XLV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO "Produção inteligente para um futuro renovável" Natal, Rio Grande do Norte, 14 a 17 de outubro de 2025. 1 1.Introdução A computação quântica está se tornando uma realidade palpável em comparação com o paradigma de computação clássico.Os recentes avanços em termos de hardware e software para esse novo paradigma de computação têm permitido cientistas realizarem suas pesquisas com o uso de tecnologia quântica.Dentro da pesquisa operacional, atenção tem sido dada aos problemas de otimização combinatória e, recentemente, aos algoritmos de otimização quânticos ou inspirados na computação quântica.Vários desses algoritmos estão sendo definidos para resolver problemas de otimização combinatória de forma mais eficiente se comparados aos algoritmos clássicos (ALBASH; LIDAR, 2018).Dentre os avanços na computação quântica, pode-se citar o recozimento quântico (quantum annealer -QA).Ele é uma tecnologia projetada para lidar com problemas de otimização.A ideia é encontrar o estado de menor energia do sistema, o que corresponde a uma solução ótima do problema.Um exemplo de QA é o sistema D-Wave Advantage, que possui mais de 5 mil bits quânticos (qubits) e tem um resolvedor que pode lidar com problemas de até 2 milhões de variáveis e 100 mil restrições (BOIXO et al., 2014).Por outro lado, um ponto fraco de QAs está no número de conexões entre os qubits e os ruídos que surgem da comunicação entre eles, o que na prática limita a sua aplicação na resolução de problemas reais (DU et al., 2025).Uma outra tecnologia é o recozimento digital (digital annealer -DA), que foi proposto pela Fujitsu Ltd e é inspirado em tecnologia quântica.Ele não se trata de um computador quântico, mas de um hardware dedicado construído com a convencional tecnologia CMOS (Complementary Metal-Oxide-Semiconductor), o que permite seu funcionamento em temperatura ambiente.Para encontrar soluções de problemas de otimização, ele executa um algoritmo similar a metaheurística recozimento simulado (simulated annealing) que, por sua vez, é baseada na analogia do recozimento térmico de sólidos para a obtenção de estados de baixa energia.Uma vantagem do DA em comparação a um QA é a sua performance, com capacidade para lidar com problemas grandes e reais (FUKUSHIMA-KIMURA et al., 2023).Neste artigo, o DA é aplicado para resolver o problema da mochila cúbica (PMC).O PMC é um problema de otimização combinatória não-linear e que pertence a classe NP-Difícil.Ele possui aplicação, por exemplo, em problemas da área logística, na satisfatibilidade de fórmulas booleanas, em leilões combinatórios e na seleção de portfólio (FORRESTER; WADDELL, 2022).O objetivo desta pesquisa é avaliar o desempenho do DA sobre uma modelagem baseada na otimização binária irrestrita de ordem superior (higher-order unconstrained binary optimization -HUBO).Para isso, experimentos computacionais são realizados com exemplares XLV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO "Produção inteligente para um futuro renovável" Natal, Rio Grande do Norte, 14 a 17 de outubro de 2025. 2 de teste variando entre 40 e 100 itens e considerando diferentes densidades de coeficientes não nulos para a função objetivo do PMC.As soluções encontradas pelo DA são comparadas com aquelas obtidas por uma heurística gulosa e um modelo de programação linear inteira publicados recentemente na literatura especializada.Vale destacar que alguns desses resultados foram publicados em Queiroz et al. (2025).O presente artigo está organizado da seguinte forma.A Seção 2 contém o referencial teórico, com uma breve revisão da literatura sobre o problema da mochila e do uso do DA para resolver problemas de otimização.A Seção 3 apresenta a metodologia de pesquisa, incluindo a definição formal do PMC, o modelo cúbico a ser resolvido pelo DA, a heurística gulosa e o modelo de programação linear inteira.A Seção 4 discute os resultados computacionais, com uma tabela comparativa e análises referentes a performance de cada método de solução sobre os exemplares de teste.A Seção 5 traz as considerações finais. Referencial TeóricoEsta pesquisa contempla um problema de otimização combinatória, dentro da pesquisa operacional.Problemas de otimização combinatória possuem domínio finito, porém muito grande.O interesse está em soluções que maximizam uma certa função objetivo sujeita a diferentes restrições do problema sendo tratado (ARENALES et al., 2007).Para o modelo de computação clássica, esses problemas são computacionalmente difíceis, ou seja, estão na classe NP-Difícil.Isso significa que, até o presente momento, não se conhece algoritmos exatos de tempo polinomial para resolvê-los na otimalidade (GAREY; JOHNSON, 1979). Problema da mochilaProblemas empacotamento, como é o caso do problema da mochila, vêm sendo investigados há muito tempo por pesquisadores da área de pesquisa operacional (IORI et al., 2021).Dada a grande variedade desses problemas, existem características que permitem classificá-los.A tipologia mais recente foi proposta por Wäscher, Haussner e Schumann (2007).Ela parte de uma classificação anterior da literatura, introduzindo novas caraterísticas, sendo mais precisa e cobrindo um maior número de problemas.O problema da mochila possui um modelo matemático simples e aplicações em diversas áreas, além de aparecer como subproblema de outros problemas de otimização combinatória.A sua versão clássica é definida sobre um dado recipiente de capacidade de peso limitada e um conjunto de itens com valor e peso.O objetivo é escolher um subconjunto de itens de máximo valor cujo peso total respeite a capacidade de peso do recipiente.
XLV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO "Produção inteligente para um futuro renovável" Natal, Rio Grande do Norte, 14 a 17 de outubro de 2025. 1 1.Introdução A computação quântica está se tornando uma realidade palpável em comparação com o paradigma de computação clássico.Os recentes avanços em termos de hardware e software para esse novo paradigma de computação têm permitido cientistas realizarem suas pesquisas com o uso de tecnologia quântica.Dentro da pesquisa operacional, atenção tem sido dada aos problemas de otimização combinatória e, recentemente, aos algoritmos de otimização quânticos ou inspirados na computação quântica.Vários desses algoritmos estão sendo definidos para resolver problemas de otimização combinatória de forma mais eficiente se comparados aos algoritmos clássicos (ALBASH; LIDAR, 2018).Dentre os avanços na computação quântica, pode-se citar o recozimento quântico (quantum annealer -QA).Ele é uma tecnologia projetada para lidar com problemas de otimização.A ideia é encontrar o estado de menor energia do sistema, o que corresponde a uma solução ótima do problema.Um exemplo de QA é o sistema D-Wave Advantage, que possui mais de 5 mil bits quânticos (qubits) e tem um resolvedor que pode lidar com problemas de até 2 milhões de variáveis e 100 mil restrições (BOIXO et al., 2014).Por outro lado, um ponto fraco de QAs está no número de conexões entre os qubits e os ruídos que surgem da comunicação entre eles, o que na prática limita a sua aplicação na resolução de problemas reais (DU et al., 2025).Uma outra tecnologia é o recozimento digital (digital annealer -DA), que foi proposto pela Fujitsu Ltd e é inspirado em tecnologia quântica.Ele não se trata de um computador quântico, mas de um hardware dedicado construído com a convencional tecnologia CMOS (Complementary Metal-Oxide-Semiconductor), o que permite seu funcionamento em temperatura ambiente.Para encontrar soluções de problemas de otimização, ele executa um algoritmo similar a metaheurística recozimento simulado (simulated annealing) que, por sua vez, é baseada na analogia do recozimento térmico de sólidos para a obtenção de estados de baixa energia.Uma vantagem do DA em comparação a um QA é a sua performance, com capacidade para lidar com problemas grandes e reais (FUKUSHIMA-KIMURA et al., 2023).Neste artigo, o DA é aplicado para resolver o problema da mochila cúbica (PMC).O PMC é um problema de otimização combinatória não-linear e que pertence a classe NP-Difícil.Ele possui aplicação, por exemplo, em problemas da área logística, na satisfatibilidade de fórmulas booleanas, em leilões combinatórios e na seleção de portfólio (FORRESTER; WADDELL, 2022).O objetivo desta pesquisa é avaliar o desempenho do DA sobre uma modelagem baseada na otimização binária irrestrita de ordem superior (higher-order unconstrained binary optimization -HUBO).Para isso, experimentos computacionais são realizados com exemplares XLV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO "Produção inteligente para um futuro renovável" Natal, Rio Grande do Norte, 14 a 17 de outubro de 2025. 2 de teste variando entre 40 e 100 itens e considerando diferentes densidades de coeficientes não nulos para a função objetivo do PMC.As soluções encontradas pelo DA são comparadas com aquelas obtidas por uma heurística gulosa e um modelo de programação linear inteira publicados recentemente na literatura especializada.Vale destacar que alguns desses resultados foram publicados em Queiroz et al. (2025).O presente artigo está organizado da seguinte forma.A Seção 2 contém o referencial teórico, com uma breve revisão da literatura sobre o problema da mochila e do uso do DA para resolver problemas de otimização.A Seção 3 apresenta a metodologia de pesquisa, incluindo a definição formal do PMC, o modelo cúbico a ser resolvido pelo DA, a heurística gulosa e o modelo de programação linear inteira.A Seção 4 discute os resultados computacionais, com uma tabela comparativa e análises referentes a performance de cada método de solução sobre os exemplares de teste.A Seção 5 traz as considerações finais. Referencial TeóricoEsta pesquisa contempla um problema de otimização combinatória, dentro da pesquisa operacional.Problemas de otimização combinatória possuem domínio finito, porém muito grande.O interesse está em soluções que maximizam uma certa função objetivo sujeita a diferentes restrições do problema sendo tratado (ARENALES et al., 2007).Para o modelo de computação clássica, esses problemas são computacionalmente difíceis, ou seja, estão na classe NP-Difícil.Isso significa que, até o presente momento, não se conhece algoritmos exatos de tempo polinomial para resolvê-los na otimalidade (GAREY; JOHNSON, 1979). Problema da mochilaProblemas empacotamento, como é o caso do problema da mochila, vêm sendo investigados há muito tempo por pesquisadores da área de pesquisa operacional (IORI et al., 2021).Dada a grande variedade desses problemas, existem características que permitem classificá-los.A tipologia mais recente foi proposta por Wäscher, Haussner e Schumann (2007).Ela parte de uma classificação anterior da literatura, introduzindo novas caraterísticas, sendo mais precisa e cobrindo um maior número de problemas.O problema da mochila possui um modelo matemático simples e aplicações em diversas áreas, além de aparecer como subproblema de outros problemas de otimização combinatória.A sua versão clássica é definida sobre um dado recipiente de capacidade de peso limitada e um conjunto de itens com valor e peso.O objetivo é escolher um subconjunto de itens de máximo valor cujo peso total respeite a capacidade de peso do recipiente.
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.
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.
Computação quântica é uma área de grande desenvolvimento hoje em dia e isso traz uma necessidade para desenvolver hardware e software. Uma vez que o hardware disponível é muito pouco e o software precisa de ser testado, existe uma necessidade de uma boa plataforma para testar as soluções de software. Simular um computador quântico num computador clássico não é ideal, contudo é uma resposta viável a esta necessidade, para um pequeno número de qubits. Além disso, os computadores quânticos necessitam dos computadores clássicos de forma a criar um sistema real prático, isto apresenta-se como uma excelente oportunidade para testar técnicas de programação clássica para melhorar a programação quântica. Esta tese propõe o uso de programação clássica para melhorar a implementação de um algoritmo de adição modular usando transformadas de Fourier quânticas. Os principais objectivos deste trabalho são: simular um circuito quântico; testar um algoritmo quântico e compará-lo com o seu equivalente clássico; implementar o algoritmo de adição modular, usando as capacidades de aceleração de computação das transformadas de Fourier quânticas e optimizá-lo; Testar e implementar códigos quânticos de correcção de erros; fazer um teste num computador quântico real.De forma a testar a linguagem e comparar um algoritmo quântico com um clássico, fez-se um teste ao algoritmo de Shor que está disponível de raiz na plataforma liquid. Apesar do algoritmo de Shor ter, teoricamente, uma dependência de tipo polinomial com a dimensão do problema, os testes realizados mostraram que o tempo de computação tem um comportamento exponencial. Simular um algoritmo quântico num computador clássico requer tempo de computação que cresce de forma exponencial, pois é necessário armazenar e processar todos os estados do sistema, que é um espaço de Hilbert de dimensão 2^n.O algoritmo de adição modular usando transformadas de Fourier quânticas foi implementado na plataforma liquid. Seguidamente fizeram-se melhorias e optimizações. O número de operações teórico é O(n^2). Contudo, depois de fazer melhorias ao circuito, removendo gates desnecessárias para casos específicos, o número de operações passa a ter um valor mínimo de Omega(n). Com este tipo de alterações o sistema pode apresentar melhorias no que respeito ao tempo de simulação até um factor de ordem 10. Isto mostra que programar um algoritmo quântico tendo em conta casos específicos pode melhorar imenso o desempenho da simulação.Os códigos de correção de erros quânticos foram implementados num circuito simples, com as ferramentas disponíveis na plataforma liquid, e obteve-se um sistema que consegue lidar com erros com probabilidade inferior ou igual a 2%, com uma taxa de sucesso na sua correção de 95%. Contudo são necessários circuitos muito grandes, pouco exequíveis.A plataforma disponibilizada pela IBM para fazer testes num computador quântico real, foi utilizada para testar o algoritmo de adição modular e adição normal (com carry bit). Uma vez que esta plataforma tem um número limitado de gates, reforça a ideia de que se deve otimizar os algoritmos tendo em conta casos particulares. Os resultados destes testes mostram também que é importante utilizar correcção de erros quânticos, mas para que isso seja viável é necessário que haja mais qubits disponíveis ou outro tipo de códigos.
A computação quântica é uma área de pesquisa recente que engloba três áreas conhecidas: matemática, física e computação. Com as pesquisas na área de algoritmos\nquânticos veio a necessidade de entender e expressar tais algoritmos do ponto de vista de programação. Diversas linguagens e modelos para programação quântica de alto nível têm sido propostas nos últimos anos. A Mecânica Quântica (MQ) é um conjunto de regras matemáticas que servem para a construção de teorias físicas, desde a sua criação até os dias de hoje ela tem sido aplicada em diversos ramos. Neste contexto se desenvolveu a Computação Quântica, talvez a mais espetacular proposta de aplicação prática da MQ. A dificuldade de se desenvolver algoritmos quânticos propicia o uso de técnicas alternativas à solução de problemas puramente algorítmica, como por exemplo o aprendizado de máquinas e algoritmos genéticos. Carlo Trugenberger propõe um modelo de memória\nquântica associativa onde os padrões binários de n bits são armazenados em superposição com um subconjunto apropriado da base computacional de n qubits. Este modelo resolve o problema de escassez de capacidade bem conhecida da memória clássica associativa,provendo uma melhoria grande em capacidade. A distribuição proposta por Trugenberger usa a distância de Hamming, em que as amplitudes tem um pico nos padrões armazenados, que tem menor distância em relação à entrada. A precisão do reconhecimento de padrões pode ser ajustado por um parâmetro b, isto é, aumentando b aumenta a probabilidade\nde reconhecimento. Este trabalho analisa a diversidade genética das abelhas sem ferrão Melipona quinquefasciata, obtidas de várias colônias silvestres, em localidades distintas\nda Chapada do Araripe-CE, Chapada da Ibiapaba-CE, cidade do Canto do Buriti-PI e Luziânia-GO. As sequências de DNA foram transformados substituindo A por 00, G por 01, C por 10 e T por 11. Os resultados mostram que essa probabilidade é muito eficiente para reconhecer os padrões de sequências de DNA das abelhas sem ferrão Melipona quinquefasciata\ndas regiões 18S e ITS1 parcial. O algoritmo não é computacionalmente eficiente em um computador clássico, mas será extremamente eficiente em um computador quântico. Concluiu-se que este método de reconhecimento quântico de padrões é melhor que o método clássico utilizado por Pereira.
A Computação Quântica é um tópico relativamente recente e pouco conhecido, principalmente no meio da Computação.Seu estudo surgiu na tentativa de físicos simularem sistemas regidos pela Mecânica Quântica por computadores clássicos, o que se conjecturou inviável.Portanto, um novo modelo computacional que utiliza a estrutura quântica da matéria para computar foi teorizado para suprir estas deficiências.Este trabalho tem como objetivo principal estudar as influências da Computação Quântica na Teoria da Computação.Para atingir tal objetivo, primeiramente são expostos os conhecimentos básicos da Mecânica Quântica através de uma linguagem voltada para Teóricos de Computação sem conhecimento prévio na área, de forma a remover a barreira inicial sobre o tema.Em seguida, serão apresentadas inovações na área da Teoria de Computação oriundas da Computação Quântica.Começaremos com os principais Algoritmos Quânticos desenvolvidos até hoje, que foram os primeiros passos para demonstrar a possível superioridade computacional do novo modelo.Dentre estes algoritmos, apresentaremos o famoso Algoritmo de Shor, que fatora números em tempo polinomial.Adicionalmente, neste trabalho foram estudados tópicos mais avançados e atuais em Computabilidade e Complexidade Quânticas.Sobre Autômatos Quânticos, foram estudados aspectos de um modelo que mistura estados clássicos e quânticos, focando na comparação do poder computacional em relação aos Autômatos Finitos Clássicos.Do ponto de vista de Classes de Complexidade, será abordada a questão se em linguagens da classe QMA, o análogo quântico da classe NP, consegue-se atingir probabilidade de erro nulo na aceitação de instâncias positivas.
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.