Técnicas Quantum-Inspired en Tensor Networks para Contextos Industriales
Alejandro Mata Ali, Iñigo Perez Delgado, Aitor Moreno Fdez. de Leceta
TL;DR
El documento evalúa la aplicabilidad de técnicas cuántico‑inspiradas basadas en redes tensoriales para contextos industriales, mediante una revisión de literatura y una clasificación de casos de uso. Propone que estructuras como $MPS$, $MPO$ y variantes como $TTOpt$ permiten representar de forma eficiente estados y operaciones de gran dimensionalidad, facilitando desde compresión de modelos y kernels de alta dimensión hasta optimización combinatoria y análisis de datos. Los hallazgos destacan beneficios en áreas como finanzas, medicina, materiales y logística, junto con limitaciones relacionadas con el tamaño de enlace $b$, escalabilidad y necesidad de aproximaciones para problemas NP-hard. En conjunto, el trabajo propone que las TN cuántico‑inspiradas ofrecen una vía práctica y escalable para abordar problemas industriales complejos sin depender de hardware cuántico universal, abriendo puertas a soluciones más eficientes en tiempo y memoria.
Abstract
In this paper we present a study of the applicability and feasibility of quantum-inspired algorithms and techniques in tensor networks for industrial environments and contexts, with a compilation of the available literature and an analysis of the use cases that may be affected by such methods. In addition, we explore the limitations of such techniques in order to determine their potential scalability.
