Pesquisadores do Google descobriram uma nova técnica que pode finalmente tornar a computação quântica prática na vida real, usando inteligência artificial para resolver um dos desafios mais persistentes da ciência: estados mais estáveis.

Em um artigo de pesquisa publicado na Nature, cientistas do Google Deepmind explicam que seu novo sistema de IA, AlphaQubit, provou ser notavelmente bem-sucedido em corrigir os erros persistentes que há muito afligem os computadores quânticos.

"Computadores quânticos têm o potencial de revolucionar a descoberta de medicamentos, design de materiais e física fundamental—isto é, se conseguirmos fazê-los funcionar de forma confiável," lê-se no anúncio do Google. Mas nada é perfeito: sistemas quânticos são extraordinariamente frágeis. Mesmo a menor interferência ambiental—de calor, vibração, campos eletromagnéticos ou até mesmo raios cósmicos—pode interromper seus delicados estados quânticos, levando a erros que tornam os cálculos pouco confiáveis.

Um artigo de pesquisa de março destaca o desafio: computadores quânticos precisam de uma taxa de erro de apenas um em um trilhão de operações (10^-12) para uso prático. No entanto, o hardware atual tem taxas de erro entre 10^-3 e 10^-2 por operação, tornando a correção de erros crucial.

"Certos problemas, que levariam bilhões de anos para um computador convencional resolver, levariam apenas horas para um computador quântico," afirma o Google. "No entanto, esses novos processadores são mais propensos a ruídos do que os convencionais."

“Se quisermos tornar os computadores quânticos mais confiáveis, especialmente em escala, precisamos identificar e corrigir esses erros com precisão.”

O novo sistema de IA do Google, AlphaQubit, quer enfrentar esse problema. O sistema de IA emprega uma arquitetura de rede neural sofisticada que demonstrou uma precisão sem precedentes na identificação e correção de erros quânticos, mostrando 6% menos erros do que os melhores métodos anteriores em experimentos em larga escala e 30% menos erros do que técnicas tradicionais.

Ele também manteve alta precisão em sistemas quânticos variando de 17 qubits a 241 qubits—o que sugere que a abordagem pode escalar para os sistemas maiores necessários para a computação quântica prática.

Sob o Capô

O AlphaQubit emprega uma abordagem em duas etapas para alcançar sua alta precisão.

O sistema primeiro treina em dados simulados de ruído quântico, aprendendo padrões gerais de erros quânticos, e depois se adapta ao hardware quântico real usando uma quantidade limitada de dados experimentais.

Esta abordagem permite que o AlphaQubit lide com complexos efeitos de ruído quântico do mundo real, incluindo crosstalk entre qubits, vazamento (quando qubits saem de seus estados computacionais) e correlações sutis entre diferentes tipos de erros.

Mas não fique muito animado; você não terá um computador quântico na sua garagem tão cedo.

Apesar de sua precisão, o AlphaQubit ainda enfrenta obstáculos significativos antes da implementação prática. "Cada verificação de consistência em um processador quântico supercondutor rápido é medida um milhão de vezes por segundo," observam os pesquisadores. "Embora o AlphaQubit seja ótimo em identificar erros com precisão, ainda é muito lento para corrigir erros em um processador supercondutor em tempo real."

"Treinar em distâncias de código maiores é mais desafiador porque os exemplos são mais complexos, e a eficiência da amostra parece ser menor em distâncias maiores," disse um porta-voz do Deepmind ao Decrypt, "É importante porque a taxa de erro escala exponencialmente com a distância do código, então esperamos precisar resolver distâncias maiores para obter as taxas de erro ultra-baixas necessárias para computação tolerante a falhas em grandes circuitos quânticos profundos.

Os pesquisadores estão se concentrando na otimização de velocidade, escalabilidade e integração como áreas críticas para o desenvolvimento futuro.

IA e computação quântica formam uma relação sinérgica, aprimorando o potencial um do outro. "Esperamos que IA/ML e computação quântica continuem a ser abordagens complementares à computação. A IA pode ser aplicada em outras áreas para apoiar o desenvolvimento de computadores quânticos tolerantes a falhas, como calibração e compilação ou design de algoritmos," disse o porta-voz ao Decrypt, "ao mesmo tempo, as pessoas estão investigando aplicações de ML quântico para dados quânticos e, de forma mais especulativa, para algoritmos de ML quântico em dados clássicos.

Esta convergência pode representar um ponto de virada crucial na ciência computacional. À medida que os computadores quânticos se tornam mais confiáveis por meio da correção de erros assistida por IA, eles poderiam, por sua vez, ajudar a desenvolver sistemas de IA mais sofisticados, criando um poderoso ciclo de retroalimentação de avanço tecnológico.

A era da computação quântica prática, há muito prometida, mas nunca entregue, pode finalmente estar mais próxima—embora não o suficiente para começar a se preocupar com um apocalipse ciborgue.

Editado por Sebastian Sinclair