Os computadores que a humanidade em geral usa no dia a dia, incluindo os modelos mais modernos, rápidos, seguros e eficientes, estão por se tornar “clássicos” (na acepção de ultrapassados). Ao menos essa é a expectativa dos cientistas e pesquisadores da computação quântica, para os quais a expressão “computação clássica” é usada para se referir aos computadores que atualmente são acessíveis a pessoas comuns, seja para trabalho, lazer ou para a resolução dos mais diversos tipos de problemas.

Na UFSM, o Grupo de Informação Quântica e Fenômenos Emergentes, coordenado pelo professor Jonas Maziero, do Departamento de Física, obteve recentemente a aprovação de dois projetos nessa área em editais do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq). Ao submeter o projeto intitulado “Computação quântica e aprendizado de máquina quântico”, o grupo de pesquisa foi contemplado com R$ 500 mil na chamada Nº 64/2022, que visa ao acesso às plataformas de computação na nuvem da Amazon Web Services.

Na chamada Nº 26/2022, a UFSM consta como instituição parceria da Universidade Federal de Santa Catarina (UFSC) no edital intitulado “Computação quântica na região Sul do Brasil: pesquisa básica, ensino e aplicações”, o qual envolve também a Universidade Federal do Paraná, a Universidade do Estado de Santa Catarina e o Instituto Senai de Inovação em Sistemas Embarcados. Esse projeto foi contemplado com R$ 420,4 mil, sendo R$ 68,1 mil para serviços de computação quântica na nuvem.

E, nesse estágio inicial, a compra ou fabricação de computadores quânticos é acessível, em escala mundial, somente a poucas universidades e institutos de tecnologia de ponta e a corporações gigantes nessa área – como Google, Microsoft, Amazon, Intel, IBM e Rigetti. O projeto do grupo de pesquisa da UFSM tem como foco o aprendizado de máquina, conceito que tem implicações em outros aspectos de grande relevância na computação atual, como a inteligência artificial e as redes neurais artificiais.

Embora o “aprendizado de máquina” (machine learning) e a “inteligência artificial” (artificial intelligence) sejam fortemente correlacionados, essas expressões não são sinônimas uma da outra. É difícil, no entanto, estabelecer uma fronteira entre esses dois campos. Em ambos os casos, os computadores (ou programas de computador) “aprendem” a reconhecer padrões a partir das bases de dados disponíveis. Atualmente, o campo do aprendizado de máquina tem mais relação com a elaboração de previsões e sugestões para o usuário, enquanto o da inteligência artificial relaciona-se mais propriamente com a execução de ações. Um dos modelos usados na aprendizagem de máquina são as redes neurais artificiais (artificial neural networks), cuja criação é inspirada no funcionamento do cérebro humano.

O grupo de pesquisa da UFSM leva em consideração que os modelos atuais de aprendizado de máquina “sofrem de problemas tais como a quantidade de dados de treinamento necessários e o elevado número de operações matemáticas que devem fazer. Assim, novas alternativas estão sendo consideradas, sendo o aprendizado de máquina quântico a principal”.

O projeto, em sua metodologia, inclui a análise de como a arquitetura das unidades quânticas de processamento influenciam os modelos de aprendizagem de máquina, além de simulações numéricas (tanto em máquinas clássicas como em computadores quânticos) e a aplicação de diferentes métodos para a mitigação de erros.

Tendo em vista que a evolução da computação clássica contribuiu, das mais diferentes formas, para o desenvolvimento da ciência e tecnologia, espera-se que no futuro os algoritmos quânticos possam proporcionar um novo salto nas diversas áreas do conhecimento.

Isso inclui, entre outras áreas, “a química quântica (simulação de moléculas); transporte e logística (otimização de rotas, organização de estoques e agendas, controle portuário); física de materiais (descoberta de novos materiais, materiais supercondutores a altas temperaturas); machine learning (veículos autônomos, visão computacional, determinação de padrões); medicina (descoberta de novos fármacos, medicina personalizada); finanças (detecção de fraudes, otimização de portfólio); matemática (solução de equações diferenciais, solução de problemas de álgebra linear); segurança cibernética (quebra de códigos criptográficos)”, conforme consta no projeto desenvolvido em parceria entre UFSM e UFSC.