La computación cuántica (CC) se ha consolidado como una tecnología esencial con un gran potencial en ciberseguridad, inteligencia artificial (IA), optimización y simulación de procesos. En particular, la CC basada en espines electrónicos se destaca por su capacidad para operar a temperaturas altas y su integración con la tecnología de semiconductores. Recientemente, las estrategias de aprendizaje de máquina han sido adaptadas a la CC, dando lugar al aprendizaje de máquina cuántico (AMC). Estas adaptaciones han mejorado la capacidad predictiva de los sistemas cuánticos al integrar múltiples capas de información y han promovido la estabilidad y fidelidad de los espines electrónicos frente al ruido cuántico. Si bien el AMC con espines es prometedor, presenta al menos tres desafíos principales. i) Se requiere integrar el modelado de algoritmos de aprendizaje a nivel de puerta y pulso, mejorando la fidelidad de las operaciones cuánticas. ii) Es preciso incluir un estudio apropiado del ruido respecto a la manipulación de espines. iii) Es pertinente plantear esquemas de entrenamiento que sean compatibles con entornos de simulación en la nube, facilitando una mayor accesibilidad y flexibilidad en la investigación y desarrollo del AMC. La presente propuesta de investigación pretende desarrollar un esquema de AMC basado en espines electrónicos. Para ello se propone una estrategia de transición del algoritmo AMC de un nivel de compuertas (gate level) a un nivel de pulsos (pulse level) utilizando el esquema data re-uploading (DRU). Además, incluye una simulación del error mediante el modelado del ruido coherente (proveniente de las señales de control) y las interacciones con el medio (decoherencia y despolarización) para realizar un estudio realista del algoritmo. Además, se pretende realizar pruebas de desempeño en una plataforma de espines, en las cuales se pueda determinar cómo las condiciones de entrenamiento y la variación de hiper parámetros del modelo afectan el desempeño del aprendizaje de máquina. Lo anterior incluye la compatibilidad con entornos de simulación en la nube. Para ello, se conforma la alianza Universidad Nacional de Colombia sede Manizales (representada por el Grupo de Control y Procesamiento Digital de Señales), la Universidad de Caldas (representada por el grupo en Inteligencia Artificial), la Universidad Nacional de Colombia sede Bogotá (representada por el profesor-asesor Fabio Gonazalez), y las empresas del sector privado DunderLab SAS e Inference SAS, como equipo científico de alto valor, con amplia experiencia en proyectos de I+D+i en IA, CC, desarrollo de software y cómputo en nube. Además, se cuenta con la vinculación y formación de estudiantes de pregrado y posgrado. La iniciativa responde a la estrategia nacional y regional de Colombia para impulsar las tecnologías convergentes e industrias 4.0, con un enfoque en la región de Caldas. Además, está en concordancia con los Objetivos de Desarrollo Sostenible (ODS) 4 y 9, promoviendo el desarrollo de la industria, la innovación e infraestructura, así como la educación de calidad. El proyecto apuesta por fortalecer la investigación aplicada en ingeniería, con nuevas estrategias de simulación en AMC, productos académicos de impacto (artículos científicos y registros de software) y formación de alto nivel (tesis de pregrado y formación en maestría). **Nota: Ver Anexo_DocumentoTecnico.pdf para propuesta completa y detallada**