Modelos de IA já faz algum tempo que ajudamos com previsões. Médicos, meteorologistas e corretores da bolsa usam IA para tentar espiar o futuro. Dentro do Centro de Supercomputação Leibniz, na Alemanha, os pesquisadores têm experimentado um modelo de IA e um computador quântico. O computador quântico ajuda a IA com previsões complexas que não consegue resolver sozinho.
A equipe de pesquisa da University College London, que publicaram suas descobertas na sexta-feira na revista Science Advances, dizem que um dia, os computadores quânticos poderão ajudar os modelos de IA a fazer previsões rápidas e precisas em uma variedade de setores, o que levaria semanas para os computadores normais descobrirem.
“O artigo demonstra que, para esses tipos de estudos, mesmo os dispositivos quânticos relativamente pequenos e não confiáveis de hoje podem melhorar as previsões dos modelos convencionais de IA”, disse Peter Coveney, professor da UCL e coautor do estudo, à CNET.
Computadores quânticos diferir de computadores normais de várias maneiras, incluindo a capacidade de realizar cálculos simultâneos em vez de cálculos passo a passo e o uso de bits quânticos. Enquanto os computadores clássicos usam bits como a menor unidade de dados, com cada um representando zero ou um, os qubits podem representar zero e um simultaneamente (superposição). Dois qubits também podem ser interligados (emaranhamento).
A superposição e o emaranhamento permitem que os computadores quânticos resolvam problemas complexos com muito mais rapidez do que os computadores tradicionais. Mas os computadores quânticos são incrivelmente delicados e devem ser mantidos em temperaturas extremamente baixas, o que os torna impraticáveis para o uso diário.
Mas embora os computadores quânticos de hoje ainda sejam experimentais e muitas vezes meticulosos, eles podem ajudar a IA a resolver grandes problemas que, de outra forma, seriam muito complicados ou demorados.
Vantagem quântica
O modelo de IA utilizado no estudo está alojado em um supercomputador conectado ao computador quântico do centro de pesquisa.
A equipe usou essa configuração para prever como os gases e líquidos em um sistema se moveriam e interagiriam durante um longo período. A ciência climática, a medicina e a engenharia urbana usam esse tipo de modelagem.
“Nosso novo método parece demonstrar a ‘vantagem quântica’ de uma forma prática – isto é, o computador quântico supera o que é possível apenas através da computação clássica”, disse a coautora Maida Wang, estudante de doutorado na UCL, em um anúncio.
Os computadores quânticos são incrivelmente sensíveis. Mesmo pequenas perturbações no ambiente atrapalham os cálculos, por isso a tecnologia ainda é usada principalmente em laboratórios de pesquisa.
Como a computação quântica ainda é limitada, os pesquisadores fizeram a maior parte do estudo com o supercomputador. O modelo de IA cuidou do processamento de dados e, em seguida, usou o computador quântico em uma etapa.
Depois de concluir os cálculos difíceis, o computador quântico devolveu as rédeas ao modelo de IA, para que ele pudesse cuidar de todo o resto.
“Mesmo os dispositivos quânticos barulhentos e propensos a erros de hoje podem melhorar o desempenho dos algoritmos convencionais de aprendizado de máquina treinados em dados de supercomputadores modernos”, disse Coveney.
Resolvendo grandes problemas
Conectar um modelo de IA para executar cálculos em um computador quântico pode parecer estranho, mas já existem exemplos reais de empresas que utilizam essa abordagem na área da saúde.
Em 2025, o Google disse que seu Algoritmo de Ecos Quânticos poderia calcular a estrutura de moléculas que poderiam abrir caminho para futuras descobertas de medicamentos. Além disso, no ano passado, a Universidade de Toronto e a Insilico Medicine usou IA com um computador quântico para construir moléculas que tenham como alvo uma forma “invencível” de câncer.
Embora ainda existam desafios para garantir que as previsões sejam confiáveis, bem como com o tamanho dos conjuntos de dados envolvidos, Coveney disse que os computadores quânticos podem melhorar previsões complexas.
“Já estamos trabalhando em aplicações do mundo real”, disse ele.
