Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

Revista Brasileira de Ensino de Física

Algoritmo QAOA como ferramenta de otimização estrutural: aplicação em modelagem por elementos finitos no aerodesign

Leonardo da Silva Araujo, Leonardo A. M. Souza, Ricardo de Carvalho Falcão, Robson Luiz dos Santos, Romeu Rossi Junior

Published Jan 1, 2026• 0 citations
Publisher

Abstract

Resumo Neste trabalho estudamos a aplicação do Algoritmo Quântico de Otimização Aproximada, ou Quantum Approximate Optimization Algorithm (QAOA), em um problema de análise estrutural na área de aerodesign. O estudo foi conduzido a partir da modelagem de uma triquilha‡ simplificada projetada pela equipe Acauã Aerodesign, do Campus UFV Florestal. O problema de otimização foi formulado com base no Método dos Elementos Finitos, cujo objetivo consiste em determinar os deslocamentos nodais que minimizam a energia potencial da estrutura. Como a formulação original envolve variáveis contínuas, foi necessário realizar um mapeamento para a forma binária, atribuindo um conjunto de qubits a cada variável. Os resultados obtidos mostram que o aumento do número de qubits por variável conduz a uma redução do erro quadrático médio (MSE). Além disso, a análise da distribuição de probabilidades revelou que os estados mais prováveis tendem a concentrar-se em menores valores de energia e de MSE, indicando que o QAOA direciona a busca para candidatos mais promissores. Esses achados reforçam o potencial do QAOA para fornecer aproximações de soluções ótimas em problemas de análise estrutural, com desempenho que tende a evoluir de forma consistente com os avanços da tecnologia quântica.

DOI
10.1590/1806-9126-rbef-2025-0557

Related papers

Algoritmo quântico variacional aplicado em um modelo simplificado para otimização de custos em planejamento florestal

Rodrigo Bloot, Raphael Fortes Infante Gomes, Arnaldo Satoru Gunzi

A expectativa atrelada à superioridade no desempenho e na segurança dos computadores quânticos em relação às suas contrapartes clássicas vem fomentando cada vez mais o interesse de pesquisadores e do público geral neste tema. Embora a possibilidade de surgirem computadores quânticos que operam em larga escala nos próximos anos seja remota, o desenvolvimento recente dos dispositivos conhecidos como NISQ (Noisy Intermediate-scale Quantum) fomentou o interesse em investigar algoritmos que podem apresentar algum tipo de vantagem quântica nestas máquinas. Com base neste propósito, apresentamos neste trabalho um estudo do uso do VQE (Variational Quantum Eigensolver) para resolver um modelo sintético relacionado com a otimização de custos no manejo florestal. Os resultados obtidos através dos otimizadores selecionados e da plataforma QISKIT (IBM) comprovam a viabilidade teórica do uso destas ferramentas no âmbito da demonstração de provas de conceito, desde que a escolha da forma variacional do ansatz seja compatível com o problema abordado.

Revista Brasileira de Física Tecnológica Aplicada•Sep 25, 2024•0 citations

Otimização em computadores quânticos: formulação QUBO para o problema CMO

Nicolas M. de Oliveira

A computação quântica é um paradigma computacional que tem motivado o aparecimento de diversas pesquisas que visam apresentar soluções para problemas, atualmente, considerados difíceis. O surgimento de algoritmos quânticos que operam mais rápido que seus análogos clássicos tem feito com que corporações como Google, NASA e IBM invistam nesse paradigma. Por isso, intensificou-se a busca por formulações alternativas para problemas, visando resolvê-los em um ambiente computacional quântico. Entre essas formulações, estão os trabalhos que abordam a resolução de problemas na computação quântica a partir de formulações QUBO (Quadratic Unconstrained Binary Optimization), um problema NP-difícil cujo princípio consiste em minimizar uma função quadrática. O formato QUBO é comumente utilizado na literatura quando da solução quântica de problemas de otimização e diversos autores têm recorrido à esta caracterização devido à sua aplicabilidade em uma considerável gama de problemas. Dessa forma, representar um dado problema como um problema QUBO implica diretamente que podemos executá-lo em um ambiente computacional quântico (genérico ou de propósito específico). O problema CMO (Contact Map Overlap) é definido como um problema de otimização combinatória NPdifícil que consiste na medida de semelhança entre pares de proteínas com base em seus respectivos mapas de contato. Em bioinformática, o estudo de problemas que buscam por funções similares entre estruturas biológicas, especialmente de proteínas, é um campo de grande interesse. Com isso, este trabalho de pesquisa aborda o problema CMO na conjectura da resolução dos problemas de otimização em computadores quânticos através da formulação QUBO dos mesmos. Além de fornecermos uma formulação QUBO para o problema de proteína CMO, resultados experimentais foram obtidos com o auxílio da ferramenta qbsolv e validaram esta abordagem como uma alternativa aos métodos clássicos existentes.

•Feb 22, 2018•0 citations

Dados - Algoritmo QAOA como ferramenta de otimização estrutural

Leonardo da Silva Araujo, Leonardo A. M. Souza, Ricardo de Carvalho Falcão +2 more

Pasta com arquivos e códigos disponíveis para consulta e uso, relacionados ao artigo "Algoritmo QAOA como ferramenta de otimização estrutural: aplicação em modelagem por elementos finitos no aerodesign", a ser publicado na Revista Brasileira de Ensino de Física.

Revista Brasileira de Ensino de Física•Jul 23, 2026•0 citations

Sobre a procura por ansätze pouco profundos, exatos e eficientes para algoritmos variacionais quânticos

Mafalda Ramôa

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.

•Feb 1, 2026•0 citations

Otimização de circuitos para a inicialização de estados quânticos

Israel F. Araujo

A teoria dos algoritmos quânticos promete benefícios sem precedentes ao utilizar as leis da mecânica quântica para resolver certos problemas computacionais. Entretanto, alguns desafios impedem que tais vantagens se apliquem a todos os algoritmos quânticos. Entre esses desafios está o desenvolvimento de uma codificação eficiente de dados clássicos em um estado quântico. Em aplicações práticas, o custo para carregar a informação clássica em um dispositivo quân- tico pode dominar o custo computacional assintótico do algoritmo. Foram propostos diversos métodos baseados em circuitos para codificar dados clássicos nas amplitudes de probabilidade de um estado quântico. Entretanto, esses métodos produzem circuitos com complexidade que cresce linearmente com o tamanho do dado, anulando o benefício da aplicação quântica. O objetivo principal deste trabalho é reduzir a complexidade computacional dos circuitos para a inicialização de estados quânticos. As duas estratégias utilizadas para alcançar tal objetivo exploram a troca de complexidade temporal por espacial ou a transferência de complexidade computacional para um computador clássico. A primeira estratégia reinterpreta métodos al- gébricos para a decomposição de estados quânticos como caminhadas ao longo de árvores binárias. A segunda investiga o grau de emaranhamento de bipartições do estado quântico através da decomposição de Schmidt. Os métodos baseados em árvore alcançam uma redução exponencial na profundidade dos circuitos, em comparação às abordagens existentes. Os base- ados na decomposição de Schmidt produzem circuitos de complexidade variável, proporcional ao emaranhamento do estado. A perspectiva é que o resultado desta tese auxilie os profissionais da computação quântica durante a era dos dispositivos ruidosos de escala intermediária.

•Sep 1, 2022•0 citations

Quantum Finance: um tutorial de computação quântica aplicada ao mercado financeiro

Askery Canabarro, Taysa Mendes de Mendonça, Ranieri Nery +4 more

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.

Revista Brasileira de Ensino de Física•Jan 1, 2022•7 citations
Resumo Neste trabalho estudamos a aplicação do Algoritmo Quântico de Otimização Aproximada, ou Quantum Approximate Optimization Algorithm (QAOA), em um problema de análise estrutural na área de aerodesign. O estudo foi conduzido a partir da modelagem de uma triquilha‡ simplificada projetada pela equipe Acauã Aerodesign, do Campus UFV Florestal. O problema de otimização foi formulado com base no Método dos Elementos Finitos, cujo objetivo consiste em determinar os deslocamentos nodais que minimizam a energia potencial da estrutura. Como a formulação original envolve variáveis contínuas, foi necessário realizar um mapeamento para a forma binária, atribuindo um conjunto de qubits a cada variável. Os resultados obtidos mostram que o aumento do número de qubits por variável conduz a uma redução do erro quadrático médio (MSE). Além disso, a análise da distribuição de probabilidades revelou que os estados mais prováveis tendem a concentrar-se em menores valores de energia e de MSE, indicando que o QAOA direciona a busca para candidatos mais promissores. Esses achados reforçam o potencial do QAOA para fornecer aproximações de soluções ótimas em problemas de análise estrutural, com desempenho que tende a evoluir de forma consistente com os avanços da tecnologia quântica.
A expectativa atrelada à superioridade no desempenho e na segurança dos computadores quânticos em relação às suas contrapartes clássicas vem fomentando cada vez mais o interesse de pesquisadores e do público geral neste tema. Embora a possibilidade de surgirem computadores quânticos que operam em larga escala nos próximos anos seja remota, o desenvolvimento recente dos dispositivos conhecidos como NISQ (Noisy Intermediate-scale Quantum) fomentou o interesse em investigar algoritmos que podem apresentar algum tipo de vantagem quântica nestas máquinas. Com base neste propósito, apresentamos neste trabalho um estudo do uso do VQE (Variational Quantum Eigensolver) para resolver um modelo sintético relacionado com a otimização de custos no manejo florestal. Os resultados obtidos através dos otimizadores selecionados e da plataforma QISKIT (IBM) comprovam a viabilidade teórica do uso destas ferramentas no âmbito da demonstração de provas de conceito, desde que a escolha da forma variacional do ansatz seja compatível com o problema abordado.
A computação quântica é um paradigma computacional que tem motivado o aparecimento de diversas pesquisas que visam apresentar soluções para problemas, atualmente, considerados difíceis. O surgimento de algoritmos quânticos que operam mais rápido que seus análogos clássicos tem feito com que corporações como Google, NASA e IBM invistam nesse paradigma. Por isso, intensificou-se a busca por formulações alternativas para problemas, visando resolvê-los em um ambiente computacional quântico. Entre essas formulações, estão os trabalhos que abordam a resolução de problemas na computação quântica a partir de formulações QUBO (Quadratic Unconstrained Binary Optimization), um problema NP-difícil cujo princípio consiste em minimizar uma função quadrática. O formato QUBO é comumente utilizado na literatura quando da solução quântica de problemas de otimização e diversos autores têm recorrido à esta caracterização devido à sua aplicabilidade em uma considerável gama de problemas. Dessa forma, representar um dado problema como um problema QUBO implica diretamente que podemos executá-lo em um ambiente computacional quântico (genérico ou de propósito específico). O problema CMO (Contact Map Overlap) é definido como um problema de otimização combinatória NPdifícil que consiste na medida de semelhança entre pares de proteínas com base em seus respectivos mapas de contato. Em bioinformática, o estudo de problemas que buscam por funções similares entre estruturas biológicas, especialmente de proteínas, é um campo de grande interesse. Com isso, este trabalho de pesquisa aborda o problema CMO na conjectura da resolução dos problemas de otimização em computadores quânticos através da formulação QUBO dos mesmos. Além de fornecermos uma formulação QUBO para o problema de proteína CMO, resultados experimentais foram obtidos com o auxílio da ferramenta qbsolv e validaram esta abordagem como uma alternativa aos métodos clássicos existentes.
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.
A teoria dos algoritmos quânticos promete benefícios sem precedentes ao utilizar as leis da mecânica quântica para resolver certos problemas computacionais. Entretanto, alguns desafios impedem que tais vantagens se apliquem a todos os algoritmos quânticos. Entre esses desafios está o desenvolvimento de uma codificação eficiente de dados clássicos em um estado quântico. Em aplicações práticas, o custo para carregar a informação clássica em um dispositivo quân- tico pode dominar o custo computacional assintótico do algoritmo. Foram propostos diversos métodos baseados em circuitos para codificar dados clássicos nas amplitudes de probabilidade de um estado quântico. Entretanto, esses métodos produzem circuitos com complexidade que cresce linearmente com o tamanho do dado, anulando o benefício da aplicação quântica. O objetivo principal deste trabalho é reduzir a complexidade computacional dos circuitos para a inicialização de estados quânticos. As duas estratégias utilizadas para alcançar tal objetivo exploram a troca de complexidade temporal por espacial ou a transferência de complexidade computacional para um computador clássico. A primeira estratégia reinterpreta métodos al- gébricos para a decomposição de estados quânticos como caminhadas ao longo de árvores binárias. A segunda investiga o grau de emaranhamento de bipartições do estado quântico através da decomposição de Schmidt. Os métodos baseados em árvore alcançam uma redução exponencial na profundidade dos circuitos, em comparação às abordagens existentes. Os base- ados na decomposição de Schmidt produzem circuitos de complexidade variável, proporcional ao emaranhamento do estado. A perspectiva é que o resultado desta tese auxilie os profissionais da computação quântica durante a era dos dispositivos ruidosos de escala intermediária.
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.