Este artículo introduce y resuelve una nueva clase de problemas en la dinámica de redes a gran escala relevantes para la neurobiología y el aprendizaje automático. En particular, nos preguntamos si las redes pueden mantener su actividad dinámica inherente más allá de tiempos de observación arbitrarios, o si su actividad cesa por saturación mediante estados como la quiescencia o la epilepsia. Demostramos que este problema puede formularse y estructurarse para explotar la superposición cuántica, y que puede resolverse eficientemente utilizando un flujo de trabajo combinado entre los algoritmos cuánticos de Grover y Deutsch-Jozsa. Para ello, ampliamos las capacidades de estos algoritmos para estructurar sus entradas de tal manera que la salida de la medición pueda interpretarse como una propiedad significativa de la dinámica de la red, a la vez que abordamos el requisito inherente de cómo deben estructurarse matemáticamente los (sub)conjuntos de entrada del algoritmo. Esto nos permite responder a las preguntas planteadas.
