Um estudo inovador realizado por uma equipa internacional de investigação liderada pela Universidade de Viena demonstrou que mesmo computadores quânticos de pequena escala podem impulsionar significativamente o desempenho da aprendizagem automática, utilizando um novo circuito quântico fotónico.
Os investigadores mostraram que a tecnologia quântica atual não é apenas experimental — já consegue superar sistemas clássicos em tarefas específicas. A experiência utilizou um computador quântico fotónico para classificar pontos de dados e demonstrou que processadores quânticos de pequenas dimensões podem ter um desempenho superior ao de algoritmos convencionais. "Verificámos que, para tarefas específicas, o nosso algoritmo comete menos erros do que o seu equivalente clássico", explica Philip Walther, da Universidade de Viena, líder do projeto.
A configuração experimental inclui um circuito quântico fotónico construído no Politecnico di Milano (Itália), que executa um algoritmo de aprendizagem automática inicialmente proposto por investigadores da Quantinuum (Reino Unido). "Isto implica que os computadores quânticos existentes já podem apresentar bons desempenhos sem ser necessário ultrapassar o estado da arte tecnológico", acrescenta Zhenghao Yin, primeiro autor da publicação na Nature Photonics.
Um dos aspetos mais promissores desta investigação é que as plataformas fotónicas podem consumir significativamente menos energia em comparação com os computadores tradicionais. "Isto pode revelar-se crucial no futuro, dado que os algoritmos de aprendizagem automática estão a tornar-se inviáveis devido às suas elevadas exigências energéticas", salienta a coautora Iris Agresti. Como apenas a luz, e não corrente elétrica, circula no circuito, os chips fotónicos requerem menos refrigeração. A combinação deste fator com um desempenho e densidade de computação superiores resulta em poupanças energéticas substanciais. Alguns aceleradores de IA fotónica prometem consumir até 30 vezes menos energia do que uma Unidade de Processamento Gráfico (GPU).
O resultado tem impacto tanto na computação quântica, ao identificar tarefas que beneficiam de efeitos quânticos, como na computação convencional. De facto, poderão ser concebidos novos algoritmos inspirados em arquiteturas quânticas, alcançando melhores desempenhos e reduzindo o consumo energético. Esta descoberta demonstra que computadores quânticos fotónicos de pequena escala podem superar sistemas clássicos em tarefas específicas de aprendizagem automática, com os investigadores a utilizarem um algoritmo potenciado por quântica num circuito fotónico para classificar dados com maior precisão do que os métodos convencionais.
À medida que os sistemas de IA continuam a crescer em complexidade e exigências energéticas, esta investigação abre caminho para tecnologias de IA mais sustentáveis e potentes, que tiram partido das vantagens quânticas já hoje, e não apenas num futuro teórico. A integração da fotónica quântica com a aprendizagem automática representa uma das fronteiras mais promissoras da tecnologia de computação, com aplicações práticas imediatas já a emergir.