Pesquisadores da University College London (UCL) desenvolveram um modelo de inteligência artificial que incorpora padrões aprendidos por um computador quântico. Esta abordagem híbrida permite prever o comportamento de sistemas turbulentos com muito mais eficiência e com centenas de vezes menos memória do que os métodos convencionais.
O estudo publicado na revista Science Advances mostra que a combinação de cálculo quântico com aprendizado de máquina clássico gera previsões estáveis de longo prazo em sistemas caóticos como fluidos em movimento.
Segundo o portal da Phys.org, o modelo quântico-informado supera os modelos clássicos em aproximadamente 20% do desempenho.
A técnica utiliza um dispositivo quântico para extrair padrões estatísticos invariantes que permanecem constantes apesar da complexidade turbulenta. Esses dados são então integrados a um modelo de IA que roda em supercomputadores clássicos, evitando a dependência total de hardware quântico ainda limitado por ruído e erros.
No experimento, os cientistas empregaram um computador quântico com 20 qubits da empresa IQM. Este aparelho identificou os padrões-chave de um sistema turbulento que foram incorporados ao treinamento de um modelo convencional de aprendizagem de máquina.
A memória exigida pelo modelo híbrido revelou-se centenas de vezes menor do que a utilizada por redes neurais tradicionais. Estas últimas dependem de vastos volumes de dados e parâmetros para capturar as flutuações caóticas inerentes à turbulência.
Maida Wang, primeira autora do estudo no UCL Center for Computational Science, descreveu o método como um exemplo de vantagem quântica prática. O computador quântico superou o possível com hardware clássico em termos de eficiência de parâmetros e compressão de dados.
Xiao Xue, outra primeira autora do trabalho, ressaltou que o avanço facilita a implementação do método em situações reais que envolvem complexidade ainda maior. As propriedades de superposição e entrelaçamento permitem que cada qubit carregue informações sobre múltiplos estados simultaneamente.
Os pesquisadores projetam aplicações práticas em diversas áreas com o novo modelo. Modelagens climáticas ganham com previsões meteorológicas mais precisas em horizontes de longo prazo, enquanto o campo da saúde se beneficia de simulações fiéis de fluxo sanguíneo e interações moleculares.
No setor de energia renovável e engenharia, o método promete otimizações em aerodinâmica e projetos de usinas eólicas. Tais melhorias derivam da capacidade de lidar com a turbulência de forma mais eficaz e com menor custo computacional.
Desafios persistem antes da adoção em larga escala da tecnologia. Os cientistas precisam escalar o método para dados de maior volume, controlar o ruído nos dispositivos quânticos e desenvolver uma estrutura teórica que explique as garantias matemáticas da abordagem híbrida.
O estudo da UCL estabelece novo patamar na modelagem de turbulência, um dos fenômenos mais complexos da física clássica. A união entre o quântico e o clássico aponta para simulações mais precisas de longo prazo e eficientes em recursos de memória.
📨 Inscreva-se na Newsletter de O Cafezinho
Receba nossas análises e as principais notícias diárias do Brasil e do Sul Global.