Termodinâmica e informação em redes quânticas lineares

P. C. M. Castilho, Vanderlei Salvador Bagnato, Kílvia Mayre Farias Magalhães

Maria Eduarda Reichmann Filippetto, Ana C. S. Costa, Krissia Zawadzki

Resumo A Termodinâmica foi consolidada durante a Revolução Industrial, estabelecendo um arcabouço teórico e prático para descrever como energia pode ser transformada e utilizada. Com o surgimento da Teoria da Informação, ocorreu uma das primeiras associações entre informação e energia, fazendo com que diversos conceitos termodinâmicos fossem revisitados sob essa perspectiva. A Termodinâmica Quântica emerge, então, da necessidade de descrever essas trocas energéticas em sistemas governados pelas leis da Mecânica Quântica. A segunda revolução quântica impulsiona esse cenário em que as tecnologias vem sendo cada vez mais miniaturizadas e faz-se necessário compreender o papel das leis quânticas para um funcionamento otimizado. Neste artigo, revisitamos as ideias que deram origem à Termodinâmica Quântica e apresentamos uma introdução às suas bases teóricas. Discutimos as definições de trabalho, calor e entropia em sistemas quânticos, reinterpretando a primeira e a segunda lei nesse contexto, e ilustramos esses conceitos através do exemplo de um sistema composto por um único qubit. Exploramos também como recursos quânticos podem oferecer vantagens termodinâmicas. Na sequência, abordamos duas aplicações centrais: máquinas térmicas e baterias quânticas, discutindo seus modelos teóricos e as respectivas implementações experimentais. Concluímos destacando os desafios atuais e os possíveis avanços dessa área que encontra-se em rápida ascensão. Esperamos oferecer uma breve introdução ao tema a estudantes de graduação e pós-graduação em ciências exatas.

Paula Neto, Fernando Maciano de

Redes Neurais Artificiais (RNA) têm sido utilizadas como modelos computacionais que aprendem a partir de um conjunto de dados e são capazes de extrapolar esse conhecimento a partir das generalizações inerentes ao seu processo de decisão. Com o crescimento da computação quântica como novo paradigma de processamento de informação, modelos quânticos de redes neurais têm sido propostos para coadunar os benefícios da computação quântica com os benefícios das RNAs. Os modelos quânticos de RNA existentes assumem a dificuldade de implementar a não-linearidade intrínseca dos neurônios que compõem a RNA, uma vez que tradicionalmente a computação quântica possui apenas operadores unitários. Há algumas propostas na literatura de modelos de neurônios que simulam essa não-linearidade, mas elas aparecem simulando alguma função não-linear específica, como a função de limiar ou arco-tangente. Há ainda as RNAs que possuem comportamento de memória associativa, fazendo a recuperação de informação a partir de uma entrada igual ou parecida com seus padrões armazenados. A implementação desses modelos envolve duas etapas, o processo de armazenamento e a recuperação de informação. Os modelos quânticos de memória associativa têm utilizado a superposição quântica para armazenamento e alguns modelos foram propostos para recuperação de informação. Nesse trabalho estendemos o funcionamento não-linear do Perceptron, permitindo que um neurônio quântico execute qualquer função não-linear discreta. O modelo proposto permite que o neurônio possa simular o comportamento dos neurônios clássicos assim como utilizar dos recursos intrínsecos da computação quântica como superposição e emaranhamento. Há também a proposição de um neurônio que possui memória interna e que pode armazenar informações de iterações anteriores a medida que ele é executado. Esse modelo permite incorporar informações espaço-temporais em seu modelo. Em termos de memórias associativas, propusemos a utilização de dois modelos de recuperação probabilística de informação, um não linear e outro linear, utilizando os algoritmos quânticos de Grover e transformada inversa de Fourier. Esse modelo de memória permite reconhecer informações óximas ou iguais ao conteúdo que está na memória e possui custo linear de operação.

Alessandro Ramos Júnior

Raabe Melo de Oliveira

Estudos em redes complexas sao essenciais em diversos campos do conhecimento devido a sua capacidade de representar sistemas reais. Alguns estudos mostram que atraves da discussao das matrizes que compoem uma rede e possivel extrair propriedades e analisa-las sob a otica da Mecânica Quântica. Neste trabalho, discutiremos a entropia de von Neumann como um quantificador de informacao presente em grafos aleatorios. Nesta monografia abordaremos tres tipos de redes: rede quadrada (rede regular), o modelo de grafo aleatorio de Erdos e Renyi, e o modelo livre de escala de Barabasi-Albert, onde estudaremos a entropia de von Neumann para tres diferentes topologias.

L. Tarassov, Sergei Medvedev