60 artículos
Este trabajo propone un marco basado en la ingeniería de sistemas y la modelización de variabilidad para gestionar la evolución de las arquitecturas de redes de distribución de claves cuánticas, facilitando su integración con infraestructuras clásicas y garantizando la seguridad ante las amenazas de la computación cuántica.
Este estudio presenta un sistema innovador basado en visión por computadora que clasifica la distracción y el deterioro de los conductores mediante la observación externa, utilizando detección de objetos y análisis de trayectoria para identificar comportamientos inseguros sin depender de la comunicación entre vehículos.
El estudio demuestra que, aunque las máquinas de Ising estocásticas presentan tiempos de autocorrelación más largos para modelos de Heisenberg cuánticos, su capacidad de muestreo masivamente paralelo proyecta una aceleración de 100 a 10.000 veces en comparación con el muestreo Metropolis-Hastings estándar, ofreciendo una gran oportunidad para simular sistemas cuánticos complejos a mayor escala.
Este estudio presenta un enfoque sistemático para abordar los "problemas fáciles" de la conciencia mediante un sistema cognitivo ejecutable basado en la filosofía kantiana, demostrando que capacidades como la discriminación, la atención y el control deliberado pueden derivarse de mecanismos computacionales de aprendizaje, estados emocionales y manipulación de información.
Este artículo presenta un nuevo código de corrección de errores cuánticos de qutrits con una puerta AND transversal, derivado de una descomposición simétrica de circuitos interpretada como un código CSS, y explora protocolos para códigos híbridos qubit-qutrit y la distilación de estados mágicos.
Este trabajo demuestra que, aunque el blindaje electromagnético suprime las emisiones radiadas, la sonda activa de RF puede seguir explotando las variaciones de impedancia dependientes del estado para revelar información sobre la ejecución en sistemas protegidos.
Los autores presentan la computación de reservorio de dinámica espectral (SDRC), un marco hardware-eficiente basado en filtrado analógico y detección de envolvente que aprovecha las dinámicas espectrales rápidas de sistemas físicos como ondas de espín para lograr un procesamiento neuromórfico de alta velocidad con alto rendimiento en tareas de reconocimiento de voz y benchmarks matemáticos.
Este artículo propone un cambio hacia una práctica científica centrada en flujos de trabajo que integre metadatos de procesos y contextos de implementación para abordar las crisis de reproducibilidad en la convergencia de la computación clásica (HPC) y cuántica.
Este trabajo presenta una neurona superconductora programable basada en uniones Josephson que integra memoria, plasticidad de doble escala temporal y computación en memoria, logrando operaciones ultraeficientes a frecuencias de hasta 45 GHz para la próxima generación de computación neuromórfica.
Este trabajo presenta una mejora del mezclador de hipercubo en el algoritmo QAOA que reduce el número de puertas lógicas para problemas con restricciones lineales, mejorando así la robustez ante el ruido en la era NISQ.
Mediante simulaciones numéricas, este estudio demuestra que, aunque una resolución de 8 bits es suficiente para las máquinas de Ising ópticas, el uso de moduladores de 1 bit mejora significativamente su rendimiento en diversos problemas de optimización.
Este artículo de concepto propone el Sistema de Detección Adaptativa de Cráteres Planetarios Cuantizado (AQ-PCDSys), una arquitectura que integra redes neuronales cuantizadas y fusión sensorial adaptativa para superar las limitaciones de memoria y potencia de los sistemas de exploración espacial autónoma.
Este artículo explora cómo el uso de operaciones de expansión (fan-out) y qudits de dimensión cuatro puede optimizar la implementación de puertas globales en computación cuántica distribuida, ofreciendo implicaciones para la compilación de circuitos y el diseño de centros de datos cuánticos.
Este trabajo demuestra experimentalmente el aprendizaje en arrays de memristores de HfOx/Ti a escala de chip mediante algoritmos de solo avance y actualizaciones de un solo pulso por debajo de 1 V, logrando una precisión comparable a la retropropagación con un consumo energético drásticamente reducido y una estabilidad de los modelos de al menos un mes.
Este artículo presenta un enfoque híbrido que combina una formulación nativa de dígitos probabilísticos (p-dits) y restricciones de campo medio para restaurar la dispersión en máquinas de Potts, permitiendo resolver problemas de optimización con restricciones densas de manera eficiente y escalable mediante implementación en FPGA.
Este trabajo introduce los Repositorios de Módulos Certificados por Humanos (HCMR) como un modelo arquitectónico fundamental que combina supervisión humana y análisis automatizado para garantizar la confianza, la procedencia y la seguridad de los componentes de software en la era del desarrollo asistido por inteligencia artificial.
Este artículo propone un nuevo paradigma para el aprendizaje causal que integra plataformas de crowdsourcing, modelos de expertos y simulaciones con LLMs para sintetizar conocimientos fragmentados y recuperar estructuras causales globales que ningún agente individual podría descubrir por sí solo.
Este trabajo presenta un marco de co-optimización conjunta de hardware y carga de trabajo basado en un algoritmo evolutivo mejorado para diseñar arquitecturas de aceleradores de computación en memoria (IMC) generalizadas que reducen significativamente la brecha de rendimiento frente a diseños específicos de carga de trabajo, logrando disminuciones de hasta un 95,5% en el producto energía-retardo-área (EDAP) al optimizar para múltiples modelos neuronales.
Este trabajo presenta un marco de simulación basado en STIM que redefine la robustez de los códigos de superficie bajo ruido heterogéneo, demostrando que existen límites de defectividad aceptable donde qubits individuales con tasas de error físicas hasta 0,75 pueden mantenerse en la red sin degradar significativamente el rendimiento lógico, lo que sugiere que la calidad del hardware debe considerarse como un espectro en lugar de un criterio binario.
Este artículo propone un método de simulación clásica eficiente en memoria y rápido para el aprendizaje automático cuántico mediante la fusión de puertas en los caminos forward y backward, logrando mejoras sustanciales en el rendimiento y facilitando el entrenamiento de modelos a gran escala en GPUs de consumo.