RESUMO
Sem tempo? A Lili IA resume para você
Transformar princípios abstratos da mecânica quântica em dispositivos reais e controláveis é o cerne do trabalho que rendeu a Michel Devoret o Nobel de 2025. Professor emérito de Física em Yale e responsável pelo laboratório Google Quantum AI, Devoret — junto a pioneiros como John Clarke e John Martinis — demonstrou que circuitos elétricos supercondutores podem comportar-se como verdadeiros “átomos artificiais”. Essas estruturas formam a base dos qubits, os blocos fundamentais dos processadores quânticos mais avançados.
Do ponto de vista prático, o avanço de Devoret e seus colegas foi análogo a transformar um conceito teórico em uma peça do alicerce digital: circuitos que antes eram meros componentes eletrônicos passaram a atuar como elementos do sistema nervoso das cidades tecnológicas emergentes, onde estados quânticos podem ser preparados, medidos e utilizados.
Em uma videoconferência recente em Paris, Devoret explicou tanto o sentido do trabalho quanto os desafios ainda abertos nessa revolução científica incipiente. No centro das limitações atuais está a questão da correção de erros. Sem controle confiável sobre as falhas físicas dos qubits, torna-se impossível escalar sistemas quânticos até níveis úteis para aplicações industriais e científicas.
O artigo mais citado nos últimos meses, que descreve o processador chamado Willow publicado na revista Nature pelo time do Google, mostra progresso relevante: segundo os autores, Willow é “o primeiro processador quântico em que a taxa de correção de erros é suprimida exponencialmente à medida que novos qubits são adicionados”. Importante ressalva: essa supressão exponencial só ocorre se a taxa de erro físico estiver abaixo de uma limiar crítico. Para chegar a esse patamar serão necessários melhoramentos de múltiplas ordens de grandeza, admite Devoret — embora ele se declare otimista sobre a capacidade da comunidade científica de vencer o obstáculo, mesmo que não o veja concretizado em sua própria carreira.
Outro ponto central da conversa foi a relação entre computação quântica e inteligência artificial. Para Devoret, os dois campos são estruturalmente distintos, mas funcionalmente complementares. Em termos de infraestrutura, comparou-os a camadas interdependentes: a IA atua como um sistema de controle e interpretação, necessário para calibrar e mitigar vieses e ruídos em processadores quânticos; por sua vez, os computadores quânticos podem gerar ou acelerar a produção de conjuntos de dados com os quais modelos de IA aprendem.
Um exemplo concreto dessa complementaridade é AlphaFold, o modelo de aprendizado profundo desenvolvido pelo DeepMind, que mudou radicalmente a previsão de estruturas proteicas 3D. Devoret observa que o sucesso do AlphaFold dependeu de uma enorme base de dados experimentais acumulada ao longo de décadas. Aqui se abre uma oportunidade: “os computadores quânticos podem acelerar a produção desses dados”, disse ele, criando um fluxo de dados mais denso e diversificado para alimentar a próxima geração de modelos de IA. A integração entre as camadas — o algoritmo como infraestrutura — permite também checagens cruzadas entre os dois sistemas, fortalecendo a robustez dos resultados.
Na perspectiva de quem observa as transformações tecnológicas como arquitetura de sistemas, a combinação entre computação quântica e IA é menos uma colisão de paradigmas e mais uma reorganização do mesmo espaço funcional. Trata-se de construir novas fundações — tanto físicas quanto algorítmicas — onde a correção de erros, a geração de dados e os controles inteligentes são parte de uma única infraestrutura integrada. Devoret conclui com cauta confiança: os desafios são formidáveis, mas as camadas de inteligência estão se alinhando para tornar viável o salto seguinte.
