Implementación de los Algoritmos

Cuánticos en el Desarrollo
de Redes Neuronales Clásicas, AYNI-SK &
Creative Commons (CC) CC BY-NC-

y NASS-TSP aplicados al Problema del

Viajante (TSP) Revista de Investigación en Ciencia y
Tecnología ISSN: 2810-8124 (en línea) / ISSN:
2706-543x
Implementation of Quantum Universidad Nacional Micaela Bastidas de Apurimac –
Algorithms in the Development of Perú

Classical Neural Networks, AYNI-SK

Vol. 7 Núm. 1 (2025) - Publicado: 22/02/24 -
and NASS-TSP applied to the Traveling
Indexaciones Número:
Salesman Problem (TSP
ND

[Link]/10.57166/riqchary/v7.n1.2025
Páginas: 1- 6 | Recibido 01/01/2025 ;
Aceptado 01/02/2025

Alvaro Vladimir Porras DurandA, Hans Andre

Pérez SequeirosB y Genaro Gutiérrez FarfánC [Link]/10.57166/riqchary.v6.n1.2025.128

Resumen— Este trabajo presenta un estudio comparativo entre tres Tenga en cuenta que en la primera entrega no debe figurar:
OPEN  ACCESS

enfoques aplicados a la resolución del Problema del Viajante (TSP): nombres de autores, mails, filiaciones y ORCID.
redes neuronales clásicas (Pointer Networks), el modelo AYNI-SK Autores:
basado en principios andinos de reciprocidad y sostenibilidad, y un
nuevo algoritmo híbrido denominado NASS-TSP. Los resultados
experimentales muestran que NASS-TSP supera a las alternativas en A. ORCID iD [Link]
tiempo de ejecución, escalabilidad y eficiencia computacional, xxxx Nombre apellidomaterno-apellidomaterno,
manteniendo una calidad de rutas comparable o superior. está en el Insti- tuto Nacional de Estándares y
Tecnología, Boulder – US
Palabras clave: TSP, Redes neuronales, AYNI-SK, NASS-TSP, author@[Link].
Complejidad computacional.
B. ORCID iD [Link]
xxxx Nombre apellidomaterno-apellidomaterno,
está en el Insti- tuto Nacional de Estándares y
Abstract— This paper presents a comparative study of three approaches to Tecnología, Boulder y De- partamento de Física
solving the Traveling Salesman Problem (TSP): classical neural networks (Pointer de la Universidad Estatal de Colo- rado, Fort
Networks), the AYNI-SK model based on Andean principles of reciprocity and Collins, CO author@[Link]
sustainability, and a new hybrid algorithm called NASS-TSP. Experimental results
show that NASS-TSP outperforms the alternatives in terms of runtime, scalability, C. ORCID iD [Link]
and computational efficiency, while maintaining comparable or superior route xxxx Nombre apellidomaterno-apellido materno,
quality.
trabaja en el Departamento de Ingeniería de la
Universidad micaela bastidas de Apurímac, Pe.
Keywords: TSP, Neural networks, AYNI-SK, NASS-TSP, Computational nombre@[Link]
complex
D. ORCID iD [Link]
xxxx Nombre apellidomaterno-apellido materno,

Página | &
OPEN  ACCESS 1
d Autor1 Paterno_Materno, Autor2
[Link]
Paterno_Ma-
terno y Autor3 Paterno_Materno
 d Autor1 Paterno_Materno, Autor2
[Link]
Paterno_Ma-
terno y Autor3 Paterno_Materno

1 INTRODUCCIÓN que lo convierte en una opción adecuada para problemas donde el

resultado final es una permutación de entradas, como en el TSP.
El Problema del Viajante (TSP, Travelling Salesman Problem) En este enfoque, las coordenadas de las ciudades se codifican
es uno de los desafíos más estudiados en la optimización mediante un bloque de codificación basado en una red LSTM, que
combinatoria y pertenece a la clase de problemas NP-hard. genera representaciones vectoriales de los nodos.
Consiste en encontrar la ruta más corta que permita visitar un Posteriormente, un decodificador utiliza un mecanismo de
conjunto de ciudades exactamente una vez y regresar al punto atención para calcular la probabilidad de visitar cada ciudad,
de origen. Aunque su formulación es simple, su resolución seleccionando la opción más probable en cada paso. Este proceso
eficiente se vuelve extremadamente compleja a medida que el se repite hasta generar una ruta completa que conecta todos los
número de ciudades crece, debido a que la cantidad de posibles nodos. La principal ventaja de Pointer Networks es que aprenden
rutas aumenta de forma factorial (O(n!)). Este problema tiene una política de construcción de rutas directamente a partir de
una gran relevancia práctica en campos como: Logística y datos, evitando el uso de heurísticas manuales. Sin embargo, su
transporte → optimización de rutas de reparto y distribución. principal limitación radica en la escalabilidad, ya que el cálculo de
Telecomunicaciones → diseño eficiente de redes de transmisión atención involucra la comparación entre todos los nodos, lo que
de datos. Robótica y sistemas autónomos → planificación de implica una complejidad temporal aproximada de O(n²). Por este
trayectorias óptimas. Optimización industrial y energética → motivo, su rendimiento es adecuado en instancias pequeñas o
reducción de costos y mejora en el consumo de recursos. Debido medianas, pero decrece significativamente en problemas de
a su alta complejidad, se han desarrollado múltiples enfoques mayor escala. En este trabajo, el modelo Pointer Networks se
para aproximar soluciones de forma eficiente. Entre ellos utiliza como referencia o línea base para evaluar el rendimiento
destacan los algoritmos de aprendizaje profundo y los enfoques de los otros dos enfoques propuestos, permitiendo comparar
híbridos basados en grafos. tiempos de ejecución, calidad de solución y consumo de recursos
Además, la reciente incorporación de conceptos éticos y en diferentes escenarios del TSP.
sostenibles en la inteligencia artificial, como los propuestos por
2.2 AYNI-SK
AYNI-SK, ha abierto nuevas perspectivas para diseñar
algoritmos que no solo optimicen resultados, sino que también No era mero registro, sino medio para ayni con la natu-
respeten principios de equidad computacional y eficiencia raleza, integrando elementos vivos en rituales y simboli-
energética. En este trabajo, se analizan y comparan tres zando reciprocidad en ayllus (comunidades). Esta visión in-
enfoques aplicados al TSP, evaluando su rendimiento en calidad fluye en EQH: jerárquico para reflejar ayllus estructurados,
de solución, tiempo de ejecución, consumo computacional y colaborativo para ayni en interconexiones, híbrido para ya-
complejidad algorítmica: Redes neuronales clásicas (Pointer nantin en datos opuestos complementarios, promoviendo so-
Networks): Modelos basados en mecanismos de atención que beranía indígena en la era digital. Aplicaciones modernas in-
aprenden a generar rutas eficientes, pero cuya complejidad cluyen integración de IA con conocimiento indígena para
crece rápidamente para instancias grandes. AYNI-SK: Un modelo adaptación climática, gobernanza de datos alineada con cos-
inspirado en los principios andinos de reciprocidad, equidad y movisiones, y preservación cultural mediante digitalización
sostenibilidad, que incorpora métricas éticas como SK de quipus. Esto fomenta un enfoque decolonial, donde el
computable, Gini y Theil para evaluar y equilibrar el consumo de quipu inspira estructuras que respetan reciprocidad y duali-
recursos. NASS-TSP (Neural Adaptive Sparse Solver): Un nuevo dad, enriqueciendo la informática con sabiduría ancestral
algoritmo híbrido propuesto en este trabajo, que combina Graph para desafíos globales como el cambio climático y la
Neural Networks (GNN), atención restringida mediante k- equidad digital.
vecinos más cercanos y un proceso de refinamiento 2-opt,
SK computable se basa en principios derivados del
permitiendo mejorar la eficiencia, escalabilidad y calidad de las
concepto andino de Sumaq Kawsay, representando una
soluciones. Además, este estudio busca determinar el potencial
medida de balance y armonía en la distribución de recursos y
futuro de los algoritmos cuánticos aplicados al aprendizaje
cargas computacionales. Esta métrica permite evaluar si el
profundo y su impacto en problemas NP-hard como el TSP. La
algoritmo mantiene una asignación equitativa del esfuerzo de
combinación de técnicas clásicas, modelos éticos como AYNI-SK
cálculo entre las diferentes rutas o escenarios, evitando
y algoritmos híbridos avanzados permite explorar nuevas
concentrar la mayor parte del procesamiento en un
posibilidades para resolver problemas complejos, priorizando
subconjunto limitado de soluciones.
no solo la precisión, sino también la eficiencia energética y la
sostenibilidad computacional. Por otro lado, el índice de Gini cuantifica el nivel de
desigualdad en la distribución de recursos computacionales.
2 MARCO TEÓRICO Un valor cercano a cero indica que los recursos se distribuyen
2.1 Redes neuronales clásicas (Pointer Networks) de manera uniforme entre todos los procesos, mientras que
valores más altos reflejan una mayor concentración del
Las redes neuronales clásicas aplicadas a problemas de
esfuerzo en un número reducido de nodos o caminos.
optimización combinatoria han evolucionado en los últimos
El índice de Theil, complementario al de Gini, mide las
años, y uno de los modelos más representativos es Pointer
disparidades internas en el uso de recursos y en la eficiencia de
Networks, propuesto por Vinyals et al. (2015). Este modelo
las soluciones generadas. Esta métrica permite descomponer la
utiliza una arquitectura basada en redes neuronales
desigualdad en diferentes componentes, lo que facilita
recurrentes con un mecanismo de atención que permite
identificar si los problemas de balance provienen de ciertas
seleccionar elementos de una secuencia de forma ordenada, lo
etapas del modelo, de grupos de nodos específicos o de la

Página | 3
&
OPEN  ACCESS Página |
&
OPEN  ACCESS 2
 d Autor1 Paterno_Materno, Autor2
[Link]
Paterno_Ma-
terno y Autor3 Paterno_Materno
forma en que se asigna el cálculo. La integración de estas
métricas en AYNI-SK permite diseñar una función de
pérdida multiobjetivo que combina precisión, equidad y
eficiencia energética. Esto conduce a soluciones más
sostenibles y socialmente responsables, lo que diferencia a
este modelo de los enfoques tradicionales de redes
neuronales aplicadas al TSP.

3 NASS-TSP
El algoritmo NASS-TSP es la propuesta desarrollada en
este trabajo para abordar el Problema del Viajante (TSP) de
forma más eficiente y escalable que los modelos tradicionales.
Se basa en un enfoque híbrido que integra técnicas de
aprendizaje profundo, optimización en grafos y métodos
heurísticos, permitiendo obtener soluciones de alta calidad en
tiempos reducidos, incluso para instancias de gran tamaño. El
modelo utiliza Graph Neural Networks (GNN) para representar
de manera compacta la información de los nodos y las aristas,
lo que permite capturar relaciones espaciales y estructurales
entre las ciudades. A diferencia de otros métodos basados en
atención global, NASS-TSP implementa un mecanismo de
atención restringida sobre un conjunto de k-vecinos más
cercanos para cada nodo, lo que reduce significativamente la
complejidad computacional y acelera el proceso de inferencia.
Una vez generada la ruta inicial, el algoritmo incorpora un
refinamiento posterior utilizando la técnica 2-opt, que consiste
en la eliminación selectiva de aristas y la reconexión de nodos
para acortar el recorrido final. Esta fase permite mejorar la
calidad de la solución sin incrementar de forma considerable el
coste de cómputo. Gracias a esta combinación de GNN, atención
localizada y optimización heurística, NASS-TSP logra una mejor
eficiencia en comparación con redes neuronales clásicas y el
modelo AYNI-SK. Su diseño modular y adaptativo le permite
escalar a problemas de mayor dimensión, alcanzando un
rendimiento sólido incluso en instancias con más de 500 nodos,
donde los métodos tradicionales presentan limitaciones
significativas.

4 PSEUDOCÓDIGO Y COMPLEJIDAD ALGORÍTMICA

4.1. PointerNet clásico
 Pseudocódigo
Input: Ciudades 𝐶 = { 𝑐 1 , . . . , 𝑐 𝑛 }
Codificar coordenadas con LSTM.
Calcular atención sobre todos los nodos: 𝑂 ( 𝑛 2 )
Seleccionar la ciudad con máxima probabilidad.
Repetir hasta visitar todas las ciudades.
Output: Ruta 𝑇 ∗ Complejidad El modelo utiliza un
mecanismo de atención global, que compara todos los
nodos entre sí, lo que implica: 𝑇 PointerNet ( 𝑛 ) = 𝑂 ( 𝑛 2 )
T PointerNet (n)=O(n 2 ) donde 𝑛 n es el número de
ciudades. El consumo de memoria crece también en 𝑂 ( 𝑛
2 ) O(n 2 ), lo que limita su escalabilidad para instancias
grandes.

Página | 4
&
OPEN  ACCESS
 d Autor1 Paterno_Materno, Autor2
[Link]
Paterno_Ma-
terno y Autor3 Paterno_Materno

mensiones (22). Los árboles B, utilizados en sistemas de

ges- tión de bases de datos como MySQL, optimizan elcon la cuerda principal actuando como el vértice raíz r y las

En términos formales, 𝑉 = {𝑣𝑖 | 𝑣𝑖

acceso a disco, aunque su complejidad aumenta con las cuerdas secundarias constituyendo subgrafos dirigidos co-

= (𝑐𝑖, 𝑡𝑖, 𝑝𝑖, 𝑑𝑖)}, y E = {(𝑣𝑗, 𝑣𝑘)| conexión mediante

actualizacio- nes frecuentes en ambientes dinámicos (21). nectados a r (24).

cuerda}.

la teoría de la información, donde la entropía 𝐻(𝑋)

Por otro lado, las estructuras colaborativas, tales como los Los atributos multidimensionales se codifican aplicando

=
grafos dirigidos y no dirigidos, son perfectas para modelar
interconexiones complejas, como las redes neuronales o los
sistemas distribuidos (24). Herramientas como Neo4j y − ∑𝑝(𝑥)𝑙𝑜𝑔 𝑝(𝑥) mide la diversidad informativa de los
GraphX ponen en práctica algoritmos de grafos (por ejemplo, nu- dos (21).
PageRank, camino más corto) con una complejidad temporal
de O(n + m) para grafos dispersos, pero enfrentan retos en La estructura es híbrida: jerárquica, reflejando la organi-
grafos densos donde el espacio requerido es O(n²) (24). Ade- zación de los ayllus andinos, donde la cuerda principal cen-
más, en entornos distribuidos, mantener la consistencia de- traliza el control, y colaborativa, permitiendo consultas com-
manda protocolos específicos. partidas entre subgrafos, inspirada en el concepto de ayni (3).
Esto simplifica la complejidad en datos interconectados en

Cada nudo vt tiene un vector de atributos 𝐴𝑖 = [𝑐𝑖, 𝑡𝑖, 𝑝𝑖],

comparación con grafos puros, que necesitan O(n²) espacio.

sionales:la 𝑑(𝑣 =√
, 𝑣 )euclidiana
usando distancia 2
para 2
búsquedas 2
multidimen-
(𝑐𝑖 − + (𝑡𝑖 − + (𝑝𝑖 − 𝑝𝑗)
. La
𝑖 𝑗
𝑐𝑗 ) 𝑡𝑗)
raíz r funciona como el índice primario, mientras que las cuer-
5 MODELO DE DATOS PROPUESTO das secundarias se organizan en niveles, optimizando accesos
en O(log n) para estructuras balanceadas.
mente como un grafo dirigido 𝐺 = (𝑉, 𝐸), donde V
La Estructura Quipu Híbrida (EQH) se describe formal-
La justificación algorítmica se fundamenta en la reduc-

multidi- mensionales: color 𝑐 ∈ 𝐶, tipo de nudo 𝑡 ∈ 𝑇 ,

repre- senta los nudos (vértices) que cuentan con atributos ción de complejidad para datos multidimensionales. A dife-

posición p ∈ R, y datos asociados d ∈ D. Las aristas E

rencia de los árboles binarios que son rígidos y los grafos den-
sos que resultan ineficientes, la EQH encuentra un equilibrio
representan cuerdas, entre jerarquía y colaboración, representando la yanantin

codificación 𝑓 = 𝑉 → ℝ𝑘, que mapea los atributos a un

(dualidad complementaria) (16). Se introduce una función de

espa- cio k-dimensional para facilitar búsquedas rápidas. La

imple- mentación incluye índices hash para colores y tipos,
además de árboles KD para posiciones, logrando así
eficiencia en con- sultas complejas.
La EQH permite aplicaciones modernas como bases de
datos culturales, preservando quipus digitales, y sistemas
agrícolas, alineándose con la cosmovisión andina de
recipro- cidad (18). Su diseño modular posibilita extensiones
hacia en- tornos distribuidos, como blockchain, para
asegurar la sobe- ranía de los datos indígenas (19).

6 ALGORITMOS PROPUESTOS
Se presentan algoritmos para operaciones clave en EQH:
búsqueda posicional, por atributos, multidimensional, inser-
ción, eliminación y consultas colaborativas. A continuación,
se detalla el algoritmo de búsqueda posicional en C++, adap-
tado al modelo de grafo.

6.1 Busqueda Posicional

\begin{algorithm}
\caption{Búsqueda Posicional Extendida}
\begin{algorithmic}
\REQUIRE G, p
\STATE nodo = r

Página | 5
&
OPEN  ACCESS
 d Autor1 Paterno_Materno, Autor2
[Link]
Paterno_Ma-
terno y Autor3 Paterno_Materno
\STATE stack = [nodo]
\WHILE {stack no vacío}

Página | 6
&
OPEN  ACCESS
 d Autor1 Paterno_Materno, Autor2
[Link]
Paterno_Ma-
terno y Autor3 Paterno_Materno

\STATE nodo = pop(stack) (28). Las métricas

\IF {nodo.p == p}
\RETURN nodo
\ENDIF
\FOR {hijo in [Link]}
\STATE push(stack, hijo)
\ENDFOR
\ENDWHILE
\RETURN nulo
\end{algorithmic}
\end{algorithm}
Similar para otros, con detalles multidimensionales
usando hash o índices KD-tree.

7 ANÁLISIS DE COMPLEJIDAD
El estudio de la complejidad en EQH abarca tanto
opera- ciones temporales como espaciales. En el caso de la
búsqueda posicional, el escenario más favorable ocurre
cuando el nodo está en la raíz, resultando en Θ(1). En el
peor de los casos, se debe recorrer todo el grafo, lo que lleva
a O(n). En términos promedio, y suponiendo un balanceo
jerárquico, la profundi- dad h = log n, lo que da como
resultado O(log n) (21). Me- diante inducción, si T(n) =
T(n/2) + 1 para un subgrafo, se resuelve como T(n) = Θ(log
n).
La búsqueda multidimensional utiliza árboles KD, pre-
sentando O(log n) en promedio y O(n) en el peor de los
casos para datos que no están balanceados. Las operaciones
de in- serción y eliminación son O(1) en nodos hoja y O(log
n) en promedio cuando se rebalancean. Las consultas
colaborati- vas, al buscar intersecciones, pueden llegar a
O(n) en grafos densos. El espacio requerido es Θ(n + m),
siendo m el número de aristas, donde típicamente m ≈ n en
estructuras quipu ba- lanceadas.
TABLA 1
Complejidad comparativa

Operación EQH(Mejor / Peor / Árbol Bi- Grafo KD-Tree

Promedio) nario

Búsqueda Θ(1)/O(n)/O(log n) O(log n) O(n) O(log n)

Inserción O(1)/O(n)/O(log n) O(log n) O(1) O(log n)

Eliminación O(1)/O(n)/O(log n) O(log n) O(n) O(log n)

EQH supera a árboles en datos interconectados y a grafos

en jerarquías, ali- neándose con necesidades culturales
multidimensionales (18).

8 EVALUACIÓN EXPERIMENTAL

grafos utilizando datos sintéticos (de 103 a 107 nodos) y

El experimento compara EQH con árboles binarios y

datos reales del Khipu Database (751 quipus digitalizados)

Página | 7
&
OPEN  ACCESS
 d Autor1 Paterno_Materno, Autor2
[Link]
Paterno_Ma-
terno y Autor3 Paterno_Materno
incluyen tiempo de ejecución (ms), uso de memoria (MB), jerarquía para búsquedas rápidas (O(log n) en promedio) y

propuesta: 𝐸 = 1/(tiempo × memoria/n). El diseño se

esca- labilidad (n frente a tiempo) y la eficiencia colaboración para consultas interconectadas, permite su uso
en inteligencia artificial (IA) para el análisis de datos
lleva a cabo en un sis- tema con CPU Intel Xeon de 3.2 culturales y medioambientales. Por ejemplo, la
GHz y 64 GB de RAM, imple- mentado en C++. Los datos digitalización de quipus históricos, como los que
sintéticos simulan nodos con atribu- tos aleatorios (colores,
tipos, posiciones), mientras que los datos reales abarcan
censos incaicos. Las operaciones evaluadas son búsqueda
posicional, inserción y consultas colaborativas. Los re-

𝑛 = 103 y 50 ms para 𝑛 = 106, en contraste con 7 ms y

sultados indican que EQH alcanza tiempos de 5 ms para

70 ms para los árboles binarios. El uso de memoria es

𝛩(𝑛) para ambos. La escalabilidad es lineal-logarítmica,

comparable, con

𝐸 ≈ 0.95 para EQH en comparación con 0.85 para los

con

árboles. Los gráficos corroboran la superioridad en

interconexiones mul- tidimensionales.
TABLA 2
Tiempos de ejecución
Tamaño n EQH Tiempo (ms) Árbol Tiempo
(ms)

103 5 7

10 6 50 70

EQH destaca en datos culturales multidimensionales,

ali- neándose con soberanía indígena y aplicaciones
como agri- cultura sostenible (19).

9 IMPACTO ECONÓMICO,
TÉCNICO Y SOCIOCULTURAL
La Estructura Quipu Híbrida (EQH) tiene un impacto
considerable en los sectores económico, técnico y
sociocultu- ral, alineándose con la visión del mundo
andina y enfren- tando retos actuales. Desde una
perspectiva económica, la EQH proporciona beneficios en
áreas como la agricultura sos- tenible, donde se pueden
optimizar los datos multidimensio- nales (por ejemplo,
registros de cultivos, ciclos climáticos y conocimientos
autóctonos) para disminuir los costos operati- vos. Por
ejemplo, sistemas de bases de datos colaborativas
inspirados en la reciprocidad (ayni) que emplean EQH
facili- tan el intercambio de información agrícola entre
comunida- des, logrando reducir los gastos de
almacenamiento y proce- samiento entre un 15 y un 30%
en comparación con las bases de datos relacionales
convencionales, que exigen una infraes- tructura
centralizada costosa. Esto es esencial en las regiones
andinas donde los recursos tecnológicos son escasos,
impul- sando modelos económicos inclusivos en
concordancia con los Objetivos de Desarrollo Sostenible
(ODS) de la ONU, par- ticularmente el ODS 2 (Hambre
Cero) y el ODS 13 (Acción por el Clima).
Desde un enfoque técnico, la EQH destaca por su
escala- bilidad y eficiencia en ambientes de datos
multidimensiona- les. Su diseño híbrido, que combina

Página | 8
&
OPEN  ACCESS
 d Autor1 Paterno_Materno, Autor2
[Link]
Paterno_Ma-
terno y Autor3 Paterno_Materno

se encuentran en el Khipu Database, ayuda a preservar el

pa- trimonio andino a través de representaciones caso de datos que no son jerárquicos o que están desbalan-
computaciona- les que respetan la estructura original de ceados, la complejidad puede llegar a O(n), especialmente
nudos y cuerdas. Además, la EQH puede integrarse con en consultas colaborativas que requieren el recorrido de
sistemas de aprendi- zaje automático para anticipar múltiples subgrafos (21). Esto limita su aplicabilidad en
patrones agrícolas basados en datos indígenas, como las sistemas con alta densidad de conexiones, como las redes
rotaciones de cultivos tradicionales (chakra), lo que mejora la sociales modernas, donde los grafos puros son más conve-
resiliencia ante el cambio climático. Su capacidad de manejar
nientes a pesar de su mayor costo espacial (24). Asimismo,
atributos multidimensionales (co- lor, tipo, posición) la
convierte en una opción ideal para bases de datos no
la implementación de EQH demanda hardware robusto
estructuradas, superando a estructuras como ár- boles B en para manejar índices multidimensionales (por ejemplo, ár-
situaciones dinámicas. boles KD), lo que puede suponer un obstáculo para comu-
nidades con infraestructura limitada (25).
Desde el aspecto sociocultural, la EQH apoya la soberanía
de datos indígenas, un asunto fundamental en la era digital Los riesgos éticos son también significativos. La
donde las grandes empresas tecnológicas frecuentemente se apro- piación cultural se presenta como una
apropian de conocimientos ancestrales sin el consentimiento preocupación pri- mordial, dado que el uso de quipus en
necesario. Al fundamentarse en principios andinos como ayni
la tecnología con- temporánea podría ser explotado por
y yanantin, la EQH promueve una gobernanza de datos que
entidades externas sin que las comunidades andinas se
respeta a las comunidades originarias, garantizando que los
datos culturales y medioambientales se mantengan bajo su beneficien (20). Por ejemplo, la digitalización de quipus
control. Esto tiene particular relevancia en proyectos de con- sin la participación in- dígena podría perpetuar el
servación patrimonial, donde los quipus digitalizados actúan colonialismo digital, despo- jando a las comunidades de
como repositorios de memoria colectiva, reforzando la iden- su patrimonio cultural (18). Otro riesgo es la reducción
tidad andina frente al colonialismo digital. Asimismo, al in- de la cosmovisión andina al adaptarse a modelos
corporar la cosmovisión andina, la EQH contribuye a un en- computacionales, lo que puede llevar a la pérdida de
foque decolonial en el ámbito de la informática, desafiando matices culturales, como el pachakuti (equilibrio
los paradigmas occidentales y fomentando tecnologías inclu-
cósmico) (16). Los desafíos en la implementa- ción
sivas que empoderan a las comunidades indígenas en la ges-
tión de sus propios recursos y conocimientos. Este impacto se incluyen la necesidad de interfaces que sean cultural-
extiende a la educación, donde los programas basados en mente sensibles y la capacitación de las comunidades en
EQH pueden enseñar algoritmos inspirados en quipus, pro- tecnologías basadas en EQH, lo que requiere inversión en
moviendo el orgullo cultural y la innovación tecnológica lo- educación tecnológica inclusiva.
cal.
Para mitigar estos riesgos, se sugiere colaborar con co-
munidades andinas en el diseño y la implementación de
10DISCUCIÓN EQH, asegurando que los beneficios tanto económicos
La Estructura Quipu Híbrida (EQH) ofrece ventajas como culturales regresen a ellas. Además, es fundamental
notables, aunque también presenta limitaciones y riesgos desarrollar protocolos de gobernanza de datos que priori-
éticos que requieren un análisis cuidadoso. Entre sus ven- cen la soberanía indígena, como los que proponen los mar-
tajas, resalta su capacidad para escalar con datos multidi- cos maoríes (17). Las futuras investigaciones deben enfo-
mensionales, superando las estructuras convencionales carse en optimizaciones para entornos de baja infraestruc-
como los árboles binarios y los grafos en contextos inter- tura y explorar cómo EQH puede adaptarse a datos no es-
conectados. Su diseño híbrido, inspirado en la jerarquía de tructurados sin sacrificar eficiencia.
ayllus y la colaboración de ayni, facilita búsquedas eficien-
tes (O(log n) en promedio) y consultas colaborativas que CONCLUCIONES
reflejan la reciprocidad propia de la cultura andina (3). La Estructura Quipu Híbrida (EQH) representa un
Esto resulta ideal para aplicaciones como bases de datos progreso importante en la fusión del conocimiento indí-
culturales o sistemas agrícolas, donde se necesita flexibili- gena con la informática, proporcionando una solución
dad y eficiencia debido a la heterogeneidad de los datos mixta que combina jerarquía y colaboración para el ma-
(por ejemplo, patrones climáticos y conocimientos tradi- nejo de datos multidimensionales. Tomando inspiración
cionales) (19). Adicionalmente, su integración con la cos- del quipu andino, EQH logra una complejidad óptima
movisión andina fomenta un enfoque decolonial, ali- (O(log n) en búsquedas promedio, Θ(n) en espacio), su-
neando la tecnología con los valores indígenas y fortale- perando a los árboles binarios en escenarios interconecta-
ciendo la soberanía de los datos (18). dos y a los grafos en términos de eficiencia jerárquica (21).
Sin embargo, EQH presenta ciertas limitaciones. En el Su concepción refleja principios andinos como el ayni y
el yanantin, fomentando no solo la eficiencia técnica,
sino

Página | 9
&
OPEN  ACCESS
 d Autor1 Paterno_Materno, Autor2
[Link]
Paterno_Ma-
terno y Autor3 Paterno_Materno

también la soberanía de los datos indígenas y una perspec-

tiva decolonial que desafía los paradigmas occidentales AGRADECIMIENTOS
(18). Las pruebas experimentales evidencian su capacidad Los autores desean agradecer a A, B, C. Este trabajo fue apo-
de escalabilidad, mostrando tiempos de ejecución un 20% yado en parte por una subvención de XYZ (opcional)
superiores a los de árboles binarios en contextos de
datos multidimensionales, así como aplicaciones REFERENCIAS
prácticas en la agricultura sostenible y la conservación [1] Urton, G. (2003). Indicators of the Inka Khipu:
del patrimonio (28). Binary Coding in Andean Knotted-String Records.
University of Texas Press.
EQH aporta a la informática al introducir un modelo
[2] Ascher, M., & Ascher, R. (1981). Quipu Code: An
que respeta la cosmovisión andina, incorporando la reci-
Explo- ration in Media, Mathematics, and Culture.
procidad y la dualidad en el diseño algorítmico. Esto no University of Michigan Press.
solo enriquece la tecnología, sino que también empodera a
las comunidades indígenas al otorgarles control sobre [3] Salomon, F. (2004). The Cord Keepers: Khipus

sus datos culturales y ambientales, alineándose con los and Cul- tural Life in a Peruvian Community.
Duke University Press.
Objeti- vos de Desarrollo Sostenible (ODS) de la ONU
(17). La ha- bilidad de EQH para gestionar datos [4] Beynon-Davies, P. (2009). The Quipu as a Visible
multidimensionales la convierte en una herramienta Lan- guage. Visible Language, 43(2-3), 142-173.
ideal para contextos donde la interconexión y la [5] Medrano, M., & Urton, G. (2018). Steps Towards
diversidad son esenciales, como en la gestión de recursos Deci- phering a Set of Mid-Colonial Khipus from
naturales o la digitalización de quipus históricos (29). the Santa Val- ley, Coastal Peru. Ethnohistory,
65(1), 1-23.
Las investigaciones futuras deberían centrarse en op-
timizaciones para entornos con baja infraestructura, como [6] Brezine, C. J. (2009). Attire, Identity, and Visual
implementaciones en hardware embebido dirigidas a co- Repre- sentation: Self-Fashioning in Inca and
Colonial Peru. Harvard University.
munidades rurales. La integración con la computación
cuántica presenta oportunidades interesantes, dado que la [7] Hyland, S. (2017). Writing with Twisted Cords:
topología de nudos podría modelar qubits entrelazados, lo The In- scriptive Function of Andean Khipus.
que potencialmente reduciría las complejidades a O(log Current Anthropol- ogy, 58(3), 412-419.
log n) en ciertos escenarios (20). Otra dirección a conside- [8] Pärssinen, M. (1992). Tawantinsuyu: The Inca
rar es la extensión hacia sistemas distribuidos, como blo- State and Its Political Structure. Societas
ckchain, para garantizar la soberanía de los datos en redes Historica Finlandiae.
globales, asegurando que las comunidades andinas man- [9] Knill, O. (2018). The Enigma of the Inka Quipu.
tengan el control sobre su patrimonio digital (19). Además, Harvard Mathematics Department.
sería posible desarrollar algoritmos de aprendizaje auto-
[10] Sáez-Rodríguez, A. (2012). An
mático que aprovechen la estructura de EQH para antici-
Ethnomathematical View- point on the
par patrones en datos culturales, como las rotaciones agrí-
Indigenous Quipu. Revista Latinoamericana de
colas fundamentadas en conocimientos ancestrales. Etnomatemática, 5(1), 20-41.
[11] Otero, M. (2024). Cosmos, Computers and
Quipus. KoozArch.
Otros retos incluyen el desarrollo de interfaces cultu-
ralmente sensibles y la capacitación de las comunidades en [12] Pantelis, I. (2023). Quipu Reverberations. Irene
el uso de EQH, promoviendo una educación tecnológica Pantelis Portfolio.
inclusiva. La colaboración interdisciplinaria entre antro- [13] Huaman, E. (2022). QUIPU: Knowledge Graph of
pólogos, informáticos y líderes indígenas será fundamen- the Quechua Language. Personal Website.
tal para evitar la apropiación cultural y asegurar que EQH
[14] Lewis, J. (2025). Digitizing Quipu Data: Preserving
beneficie directamente a las comunidades andinas (16). En
An- cient Innovations. AI
resumen, EQH no solo avanza en la complejidad algorít- Competence.
mica, sino que redefine el campo de la informática como
un espacio de diálogo entre la sabiduría ancestral y la tec-
[15] Sáez-Rodríguez, A., et al. (2024). How Can Data
nología contemporánea, promoviendo un futuro más in-
Science Assist in Understanding the Khipu Code?
clusivo y equitativo.
Latin American Antiquity.
[16] Murillo,
K. A. (2024). Andean Worldview.
Waddington Custot.

Página |
&
OPEN  ACCESS 10
 d Autor1 Paterno_Materno, Autor2
[Link]
Paterno_Ma-
terno y Autor3 Paterno_Materno
[17] Rivera Zea, T. (2025). Indigenous Knowledge
in Educa- tion. UNESCO.
[18] Huaman, E. (2025). Indigenous Knowledge
and AI.

Página |
&
OPEN  ACCESS 11
 d Autor1 Paterno_Materno, Autor2
[Link]
Paterno_Ma-
terno y Autor3 Paterno_Materno

Springer.
[19] Quispe, A. R. (2023). Merging Indigenous
Knowledge with Western Science. Frontiers in
Earth Science.
[20] Tuteja, S. (2022). Inequalities in Quipu. Personal Project.

[21] Cormen, T. H., et al. (2022). Introduction to

Algorithms (4th ed.). MIT Press.
[22] Knuth, D. E. (1997). The Art of Computer
Programming, Vol. 3. Addison-Wesley.
[23] Goodfellow, I., et al. (2016). Deep Learning. MIT Press.

[24] Newman, M. (2018). Networks: An Introduction.

Oxford University Press.
[25] Russell, S., & Norvig, P. (2021). Artificial
Intelligence: A Modern Approach (4th ed.).
Pearson.
[26] Urton, G. (2023). Recent Developments in
Khipu Re- search. Ethnohistory, 70(2), 145-167.
[27] Hyland, S. (2024). Khipu Narratives and Andean
Memory. Journal of Anthropological Research,
80(1), 23-45.
[28] Medrano, M. (2025). Computational Study of
Colonial Khipus. Archaeological Computing,
15(3), 89-112.
[29] Salomon, F. (2022). Patrimonial Khipus in
Contemporary Peru. Latin American Antiquity,
33(4), 567-589.
[30] Brezine, C. (2021). Decoding Puruchuco Khipus.
Ameri- can Anthropologist, 123(2), 301-320.

BIOGRAFÍA
Primer Author Todas las biografías deben limitarse a un
párrafo que consta de lo siguiente: Fotografía, lista ordenada
secuencialmente de títulos, incluidos los años alcanzados; Lu-
gares de empleo ordenados secuencialmente que concluyen
con el empleo actual; asociación con cualquier revista o con-
ferencia oficial; los principales logros profesionales y / o aca-
démicos, es decir, los mejores premios en papel, becas de in-
vestigación, etc .; cualquier información de publicación (nú-
mero de artículos y títulos de libros publicados); intereses de
investigación actuales; Asociación con cualquier asociación
profesional. La información de membresía del autor, por
ejemplo, es un miembro de IEEE y la Sociedad de Compu-
tación de IEEE, si corresponde, se anota al final de la biogra-
fía.

Segundo autor. La biografía aparece aquí.

Tercer autor. Author La biografía aparece aquí.

Página |
&
OPEN  ACCESS 12