Por que a IA pode roubar a cena da computação quântica?

As empresas de tecnologia vêm investindo bilhões de dólares em computadores quânticos há anos. A esperança é de que essa tecnologia revolucione áreas como finanças, descoberta de medicamentos e logística.

Essas expectativas são especialmente altas na física e química, onde os efeitos estranhos da mecânica quântica entram em jogo. A revista Harvard Business Review revela que, em teoria, este é o campo em que os computadores quânticos teriam uma enorme vantagem sobre as máquinas convencionais.

No entanto, enquanto a área enfrenta as dificuldades de desenvolver hardware quântico complexo, um outro desafiante está avançando em alguns dos casos de uso mais promissores. A IA está agora sendo aplicada à física fundamental, química e ciência dos materiais de uma forma que sugere que o terreno que era considerado exclusivo da computação quântica pode não ser tão seguro assim.

Leia também: Kyndryl aposta na tríade modernizar, inovar e proteger

Redes neurais

A escala e a complexidade dos sistemas quânticos que podem ser simulados com IA estão avançando rapidamente, diz Giuseppe Carleo, professor de física computacional no Instituto Federal de Tecnologia da Suíça (EPFL).

No mês passado, ele foi coautor de um artigo publicado na revista Science, mostrando que abordagens baseadas em redes neurais estão se tornando rapidamente a técnica líder para modelar materiais com fortes propriedades quânticas. Recentemente, a Meta também apresentou um modelo de IA treinado em um grande novo conjunto de dados de materiais, que alcançou o topo de uma classificação de abordagens de aprendizado de máquina para descoberta de materiais.

Dado o ritmo dos avanços recentes, um número crescente de pesquisadores agora questiona se a IA poderia resolver uma parte substancial dos problemas mais interessantes em química e ciência dos materiais antes que computadores quânticos em larga escala se tornem realidade.

“A existência desses novos concorrentes em aprendizado de máquina é um golpe sério para as possíveis aplicações dos computadores quânticos”, diz Carleo. “Na minha opinião, essas empresas vão descobrir, mais cedo ou mais tarde, que seus investimentos não são justificados.”

Problemas exponenciais

A promessa dos computadores quânticos reside na capacidade potencial de realizar certos cálculos muito mais rapidamente do que computadores convencionais. Para concretizar essa promessa, serão necessários processadores quânticos muito maiores do que temos hoje.

Os maiores dispositivos acabam de ultrapassar a marca de mil qubits, mas alcançar uma vantagem inegável sobre os computadores clássicos provavelmente exigirá dezenas de milhares, senão milhões de qubits. Uma vez que esse hardware esteja disponível, alguns algoritmos quânticos, como o algoritmo de Shor, que quebra criptografia, têm o potencial de resolver problemas exponencialmente mais rápido do que os algoritmos clássicos.

Mas para muitos algoritmos quânticos com aplicações comerciais mais evidentes, como busca em bancos de dados, resolução de problemas de otimização ou potenciação de IA, a vantagem de velocidade é mais modesta.

E no ano passado, um artigo coautorado pelo chefe de computação quântica da Microsoft, Matthias Troyer, mostrou que essas vantagens teóricas desaparecem quando se leva em conta que o hardware quântico opera em ordens de magnitude mais lento do que os chips modernos. A dificuldade de introduzir e retirar grandes quantidades de dados clássicos de um computador quântico também é uma grande barreira.

Assim, Troyer e seus colegas concluíram que os computadores quânticos deveriam se concentrar em problemas de química e ciência dos materiais que requerem a simulação de sistemas onde os efeitos quânticos dominam. Um computador que opere com os mesmos princípios quânticos desses sistemas deveria, em teoria, ter uma vantagem natural aqui. De fato, essa tem sido uma das ideias que impulsionam a computação quântica desde que o renomado físico Richard Feynman propôs essa ideia.

As regras da mecânica quântica regem muitas coisas com grande valor prático e comercial, como proteínas, medicamentos e materiais. Suas propriedades são determinadas pelas interações de suas partículas constituintes, em particular seus elétrons – e simular essas interações em um computador deveria permitir prever quais características uma molécula exibirá. Isso pode ser inestimável para descobrir, por exemplo, novos medicamentos ou químicas de baterias mais eficientes.

Mas as regras intuitivamente desafiadoras da mecânica quântica – em particular, o fenômeno do emaranhamento, que permite que estados quânticos de partículas distantes se tornem intrinsecamente ligados – podem tornar essas interações incrivelmente complexas. Acompanhar com precisão essas interações requer uma matemática complicada que se torna exponencialmente mais difícil à medida que mais partículas estão envolvidas, tornando a simulação de grandes sistemas quânticos intratável em máquinas clássicas.

Estados quânticos

É aqui que os computadores quânticos poderiam brilhar. Como também operam com princípios quânticos, eles podem representar estados quânticos de forma muito mais eficiente do que em máquinas clássicas. Eles também poderiam tirar proveito dos efeitos quânticos para acelerar seus cálculos.

Mas nem todos os sistemas quânticos são iguais. Sua complexidade é determinada pela extensão em que suas partículas interagem, ou se correlacionam, umas com as outras. Em sistemas onde essas interações são fortes, acompanhar todas essas relações pode rapidamente fazer explodir o número de cálculos necessários para modelar o sistema.

Mas na maioria dos sistemas de interesse prático para químicos e cientistas dos materiais, a correlação é fraca, diz Carleo. Isso significa que as partículas não afetam significativamente o comportamento umas das outras, o que torna os sistemas muito mais fáceis de modelar.

Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!