[pt] A pesquisa explora a implementação de Máquinas de Boltzmann Restri tas Assistidas por Computação Quântica (QARBM) em hardwares quânticos e simuladores, avaliando seu desempenho em um conjunto de dados reais for necido pela STONE, uma das principais fintechs brasileiras, em comparação com RBMs clássicas. Os principais aspectos abordados incluem a adaptação de algoritmos de otimização e técnicas de amostragem baseadas em energia. Este estudo contribui para o crescente campo do aprendizado de máquina aprimorado por computação quântica, oferecendo insights sobre a integração prática da computação quântica com arquiteturas de redes neurais. Os resulta dos sugerem que a QARBM pode ser uma estrutura robusta para o avanço de aplicações de aprendizado de máquina em domínios como a detecção de fraudes bancárias. Trabalhos futuros se concentrarão na escalabilidade do modelo para conjuntos de dados maiores e em novas abordagens para a implementação de Máquinas de Boltzmann Restritas Assistidas por Computação Quântica com Pesos.
[pt] A pesquisa explora a implementação de Máquinas de Boltzmann Restri tas Assistidas por Computação Quântica (QARBM) em hardwares quânticos e simuladores, avaliando seu desempenho em um conjunto de dados reais for necido pela STONE, uma das principais fintechs brasileiras, em comparação com RBMs clássicas. Os principais aspectos abordados incluem a adaptação de algoritmos de otimização e técnicas de amostragem baseadas em energia. Este estudo contribui para o crescente campo do aprendizado de máquina aprimorado por computação quântica, oferecendo insights sobre a integração prática da computação quântica com arquiteturas de redes neurais. Os resulta dos sugerem que a QARBM pode ser uma estrutura robusta para o avanço de aplicações de aprendizado de máquina em domínios como a detecção de fraudes bancárias. Trabalhos futuros se concentrarão na escalabilidade do modelo para conjuntos de dados maiores e em novas abordagens para a implementação de Máquinas de Boltzmann Restritas Assistidas por Computação Quântica com Pesos.
Esta tese explora as interseções entre Aprendizado de Máquina e Informação Quântica, investigando como ferramentas de inteligência artificial podem ser aplicadas para resolver problemas fundamentais em sistemas quânticos complexos. O trabalho foca em dois desafios principais: a classificação de fases quânticas e a predição de sincronização quântica. Na classificação de fases quânticas, apresentamos três abordagens complementares. A primeira explora a independência de modelo, demonstrando como é possível treinar um classificador em dados provenientes de um modelo de Hamiltoniano e utilizá-lo para classificar fases em um modelo distinto. A segunda abordagem emprega algoritmos de Aprendizado de Máquina Quântico (QML) com seleção de atributos baseada na técnica SHAP (Shapley Additive Explanations), otimizando a escolha de features relevantes para melhorar a precisão dos classificadores. Por fim, introduzimos o uso de redes generativas adversárias (GANs) para criar dados sintéticos, permitindo ampliar e diversificar os conjuntos de dados e, assim, aumentar a eficiência e a precisão das classificações. No segundo desafio, a predição de sincronização quântica, aplicamos um algoritmo de aprendizado supervisionado para prever a ocorrência de sincronização ou antissincronização em sistemas quânticos. Baseando-nos em dados iniciais da evolução temporal do sistema, demonstramos como identificar padrões que indicam a dinâmica futura desses fenômenos com alta confiabilidade. Esta tese contribui apresentando soluções inovadoras e um conjunto abrangente de ferramentas que conectam inteligência artificial à compreensão de sistemas quânticos. Os resultados obtidos oferecem insights valiosos para a compreensão e manipulação desses sistemas.
Este estudo investigou os principais desafios, avanços e aplicações da computação quântica, focando no impacto em áreas como segurança digital, inteligência artificial e simulação de materiais. O objetivo geral foi analisar como a computação quântica pode transformar essas áreas e quais obstáculos técnicos e teóricos precisam ser superados para a implementação em larga escala. A pesquisa adotou uma abordagem qualitativa, sendo de caráter bibliográfico, com análise de artigos, livros e dissertações recentes que abordam a computação quântica e suas possíveis aplicações. Os resultados revelaram que a computação quântica apresenta um grande potencial para revolucionar a segurança digital, ao oferecer novas formas de criptografia resistentes a ataques de computadores clássicos. Além disso, demonstrou que a computação quântica pode acelerar algoritmos de aprendizado de máquina e otimização em inteligência artificial. Em relação à física de materiais, os avanços observados podem impulsionar a descoberta de novos materiais e fármacos, com aplicações significativas nas indústrias química e farmacêutica. No entanto, desafios técnicos como a estabilidade dos qubits, a correção de erros quânticos e a escalabilidade dos sistemas ainda precisam ser superados. As considerações finais apontaram que a computação quântica tem um grande potencial transformador, mas que estudos são necessários, em especial no que diz respeito ao desenvolvimento de hardware, software e à integração com outras tecnologias emergentes.
Introdução: A computação quântica representa uma mudança fundamental em relação à computação clássica, ao utilizar princípios da mecânica quântica como superposição, emaranhamento e interferência. Desde as propostas iniciais de Feynman e Deutsch, a área tem avançado significativamente, embora ainda enfrente grandes desafios técnicos e conceituais para sua consolidação. Objetivo: analisar os principais desafios envolvidos no desenvolvimento da computação quântica e suas aplicações práticas potenciais, com destaque para os campos da criptografia, otimização, simulação de sistemas físicos e aprendizado de máquina. Metodologia: Consistiu-se na utilização de bases de dados eletrônicas mediante a realização de uma revisão integrativa da literatura e de um estudo descritivo com enfoque qualitativo. Tal processo foi conduzido a partir da seleção de artigos disponíveis na Scientific Electronic Library (SciELO), seguindo critérios de inclusão que priorizaram publicações dos últimos quatro anos, voltadas especificamente para estudos relacionados à computação quântica, com foco em avanços tecnológicos, gargalos técnicos e perspectivas futuras. Resultados e Discussão: Percebeu-se que a computação quântica tem avançado, mas ainda enfrenta desafios significativos. Na simulação de sistemas físicos e químicos, ela pode modelar moléculas complexas com grande precisão, beneficiando áreas como a farmacologia e a engenharia de materiais. Em otimização e logística, a computação quântica pode oferecer soluções mais rápidas para problemas de alocação e roteamento. Já na inteligência artificial, estudos sugerem que técnicas quânticas podem acelerar o processamento de dados e o treinamento de modelos, potencializando o desempenho de sistemas de aprendizado. Considerações: Apesar de ainda estar em estágio experimental, a computação quântica avança rapidamente e apresenta um enorme potencial disruptivo. No entanto, para que isso se concretize, será necessário superar desafios tecnológicos consideráveis por meio da colaboração entre universidades, empresas e governos.
A Computação Quântica surgiu como uma promissora tecnologia alternativa capaz de contornar os problemas previstos para acontecerem em breve com a saturação da tecnologia atual (Computação Clássica). Estes problemas acontecem quando se trabalha com componentes muito pequenos, da ordem de poucos nanômetros, quando os efeitos da Mecânica Quântica começam a tornar-se mais fortes, gerando resultados aleatórios. A Computação Quântica toma proveito desses efeitos, resultando numa Computação não somente mais rápida, como um novo tipo de Computação, capaz de realizar tipos novos de computação impossíveis, em princípio, de serem realizadas classicamente. Embora a teoria da Computação Quântica venha se desenvolvendo com rapidez, a parte experimental ainda enfrenta grandes dificuldades. Embora implementações de algoritmos simples e com poucos qubits já tenham sido realizadas, ainda há problemas sérios de escalabilidade, descoerência e controlabilidade a serem resolvidos. Devido a esses problemas, torna-se imperativo o uso de simuladores tanto para o desenvolvimento de novos algoritmos quanto para o estudo dos algoritmos existentes. A simulação, porém, apresenta um problema, no que um sistema quântico só pode ser simulado eficientemente por outro sistema quântico. Um sistema quântico de n qubits levará um tempo O(2n ) para ser simulado por um computador clássico. A simulação, entretanto, mostra-se a alternativa mais viável em vista da falta de um hardware quântico. Este trabalho apresenta o processo de concepção e implementação de um simulador universal de circuitos quânticos, denominado Zeno. O modelo de circuitos quânticos foi escolhido por ser amplamente difundido e de fácil assimilação. O trabalho apresenta uma introdução aos conceitos de Computação Quântica usados na implementação do simulador, os requisitos gerais desejáveis para um novo simulador de circuitos quânticos, tanto do ponto de vista funcional quanto do não-funcional, o processo de desenvolvimento utilizado e uma análise dos resultados obtidos com a implementação do simulador.
Antes restrita a uma área de fronteira da Física, a computação quântica é uma das áreas que mais tem crescido atualmente, justamente por suas aplicações tecnológicas em problemas de otimização, aprendizagem de máquina, segurança da informação e simulações. O objetivo deste artigo é introduzir os fundamentos da computação quântica, tendo como foco um algoritmo quântico promissor e sua aplicação a um problema do mercado financeiro. Mais especificamente, discutimos o problema da otimização de portfólio usando o Quantum Approximate Optimization Algorithm (QAOA). Não somente descrevemos os principais conceitos envolvidos, mas também consideramos exemplos simples práticos, envolvendo ativos financeiros disponíveis na bolsa brasileira, com códigos, tanto clássicos quanto quânticos, dísponíveis livremente em um Jupyter Notebook. Também analisamos em detalhes a qualidade das soluções de otimização combinatória de portfólio por meio do QAOA usando o simulador quântico ATOS QLM do SENAI/CIMATEC.
Desde a primeira vez que computação quântica foi concetualizada por Feynman, simulação quântica tem estado na vanguarda das possiveis aplicações de interesse. Os custos proibitivos de simular sistemas quânticos com computadores classicos são uma forte motivação para a investigação em computação quântica. Ao longo da última década, tem-se observado um progresso notável no desenvolvimento de hardware quantico. No entanto, os obstáculos entre nos e a era de vantagem quantica util mantem-se essencialmente os mesmos: A informação quântica e fragil, e protegê-la é um desafio. Visto que os dispositivos quânticos atuais são ruidosos e tem um número limitado de qubits, desenvolver algoritmos que possam ser executados neles e uma area de investigação importante. Por resultarem em circuitos de preparação de estado (ansatze) pouco profundos e treinaveis, algoritmos quânticos variacionais (VQAs) adaptativos são uma opção promissora. O primeiro algoritmo nesta classe, o ADAPT-VQE, pode ser utilizado para problemas de estrutura eletronica, otimização combinatoria, materia condensada, sistemas periódicos no tempo, entre outros. Nesta tese, são propostas varias melhorias para VQAs adaptativos, com o objetivo de diminuir os custos e aumentar a viabilidade a curto prazo. Propõe-se um otimizador quasi-Newton para VQAs adaptativos que reduz os custos de medição necessários para implementar estes algoritmos em hardware quântico, bem como o tempo necessario para os simular classicamente. Propõe-se ainda um novo conjunto de operadores — “operatores de intercambio acoplado” (CEOs) — que resulta no menor numero de portas quanticas e na menor profundidade de circuito entre todas as propostas na literatura. Combina-se varios desenvolvimentos-chave e mostra-se uma redução dramatica dos recursos computacionais quânticos necessários em comparação com as primeiras versões do algoritmo ou com ansätze estáticos para VQE. Adicionalmente, propõe-se uma versão codesenhada do ADAPT-VQE (Co-ADAPT-VQE) onde o hardware quântico e tido em consideração na construção do ansatz. Este paradigma pode ser utilizado para otimizar circuitos de preparação de estado em qualquer dispositivo, colmatando limitações como conetividade limitada, tempos de coerencia curtos, e erros nas portas quanticas. Finalmente, propomos estrategia para mitigar “vales de gradientes”, um problema de convergência especifico ao ADAPT-VQE.