La computaci\u00f3n cu\u00e1ntica y la inteligencia artificial suelen aparecer juntas en titulares grandiosos. La relaci\u00f3n real es m\u00e1s espec\u00edfica. Los sistemas cu\u00e1nticos podr\u00edan ayudar en ciertos problemas de optimizaci\u00f3n, qu\u00edmica o simulaci\u00f3n; la IA puede ayudar a calibrar hardware, corregir ruido y buscar mejores experimentos.<\/p>\n
Ninguna de las dos tecnolog\u00edas convierte cualquier c\u00e1lculo en algo instant\u00e1neo. Los algoritmos cu\u00e1nticos necesitan problemas adecuados y m\u00e1quinas con suficiente calidad. Los modelos de IA necesitan datos, objetivos y evaluaci\u00f3n.<\/p>\n
Pregunta qu\u00e9 problema se resolvi\u00f3, contra qu\u00e9 m\u00e9todo cl\u00e1sico se compar\u00f3, cu\u00e1nto del proceso ocurri\u00f3 en hardware cu\u00e1ntico y si el resultado puede repetirse. \u00abVentaja\u00bb en una tarea dise\u00f1ada para el experimento no significa ventaja comercial general.<\/p>\n
La oportunidad m\u00e1s cercana est\u00e1 en la colaboraci\u00f3n entre disciplinas. Qu\u00edmica, materiales, energ\u00eda y log\u00edstica pueden beneficiarse, pero el valor vendr\u00e1 de casos estrechos y verificables, no de una computadora universal que adivina el futuro.<\/p>\n