La naturaleza de este trabajo es puramente bibliográfico, mostrando los recientes avances en computación cuántica, aprendizaje autónomo y la combinación de estas dos disciplinas. Pero para poder comprender la importancia de estos avances debemos retroceder a los fundamentos en los que se sustentan tanto las redes neuronales cómo la computación cuántica. De esta manera este trabajo de dividirá en secciones claramente diferenciadas, pero que se alimentarán unas de las otras. Primero veremos los fundamentos tanto conceptuales cómo matemáticos de las redes neuronales, se explorará el método de aprendizaje que usan junto con modelos básicos, y otros que son ampliamente usados en la actualidad, y que servirán de pilar para mostrar sus homónimos en el caso cuántico. Tras esto, se describirá brevemente el formalismo de los ordenadores cuánticos, pasando por expresiones matemáticas básicas, hasta la definición de las puertas. También se hará una breve mención al estado actual de los ordenadores cuánticos. Luego, nos meteremos de lleno en redes neuronales cuánticas, partiendo de los modelos clásicos, tratando de explicar los circuitos implicados y como cambiaría el proceso de aprendizaje de estas arquitecturas. Junto a esto, tendremos unas pinceladas sobre las aplicaciones que tienen, algunas nuevas para las redes neuronales pero otras ya conocidas. A continuación se mostrarán estudios recientes que tratan de aunar las capacidades de las redes clásicas con las cuánticas, llegando a modelos muy interesantes que pueden ser aplicados actualmente. De nuevo, se tratará de modificar los tipos de redes clásicos vistos al comienzo del trabajo. Y por último, se verán las ventajas y desventajas que plantean estos modelos cuánticos, junto con algunas conclusiones finales, y además se mostrarán algunas herramientas que permiten prototipar estos modelos.