Marijan Murat/dpa - Arquivo
MADRID 17 abr. (EUROPA PRESS) -
De acordo com um novo estudo liderado por pesquisadores da UCL (University College London, no Reino Unido), um modelo de IA que utiliza cálculos de um computador quântico consegue prever melhor o comportamento de um sistema físico complexo a longo prazo do que os melhores modelos atuais, que utilizam apenas computadores convencionais.
As descobertas, publicadas na revista 'Science Advances', poderiam aprimorar os modelos que prevêem como líquidos e gases se movem e interagem (dinâmica de fluidos), utilizados em áreas que vão desde a ciência do clima até o transporte, a medicina e a geração de energia.
Os pesquisadores afirmam que a melhoria no desempenho está relacionada à capacidade de um dispositivo quântico de armazenar uma grande quantidade de informações de maneira mais eficiente. Isso se deve ao fato de que, em vez de bits que são ativados ou desativados (1 ou 0), como em um computador clássico, os qubits do computador quântico podem ser 1, 0 ou qualquer estado intermediário, e cada qubit pode afetar qualquer um dos outros qubits; ou seja, poucos qubits podem gerar uma enorme quantidade de estados possíveis.
O autor principal, o professor Peter Coveney, do Departamento de Química da UCL e do Centro de Computação Avançada para Pesquisa da UCL, observa: “Para fazer previsões sobre sistemas complexos, podemos executar uma simulação completa, que pode levar semanas (muitas vezes tempo demais para ser útil), ou podemos utilizar um modelo de IA, que é mais rápido, mas menos confiável em escalas de tempo mais longas. Nosso modelo de IA baseado em computação quântica nos permite oferecer previsões mais precisas com rapidez. Prever o fluxo de fluidos e a turbulência é um desafio científico fundamental, mas também tem inúmeras aplicações. Nosso método pode ser utilizado na previsão climática, na modelagem do fluxo sanguíneo e da interação de moléculas, ou para projetar parques eólicos melhores e que gerem mais energia”.
Os computadores quânticos têm o potencial de ser muito mais potentes do que até mesmo os computadores convencionais mais rápidos, mas até agora sua utilidade prática tem sido limitada.
Para fazer previsões sobre um sistema complexo, treina-se um modelo de IA com grandes quantidades de dados de simulação ou observação. No método quântico, esses dados são introduzidos primeiro em um computador quântico que aprende os padrões estatísticos-chave dos dados, ou as propriedades estatísticas invariantes, ou seja, os padrões que permanecem constantes ao longo do tempo. Esses padrões aprendidos quânticamente são posteriormente incorporados ao treinamento do modelo de IA em um supercomputador convencional.
O método baseado em informação quântica foi aproximadamente 20% mais preciso e manteve-se estável a longo prazo em suas previsões sobre como um sistema complexo e caótico se comportaria, em comparação com o modelo de IA que não utilizava os padrões aprendidos quânticamente. Além disso, foi muito mais eficiente, exigindo centenas de vezes menos memória.
Essa eficiência é resultado de duas propriedades quânticas. Uma, o entrelaçamento, permite que cada qubit afete qualquer outro, independentemente da distância. A outra, a superposição, implica que um qubit pode existir simultaneamente em diferentes estados clássicos até que seja medido. Essas propriedades fazem com que um computador quântico com apenas alguns qubits ainda possua uma enorme capacidade de cálculo.
A primeira autora, Maida Wang, do Centro de Ciências Computacionais da UCL, afirma: “Nosso novo método parece demonstrar a ‘vantagem quântica’ de forma prática; ou seja, o computador quântico supera amplamente o que é possível por meio da computação clássica por si só. Essas descobertas poderiam inspirar o desenvolvimento de novas abordagens clássicas que alcancem uma precisão ainda maior, embora provavelmente não tenham a notável compactação de dados e a eficiência de parâmetros que nosso método oferece.
Os próximos passos consistem em ampliar o método utilizando conjuntos de dados maiores e aplicá-lo a situações do mundo real, que geralmente envolvem maior complexidade. Além disso, será proposto um marco teórico demonstrável”.
Os pesquisadores sugeriram que a capacidade do computador quântico de capturar de forma compacta a física subjacente de sistemas tão complexos pode ser devida ao caos “de tipo quântico” desses sistemas, onde um movimento em uma parte do sistema afeta outra parte muito distante (de forma muito semelhante ao entrelaçamento quântico).
Segundo explicaram, seu método evita as limitações dos computadores quânticos atuais, que são muito ruidosos, propensos a erros e interferências e, portanto, exigem medições excessivas, ao utilizar um dispositivo quântico apenas em uma etapa do processo, em vez de transferir dados constantemente entre sistemas clássicos e quânticos.
O estudo utilizou um computador quântico IQM de 20 qubits conectado a recursos de supercomputação convencionais no Centro de Supercomputação Leibniz, na Alemanha. Os pesquisadores receberam financiamento da UCL e do Conselho de Pesquisa em Ciências Físicas e Engenharia do Reino Unido (EPSRC), bem como apoio da IQM Quantum Computers e do Centro de Supercomputação Leibniz de Munique.
Esta notícia foi traduzida por um tradutor automático