Uma equipe liderada pela Universidade de Ciência e Tecnologia da China (USTC) demonstrou que um sistema quântico composto por apenas nove spins interagindo consegue igualar ou superar o desempenho de uma rede neural clássica com 10 mil nós na tarefa de prever condições meteorológicas ao longo de vários dias.
O estudo foi publicado em 25 de março na revista Physical Review Letters e contou com apoio de programas nacionais chineses de fomento à pesquisa.
Conforme reportou o South China Morning Post, os cientistas compararam o dispositivo com uma rede de reservatório clássica do tipo echo state network, modelo comumente utilizado em previsões temporais.
A técnica empregada é o reservoir computing quântico, que utiliza as dinâmicas naturais de sistemas quânticos para produzir memória e não linearidade de forma intrínseca, sem depender de complexas arquiteturas de portas quânticas difíceis de estabilizar nos hardwares atuais.
Sinais de entrada foram codificados diretamente em estados quânticos. A evolução temporal desses estados, marcada por entrelaçamento e interações entre os spins, processou as informações de maneira que modelos clássicos teriam enorme dificuldade para replicar com eficiência equivalente.
Os pesquisadores ainda transformaram a dissipação, normalmente vista como problema, em mecanismo útil para regular a memória do reservatório quântico.
Na previsão de tendências de temperatura por vários dias, o sistema quântico apresentou precisão superior à da rede clássica de reservatório com milhares de nós. O mesmo dispositivo foi testado no benchmark NARMA, problema clássico de séries temporais imprevisíveis, onde reduziu os erros de previsão em uma ou duas ordens de magnitude em comparação com implementações quânticas anteriores baseadas em circuitos.
Esse resultado ganha relevância especial para a era dos dispositivos NISQ, sigla para computação quântica ruidosa de escala intermediária. Em vez de esperar por sistemas totalmente tolerantes a falhas, o trabalho mostra que efeitos como decoerência e dissipação, inevitáveis na prática, podem ser convertidos em vantagens operacionais.
A abordagem reforça o potencial de sistemas quânticos relativamente pequenos para tarefas reais de aprendizado de máquina.
Os achados desafiam a premissa de que apenas escalas massivas de nós clássicos garantem superioridade em problemas práticos. Sistemas compactos baseados em princípios quânticos oferecem caminho alternativo que combina eficiência computacional com menor demanda por recursos de infraestrutura.
O experimento representa avanço concreto na aplicação de efeitos quânticos naturais a problemas do mundo real, especialmente em séries temporais complexas como as meteorológicas.
Em contraste, os Estados Unidos destinam recursos significativos ao aprimoramento de previsões via inteligência artificial clássica. A NOAA alocou quase 100 milhões de dólares para atualizar o supercomputador Rhea, enquanto o TAME Act prevê 188 milhões de dólares ao longo de cinco anos para iniciativas ligadas a IA e clima.
O marco chinês indica que a computação quântica aproximada pode competir diretamente com abordagens clássicas em cenários específicos, redefinindo discussões sobre custo, escalabilidade e precisão em machine learning.
📬 Assine a Newsletter do O Cafezinho
Receba a Manchete do Dia diretamente no seu e-mail, de graça e sem enrolação, todo dia pela manhã. É só colocar o seu e-mail abaixo:
[mailchimp_subscribe_form]