Artículo: Validación y evaluación de calidad en una arquitectura híbrida cuántico-clásica: estudio aplicado a clasificación de señales EEG
Archivos
Fecha
Editor
Publicado en
Licencia Creative Commons
Resumen
La ingeniería de software cuántico no solo exige modelos que funcionen bien, sino también prácticas sistemáticas que aseguren la reproducibilidad, una validación rigurosa y la calidad del software. Este trabajo presenta el diseño y la implementación de una arquitectura híbrida cuántico-clásica para clasificar señales de electroencefalograma (EEG) en tres estados mentales, documentando de manera clara todo el proceso: normalización Z-score, reducción de dimensionalidad mediante PCA, codificación en un circuito variacional de 6 qubits, entrenamiento en dos fases y validación cruzada estratificada (k = 3). El modelo logró una precisión promedio de 0.7574 ± 0.0344 y un F1-score de 0.7561 ± 0.0454, mostrando resultados competitivos en comparación con el estado del arte. Además del rendimiento, se presentan métricas de estabilidad y costo computacional, evidenciando la diferencia entre el entrenamiento clásico (aproximadamente 9 segundos por época) y el ajuste cuántico (alrededor de 9 minutos por época). Estos resultados subrayan la importancia de contar con marcos metodológicos rigurosos para el desarrollo de software cuántico aplicado a bioseñales.


