Jacob Biamonte

Jacob Daniel Biamonte es un físico e informático estadounidense especializado en teoría de la información cuántica y computación cuántica . Es profesor en la Universidad de Quebec , en la Escuela Superior de Tecnología (ÉTS), donde ostenta la Cátedra Principal de Investigación en Computación Cuántica del Ministerio de Educación, Innovación y Habilidades de Quebec (MEIE).

Biamonte es conocido por sus contribuciones a la teoría de la computación cuántica, incluyendo resultados sobre modelos universales de computación cuántica adiabática ^{[ 1 ]} y la universalidad de la computación cuántica variacional ^{[ 2 ]} . Su trabajo también incluye contribuciones al aprendizaje automático cuántico ^{[ 3 ]} y el desarrollo de formalismos gráficos y de redes tensoriales para la computación cuántica ^{[ 4 ] .}

La investigación de Biamonte se centra en la estructura matemática y física de la computación cuántica , y sus resultados identifican modelos computacionales universales y sus limitaciones. Su trabajo aborda cómo se representan y comparan los procesos cuánticos, incluyendo formalismos gráficos y categóricos para circuitos cuánticos y redes tensoriales , ^{[ 5 ] [ 6 ]} simulación cuántica de sistemas físicos, ^{[ 7 ]} y análisis de la dinámica cuántica en redes complejas desde la perspectiva de la teoría de la información . ^{[ 8 ]}

Su trabajo inicial estableció los modelos universales experimentalmente relevantes de computación cuántica adiabática al demostrar la completitud QMA de hamiltonianos dispersos y físicamente realizables , lo que ayudó a esclarecer la relación entre la física del estado fundamental y la universalidad computacional . ^{[ 1 ]}

Posteriormente, demostró que los algoritmos cuánticos variacionales de alimentación directa pueden simular eficientemente la computación cuántica universal, estableciendo el modelo variacional como computacionalmente universal en el entorno tolerante a fallos . ^{[ 9 ]} Trabajos relacionados analizaron las limitaciones del entrenamiento variacional, incluyendo déficits de alcanzabilidad, concentración de parámetros y efectos de saturación del entrenamiento. En términos de entrenamiento de circuitos, Biamonte también ha contribuido al desarrollo del aprendizaje automático cuántico , ayudando a conectar algoritmos cuánticos , teoría del aprendizaje y aplicaciones basadas en datos. ^{[ 10 ]}

Otro tema importante en su trabajo es la teoría de redes tensoriales . Desarrolló formulaciones de redes tensoriales para problemas de satisfacibilidad y conteo booleanos , mostrando cómo se puede analizar la complejidad computacional a través de la estructura de contracción tensorial y métodos gráficos. ^{[ 11 ]} También desarrolló formalismos categóricos y gráficos de redes tensoriales que extienden las representaciones diagramáticas de circuitos cuánticos a sistemas de dimensiones superiores, incluyendo cúdits, y establece formas normales algebraicas para estados y procesos cuánticos. ^{[ 6 ] [ 5 ]}

Además de los modelos fundamentales, Biamonte ha contribuido a los algoritmos cuánticos para la simulación de sistemas físicos. Su trabajo sobre la complejidad computacional de la simulación de la estructura electrónica ayudó a esclarecer los requisitos de recursos para la química cuántica y las aplicaciones de materiales. ^{[ 7 ]}

En un sentido más amplio, su investigación vincula la física matemática , la informática teórica y la información cuántica a través de representaciones algebraicas, gráficas y computacionales de procesos cuánticos.

Biamonte recibió un doctorado en Ciencias de la Computación de la Universidad de Oxford en 2010. ^{[ 12 ]} En 2022, defendió una tesis doctoral en Ciencias Físicas y Matemáticas (D.Sc.) en Física Matemática en el Instituto de Física y Tecnología de Moscú . ^{[ 13 ]}

Biamonte recibió la Medalla USERN en Ciencias Formales en 2018. ^{[ 14 ]} Fue elegido miembro del Instituto de Física en 2023.

• Publicaciones de Jacob Biamonte indexadas por Google Académico
• Sitio web personal