La computación cuántica es un campo emergente que ha tenido un impacto significativo en la optimización. Entre los diversos algoritmos cuánticos, el descenso de gradiente cuántico se ha convertido en una técnica prominente para resolver problemas de optimización no restringidos (UO). En este documento, proponemos un enfoque cuántico de gradiente conjugado Polak-Ribiére-Polyak (PRP) espectral. La técnica se considera una generalización del método PRP espectral que emplea un -gradiente que aproxima el gradiente clásico con una dependencia cuadráticamente mejor en la variable cuántica . Además, el método propuesto se reduce a la variante clásica a medida que la variable cuántica se acerca más a 1. La dirección de búsqueda cuántica siempre satisface la condición de descenso suficiente y no depende de ninguna búsqueda de línea (LS). Este enfoque es globalmente convergente con las condiciones estándar de Wolfe sin ninguna suposición de convexidad. Se realizan experimentos numéricos y se comparan con el enfoque existente para demostrar la mejora de la estrategia propuesta.