Inteligência artificial (IA) tem percorrido um longo caminho desde a simples identificação de padrões na década de 1960 até os avanços de hoje que utilizam conjuntos de dados massivos para treinamento e geração de previsões altamente precisas. Paralelamente, entre 2010 e 2020, o uso global de dados aumentou de 1,2 trilhão de gigabytes para quase 60 trilhões de gigabytes.
Neste cenário, a computação quântica promete ser o próximo grande passo. Os sistemas quânticos teoricamente poderão lidar com o crescimento exponencial de dados mais facilmente do que os computadores clássicos, que podem lutar para acompanhar. Aplicando essa mesma visão ao reino do aprendizado de máquina (AM), faz sentido que, em algum momento, as verdadeiras inovações virão do aprendizado de máquina quântico (AMQ) em vez de abordagens clássicas.
Fotografia do IonQ Forte (à frente à esquerda) no centro de dados quântico em College Park, MD. Direitos autorais por IonQ.
A IonQ, uma empresa líder em computação quântica, está na vanguarda dessas inovações. Peter Chapman, CEO da IonQ, que tem um rico histórico em aprendizado de máquina, acredita que o AMQ eventualmente será tão significativo quanto os grandes modelos de linguagem usados pelo ChatGPT da OpenAI e outros sistemas de IA generativos. Além disso, a IonQ tem parcerias com empresas líderes no campo de IA e AM, como Amazon, Dell, Microsoft e NVIDIA, combinando a expertise em tecnologia quântica da IonQ com o conhecimento de IA de seus parceiros.
A IonQ tem se concentrado na qualidade dos qubits e na forma como eles operam como um sistema. Isso é medido por um benchmark orientado para a aplicação que a IonQ chama de qubits algorítmicos ou #AQ. A IonQ criou três computadores quânticos de íons presos: IonQ Harmony, IonQ Aria e seu modelo mais recente, um computador quântico definido por software chamado IonQ Forte.
A Aria, disponível na IonQ Quantum Cloud e em todas as nuvens públicas, tem um #AQ de 25, o que significa menos ruído no sistema quântico. Com menos ruído, mesmo os problemas mais complexos levam menos iterações, economizando tempo e dinheiro valiosos. O IonQ Forte, equipado com deflectores acusto-ópticos altamente especializados, demonstrou recentemente um recorde de 29 AQ, colocando-o sete meses à frente do objetivo original da IonQ para 2023.
Qubits podem estar em uma superposição de 0 e 1, enquanto bits clássicos podem ser apenas um ou outro. Imagem: Jerald Pinson.
O AMQ, ainda em desenvolvimento, utiliza computadores quânticos para tarefas desafiadoras de AM, mesmo que neste momento as máquinas quânticas sejam menos práticas do que os computadores clássicos. A combinação de AM e computação quântica para produzir AMQ cria uma tecnologia que em breve deverá ser ainda mais poderosa do que o aprendizado de máquina clássico.
Segundo Peter Chapman, grande parte do AMQ atual é criado convertendo algoritmos clássicos de aprendizado de máquina em algoritmos quânticos. No entanto, a pesquisa da IonQ mostrou que o desempenho do AMQ é superior ao de muitos de seus homólogos clássicos de AM. “Nossas versões de AMQ batem versões comparáveis de AM clássico”, disse ele. “Às vezes, os resultados mostram que o modelo de AMQ fez um melhor trabalho em capturar o sinal nos dados, ou às vezes o número de iterações necessárias para passar pelos dados foi substancialmente menor. E às vezes, como indica nossa pesquisa mais recente, os dados necessários para o AMQ eram cerca de 8.000 vezes menos do que um modelo clássico precisa”.
Com esses avanços, a próxima grande meta técnica da IonQ é atingir 35 AQ. A partir desse nível, a simulação de algoritmos quânticos usando hardware clássico pode se tornar um desafio e custar caro. A IonQ acredita que, nesse ponto, será mais fácil e menos caro para alguns clientes executar modelos em máquinas quânticas reais em vez de tentar simulá-los classicamente.
Estamos à beira de uma revolução na IA e na computação quântica, com o AMQ desempenhando um papel central. Fiquemos atentos para ver como essas inovações continuarão a moldar nosso mundo.
