Investigadores australianos alcançaram aquilo que especialistas classificam como um avanço "revolucionário" na computação quântica, capaz de acelerar dramaticamente as capacidades de processamento de IA nos próximos anos.
A equipa da Universidade de Sydney, liderada pelo Professor David Reilly, desenvolveu um pequeno "chiplet" CMOS capaz de operar a 100 milikelvin (apenas acima do zero absoluto), controlando múltiplos qubits de spin em silício utilizando apenas microwatts de potência. Isto resolve um desafio de engenharia há muito considerado intransponível na computação quântica.
A importância da inovação reside na possibilidade de colocar a eletrónica de controlo a menos de um milímetro dos próprios qubits sem perturbar os seus frágeis estados quânticos. "Através de um design cuidadoso, mostramos que os qubits praticamente não notam a comutação de 100.000 transístores mesmo ao lado", explicou Reilly, que descreveu o feito como "o fim de um longo caminho" após uma década de desenvolvimento.
As abordagens tradicionais de computação quântica exigem volumosos sistemas de controlo externos ligados por cablagem densa, criando um obstáculo ao aumento de escala. Ao integrar a eletrónica de controlo diretamente num pacote CMOS compatível com ambientes criogénicos, a equipa australiana eliminou esta limitação, abrindo caminho para processadores quânticos com milhões de qubits num único chip.
O avanço tira partido dos qubits de spin em silício, particularmente promissores devido à sua compatibilidade com a infraestrutura existente de fabrico de semicondutores. Ao contrário de outras tecnologias quânticas, estes qubits podem ser produzidos em escala utilizando os mesmos processos de fabrico CMOS usados em smartphones e computadores modernos.
As implicações para a inteligência artificial são profundas. Computadores quânticos com milhões de qubits poderão acelerar exponencialmente o treino de modelos de IA complexos e permitir novas classes de algoritmos impossíveis de executar em hardware clássico. Isto poderá conduzir a avanços em áreas como a descoberta de medicamentos, ciência dos materiais e otimização de sistemas complexos, que permanecem intratáveis mesmo para os sistemas de IA mais avançados da atualidade.