{
  "aviso": "speedup_declarado es lo que declara la fuente citada, NO una medición de Rosetta. Lo que Rosetta midió va en evidencia_rosetta, y para la mayoría del catálogo está vacío.",
  "procedencia": {
    "fuente": "Quantum Algorithm Zoo",
    "fuente_url": "https://quantumalgorithmzoo.org/",
    "instantanea_sha256": "dee7e76b5f19096ed329c88714744b93babf7b7d0296eb97e357b2582d16b75e",
    "generado_at": "2026-08-09"
  },
  "id": "computing-the-principal-eigenvector",
  "nombre": "Computing the Principal Eigenvector",
  "categoria": "Optimization, Numerics, and Machine Learning",
  "categoria_id": "ONML",
  "problema": "Calcular el vector propio principal de una matriz, el nucleo de metodos tipo PageRank.",
  "speedup_declarado": "Polynomial",
  "declarado_por": "Quantum Algorithm Zoo",
  "fuente_url": "https://quantumalgorithmzoo.org/#ONML",
  "implementaciones": [],
  "referencias": [
    {
      "n": 462,
      "cita": "Yanlin Chen, András Gilyén, and Ronald de Wolf A quantum speed-up for approximating the top eigenvectors of a matrix arXiv:2405.14765 , 2024.",
      "url": "https://arxiv.org/abs/2405.14765"
    }
  ],
  "n_referencias": 1,
  "remisiones": [],
  "evidencia_rosetta": {
    "medido": false,
    "lectura": "Rosetta no tiene ninguna corrida sellada sobre este algoritmo. Que esté catalogado no significa que lo hayamos medido ni que lo ofrezcamos."
  }
}