Uma equipe internacional de pesquisadores liderada pela Universidade de Viena alcançou um avanço significativo em computação quântica e inteligência artificial, demonstrando que mesmo computadores quânticos de pequena escala podem trazer benefícios práticos para aplicações de aprendizado de máquina.
O estudo, publicado na Nature Photonics em 8 de junho de 2025, utilizou um novo circuito quântico fotônico para implementar um algoritmo de aprendizado de máquina baseado em kernel aprimorado por quântica. Os pesquisadores mostraram que sua abordagem quântica supera métodos clássicos de ponta, como kernels Gaussianos e de tangente neural, em tarefas de classificação binária.
"Descobrimos que, para tarefas específicas, nosso algoritmo comete menos erros do que seu equivalente clássico", explica o professor Philip Walther, da Universidade de Viena, que liderou o projeto. "Isso implica que computadores quânticos já existentes podem apresentar bom desempenho sem necessariamente ultrapassar a tecnologia de ponta atual", acrescenta Zhenghao Yin, primeiro autor da publicação.
A configuração experimental contou com um circuito fotônico quântico construído no Politecnico di Milano (Itália), rodando um algoritmo de aprendizado de máquina inicialmente proposto por pesquisadores da Quantinuum (Reino Unido). O sistema utiliza interferência quântica e coerência de fótons únicos para alcançar precisão superior em tarefas de classificação de dados.
Além da melhoria na precisão, essa abordagem fotônica oferece vantagens significativas em eficiência energética. À medida que as aplicações de aprendizado de máquina se tornam cada vez mais complexas e exigentes em termos de energia, processadores quânticos fotônicos podem fornecer uma alternativa sustentável. "Isso pode ser crucial no futuro, já que algoritmos de aprendizado de máquina estão se tornando inviáveis devido à alta demanda energética", enfatiza a coautora Iris Agresti.
A pesquisa tem implicações que vão além da computação quântica, pois identifica tarefas específicas que se beneficiam de efeitos quânticos e pode inspirar novos algoritmos clássicos com melhor desempenho e menor consumo de energia. Isso representa um passo importante rumo à vantagem quântica prática em aplicações de IA, aproximando a computação quântica teórica da implementação no mundo real.