Investigadores han desarrollado un marco unificado para algoritmos cuánticos variacionales (VQA) aplicados a las incrustaciones de grafos de conocimiento, proponiendo una nueva variante que reduce los requisitos de hardware. Los VQA combinan circuitos cuánticos con optimización clásica para abordar problemas que podrían beneficiarse del hardware cuántico actual (NISQ). En el contexto de las incrustaciones de grafos de conocimiento, las propuestas existentes difieren en la función de puntuación y el número de cúbits necesarios. Este nuevo enfoque busca mejorar la eficiencia y la interpretabilidad en estos sistemas.

Las arquitecturas previas para incrustaciones de grafos de conocimiento en VQA utilizaban dos diseños principales. Uno empleaba $n+1$ cúbits y obtenía la puntuación mediante una prueba de conmutación en un cúbit auxiliar. El otro utilizaba $2n+1$ cúbits y aplicaba una prueba de intercambio entre dos registros. En ambos casos, las entidades y relaciones se representaban en un espacio de Hilbert de dimensión $d = 2^n$, con un coste computacional comparable y la misma función de pérdida de error cuadrático medio. El nuevo trabajo unifica estos esquemas y permite explorar alternativas.

La principal contribución es una variante que mantiene el significado intuitivo de la función de puntuación, pero prescinde de cúbits auxiliares y de mediciones entrelazadas. Este diseño resulta en un modelo más adecuado para los dispositivos NISQ actuales, ya que reduce significativamente las demandas de hardware sin sacrificar la interpretabilidad de los resultados. Esta optimización es crucial para el desarrollo de aplicaciones prácticas de la computación cuántica en el procesamiento de información estructurada.