 7, 1726832.
https://doi.org/10.3389/frsus.2026.1726832
Espinosa Cevallos, P.A. (2024). Pedagogía cuántica: aplicaciones de
computación cuántica en educación personalizada. Revista Científica
Kosmos, 3(2), 170-186. https://doi.org/10.62943/rck.v3n2.2024.131
Gokhale, S.S., Dhote, R.R. & Delhibabu, R. (2026). A review of quantum machine
learning algorithms, applications, and emerging advantages. Discov
Computing. 29, 226. https://doi.org/10.1007/s10791-026-10085-1
Google Quantum AI and Collaborators (2025). Quantum error correction below
the surface code threshold. Nature, 638, 920–926.
https://doi.org/10.1038/s41586-024-08449-y
Gouba, L. (2025). Role of Qubits in Quantum Entanglement and Quantum
Teleportation. Mathematics, 13(17), 2857.
https://doi.org/10.3390/math13172857
Grigera, J., & Nava, A. (2021). El futuro del trabajo en América Latina: crisis,
cambio tecnológico y control. El Trimestre Económico, 88(352), 1011–1042.
https://doi.org/10.20430/ete.v88i352.1242
Hailan, M., Bo, Q., Ian, R., Petersen, Re-Bing W., Herschel, R., & Daoyi, D. (2025).
Machine learning for estimation and control of quantum systems. National
Science Review, 12, 8. https://doi.org/10.1093/nsr/nwaf269
Kaliappan, T., Ratnaparkhi, P., Raj, R., Pujari, M., & Venukanti, S.A. (2026).
Mapeo de la evolución de la computación cuántica en la educación: Un análisis
bibliométrico de las tendencias de investigación globales (2011–
2025). European Journal of Educational Research, 15 (3), 979-994.
https://doi.org/10.12973/eu-jer.15.3.979
124
La Cour, B. (2023). Advances in Quantum Computing. Entropy, 25(12), 1633.
https://doi.org/10.3390/e25121633
López-Meneses, E., Cáceres-Tello, J., Galán-Hernández, J.J., & López-Catalán,
L. (2025). Quantum Computing in Data Science and STEM Education: Mapping
Academic Trends and Analyzing Practical Tools. Computers, 14(6), 235.
https://doi.org/10.3390/computers14060235
Malatji, M., & Tolah, A. (2025). Dimensiones de la ciberseguridad en
inteligencia artificial (IA): un marco integral para comprender la IA adversaria
y ofensiva. AI Ethics, 5, 883–910. https://doi.org/10.1007/s43681-024-00427-
4
Marchetti, L., Nifosì, R., Martelli, P. L., Da Pozzo, E., Cappello, V., Banterle, F.,
Trincavelli, M. L., Martini, C., & D'Elia, M. (2022). Quantum computing
algorithms: getting closer to critical problems in computational
biology. Briefings in bioinformatics, 23(6), bbac437.
https://doi.org/10.1093/bib/bbac437
Martínez, C.E.P., Gómez, M.J., Borchardt, M., & Garzón, M. (2022). Hacia un
currículum emancipador de las Ciencias de la Computación. Revista
Latinoamericana de Economía Y Sociedad Digital, 3.
https://doi.org/10.53857/LBUS5649
Memon, Q.A., Al Ahmad, M., & Pecht, M. (2024). Quantum Computing:
Navigating the Future of Computation, Challenges, and Technological
Breakthroughs. Quantum Reports, 6(4), 627-663.
https://doi.org/10.3390/quantum6040039
Mero-Terán, L., & Macías-Arias, E. (2025). Modelos tecnológicos de
computación en la nube en la transformación digital de la educación superior:
Una Revisión Sistemática de Literatura. Digital Publisher CEIT, 10(1), 29-53.
125
https://doi.org/10.33386/593dp.2025.1.2704
Nguyen, N.-A.-T., Wang, C.-N., & Dang, T.-T. (2025). Advanced Process
Optimization in Logistics and Supply Chain Management. Processes, 13(6),
1864. https://doi.org/10.3390/pr13061864
Pandey, T.N., Ravalekar, V., Nair, S.D. et al. (2025). A comparative analysis of
classical machine learning models with quantum-inspired models for
predicting world surface temperature. Sci Rep, 15, 28443.
https://doi.org/10.1038/s41598-025-12515-4
Pyzer-Knapp, E.O., Pitera, J.W., Staar, P.W.J. et al. (2022). Aceleración del
descubrimiento de materiales mediante inteligencia artificial, computación de
alto rendimiento y robótica. npj Comput Mater, 8, 84.
https://doi.org/10.1038/s41524-022-00765-z
Qerimi, L., Malone, S., Rexigel, E. et al (2025). Exploración de los mecanismos
de las representaciones de cúbits e introducción de un nuevo sistema de
categorías para representaciones visuales: resultados de evaluaciones de
expertos. EPJ Quantum Technol. 12, 45.
https://doi.org/10.1140/epjqt/s40507-025-00346-1
Rath, M., & Date, H. (2024). Quantum data encoding: a comparative analysis
of classical-to-quantum mapping techniques and their impact on machine
learning accuracy. EPJ Quantum Technol. 11, 72.
https://doi.org/10.1140/epjqt/s40507-024-00285-3
Ruíz Cortez, P. (2026). Ciberseguridad financiera: retos para empresas en la
era de la digitalización. Revista Social Fronteriza, 6(1), e–1001.
https://doi.org/10.59814/resofro.2026.6(1)1001
Sergey, B., Oliver Dial, J.M. Gambetta, D.G., Zaira, N. (2022). The future of
quantum computing with superconducting qubits. J. Appl. Phys., 28, 132(16):
126
160902. https://doi.org/10.1063/5.0082975
Shahen, M.E., Otaify, M., Mohamed, H.A., & Rady, A. (2026). Efecto de la
conciencia ESG en las decisiones de inversión sostenible: un estudio
experimental. Journal of Risk and Financial Management, 19(6), 427.
https://doi.org/10.3390/jrfm19060427
Shamsuddoha, M., Khan, E.A., Chowdhury, M.M.H., & Nasir, T. (2025).
Revolutionizing Supply Chains: Unleashing the Power of AI-Driven Intelligent
Automation and Real-Time Information Flow. Information, 16(1), 26.
https://doi.org/10.3390/info16010026
Shreya, B., Singh, S., & Singh, N.L. (2026). Superconducting Qubits in Quantum
Electronics. In: Yadav, S., Rab, S., Arya, Y., Singh, H., Agarwal, R., Walter, S.
(eds) Handbook of Electronic Devices and Materials. Springer, Singapore.
https://doi.org/10.1007/978-981-96-8867-8_30-1
Sun, Q., Zhou, S., Chen, R. et al. (2024). De la computación a la mecánica
cuántica: educación accesible y práctica en computación cuántica para
estudiantes de secundaria. EPJ Quantum Technol. 11, 58.
https://doi.org/10.1140/epjqt/s40507-024-00271-9
Yang, H., & Kim, N.Y. (2023). Material-Inherent Noise Sources in Quantum
Information Architecture. Materials, 16(7), 2561.
https://doi.org/10.3390/ma16072561
Zadid, A.L., Sulyman, I.S., Alamgir, K., Arif, M., Atiq, U.R., & Amine, B. (2026).
Quantum machine learning in predictive maintenance: A comprehensive state-
of-the-art review, Computers and Electrical Engineering. 139, Part A, 111374.
https://doi.org/10.1016/j.compeleceng.2026.111374
Zhang, F., & Chen, J. (2026). The Hitchhiker’s Guide to the Surface
Code. Entropy, 28(2), 251. https://doi.org/10.3390/e28020251
127
De esta edición de “Computación cuántica en el currículo
universitario”, se terminó de editar en la ciudad de Colonia del
Sacramento en la República Oriental del Uruguay el 10 de abril
de 2026
128
Editorial Mar Caribe
Computación cuántica en el currículo universitario
ISBN: 978-9915-698-89-2
Colonia, Uruguay
Abril, 2026
