Num feito que especialistas classificam como o "santo graal da computação quântica", investigadores conseguiram uma aceleração exponencial incondicional em hardware quântico, provando de forma definitiva que computadores quânticos podem superar os clássicos sem depender de pressupostos teóricos.
A investigação inovadora, publicada na revista Physical Review X a 5 de junho de 2025, foi liderada por Daniel Lidar, professor de engenharia na USC e especialista em correção de erros quânticos. Em colaboração com colegas da USC e da Universidade Johns Hopkins, a equipa de Lidar demonstrou a vantagem exponencial utilizando dois dos processadores quânticos Eagle de 127 qubits da IBM, operados remotamente através da cloud.
O que torna esta conquista particularmente significativa é o facto de a aceleração ser "incondicional", ou seja, não depende de pressupostos não comprovados. "As reivindicações anteriores de aceleração exigiam a suposição de que não existia um algoritmo clássico melhor contra o qual comparar o algoritmo quântico", explica Lidar. "A separação de desempenho não pode ser revertida porque a aceleração exponencial que demonstrámos é, pela primeira vez, incondicional."
A equipa adaptou o problema de Simon — um desafio matemático que envolve encontrar padrões ocultos em funções — para implementação em hardware quântico real. Este problema é considerado um precursor do algoritmo de factorização de Shor, que deu origem a todo o campo da computação quântica. Para ultrapassar o ruído e os erros que normalmente afetam os sistemas quânticos, os investigadores recorreram a técnicas sofisticadas de supressão de erros, incluindo desacoplamento dinâmico e mitigação de erros de medição.
Embora Lidar alerte que "este resultado não tem aplicações práticas além de ganhar jogos de adivinhação", as implicações para a inteligência artificial são profundas. À medida que os computadores quânticos continuam a evoluir, poderão acelerar drasticamente processos de aprendizagem automática, especialmente em problemas de otimização e cálculos complexos que atualmente exigem recursos computacionais massivos.
Algoritmos de IA potenciados por computação quântica já demonstraram potencial em aplicações específicas. Investigações recentes mostraram que técnicas quânticas podem melhorar o machine learning baseado em kernels, tornando-o mais rápido, preciso e eficiente em termos energéticos do que os métodos clássicos. À medida que o hardware quântico evolui, estas vantagens poderão permitir uma nova geração de capacidades de IA anteriormente impraticáveis devido a limitações computacionais.
Esta conquista demonstra de forma inequívoca a capacidade há muito prometida da computação quântica para proporcionar acelerações exponenciais, marcando um passo crucial rumo à vantagem quântica prática em aplicações do mundo real.