Pesquisadores do Google descobriram uma nova técnica que pode finalmente tornar a computação quântica prática na vida real, utilizando inteligência artificial para resolver um dos desafios mais persistentes da ciência: estados mais estáveis.
Em um artigo publicado na Nature, os cientistas do Google DeepMind explicam que seu novo sistema de IA, o AlphaQubit, demonstrou ser notavelmente eficaz na correção dos erros persistentes que há muito tempo atormentam os computadores quânticos.
“Os computadores quânticos têm o potencial de revolucionar a descoberta de medicamentos, o design de materiais e a física fundamental — isto é, se conseguirmos fazê-los funcionar de forma confiável”, diz o anúncio do Google. Mas nada é perfeito: os sistemas quânticos são extraordinariamente frágeis. Até mesmo a menor interferência ambiental — como calor, vibração, campos eletromagnéticos ou até raios cósmicos — pode perturbar seus delicados estados quânticos, levando a erros que tornam os cálculos pouco confiáveis.
Um artigo de pesquisa de março destaca o desafio: os computadores quânticos precisam de uma taxa de erro de apenas um em um trilhão de operações (10^-12) para serem úteis na prática. No entanto, o hardware atual apresenta taxas de erro entre 10^-3 e 10^-2 por operação, tornando a correção de erros essencial.
“Certos problemas, que levariam bilhões de anos para serem resolvidos por um computador convencional, seriam resolvidos por um computador quântico em apenas algumas horas”, afirma o Google. “No entanto, esses novos processadores são mais suscetíveis a ruídos do que os convencionais”.
“Se quisermos tornar os computadores quânticos mais confiáveis, especialmente em grande escala, precisamos identificar e corrigir esses erros com precisão”.
O novo sistema de IA do Google, o AlphaQubit, quer enfrentar esse problema. O sistema de IA emprega uma arquitetura de rede neural sofisticada que demonstrou uma precisão sem precedentes na identificação e correção de erros quânticos, apresentando 6% menos erros do que os melhores métodos anteriores em experimentos de grande escala e 30% menos erros do que as técnicas tradicionais.
Ele também manteve alta precisão em sistemas quânticos que variam de 17 qubits a 241 qubits, o que sugere que a abordagem pode ser escalada para sistemas maiores necessários para a computação quântica prática.
Sob o Capô
O AlphaQubit utiliza uma abordagem em duas etapas para alcançar sua alta precisão.
O sistema primeiro é treinado em dados simulados de ruídos quânticos, aprendendo padrões gerais de erros quânticos, e depois se adapta ao hardware quântico real usando uma quantidade limitada de dados experimentais.
Essa abordagem permite que o AlphaQubit lide com efeitos de ruído quântico complexos do mundo real, incluindo a interferência entre qubits, vazamento (quando os qubits saem de seus estados computacionais) e correlações sutis entre diferentes tipos de erros.
Mas não se empolgue muito; você não terá um computador quântico na sua garagem tão cedo.
Apesar de sua precisão, o AlphaQubit ainda enfrenta obstáculos significativos antes de sua implementação prática. “Cada verificação de consistência em um processador quântico supercondutor rápido é medida um milhão de vezes por segundo”, observam os pesquisadores. “Embora o AlphaQubit seja excelente em identificar erros com precisão, ele ainda é muito lento para corrigi-los em um processador supercondutor em tempo real”.
“Treinar em distâncias maiores de código é mais desafiador porque os exemplos são mais complexos, e a eficiência de amostragem parece ser menor em distâncias maiores”, afirmou um porta-voz do DeepMind ao site Decrypt. “Isso é importante porque a taxa de erro escala exponencialmente com a distância do código, então esperamos precisar resolver distâncias maiores para alcançar as taxas de erro ultrabaixas necessárias para a computação tolerante a falhas em circuitos quânticos grandes e profundos”.
Os pesquisadores estão se concentrando na otimização de velocidade, escalabilidade e integração como áreas críticas para desenvolvimento futuro.
A IA e a computação quântica formam uma relação sinérgica, ampliando o potencial uma da outra. “Esperamos que IA/ML e a computação quântica permaneçam abordagens complementares para a computação. A IA pode ser aplicada em outras áreas para apoiar o desenvolvimento de computadores quânticos tolerantes a falhas, como calibração, compilação ou design de algoritmos,” afirmou o porta-voz ao Decrypt, “ao mesmo tempo, as pessoas estão investigando aplicações de ML quântico para dados quânticos e, mais especulativamente, para algoritmos de ML quântico em dados clássicos”.
Essa convergência pode representar um ponto de virada crucial na ciência computacional. À medida que os computadores quânticos se tornam mais confiáveis por meio da correção de erros assistida por IA, eles podem, por sua vez, ajudar no desenvolvimento de sistemas de IA mais sofisticados, criando um poderoso ciclo de feedback de avanço tecnológico.
A era da computação quântica prática, há muito prometida mas nunca entregue, pode finalmente estar mais próxima — embora ainda não próxima o suficiente para começar a se preocupar com um apocalipse cibernético.
* Traduzido e editado com autorização do Decrypt.
- Com Staking de Solana, você pode ganhar até 4,45% ao ano* + a valorização do ativo no longo prazo. Tenha renda passiva em cripto e receba recompensas a cada 3 dias. Abra sua conta no MB e comece já! *Consulte condições.