John
Martinis pesquisa a 30 anos
como funcionam os computadores quânticos. Agora, ele pode estar à beira de
finalmente fazer um útil.
Os
fundamentos teóricos da computação quântica estão bem estabelecidos. E os
físicos podem construir as unidades básicas, conhecidas como qubits, dos quais
um computador quântico pode ser feito. Eles podem até mesmo operar qubits
juntos em pequenos conjuntos. Mas eles ainda não construíram um computador
quântico completo.
O físico
John Martinis
é uma figura de destaque no campo: seu grupo de pesquisa na Universidade da
Califórnia, Santa Barbara, demonstrou alguns dos qubits mais confiáveis. Ele
foi contratado pela Google em 2014, depois de convencer a empresa de que a
tecnologia poderia amadurecer rapidamente com o apoio certo. Com seu novo
laboratório, Martinis
supõe que possa demonstrar um computador quântico pequeno, mas útil, em dois ou
três anos. “Costumamos
dizer que estamos dando à luz a indústria de computadores quânticos”,
diz ele.
A Google
e a computação quântica é um jogo feito no céu algorítmico. A empresa é
frequentemente definida por uma fome insaciável de dados. Mas a Google tem um vício
estratégico mais urgente: a tecnologia que extrai informações dos dados, e até
mesmo cria a inteligência a partir deles. Mais recentemente, a Google tem
investido fortemente no desenvolvimento de software AI que pode aprender a
compreender linguagem ou imagens, executar raciocínio básico, ou dirigir um
carro. Tarefas estas que permanecem complicadas para os computadores
convencionais, mas que deve ser trivial para os computadores quânticos. “Aprendizagem de
máquina é um núcleo, um modo de transformação pelo qual estamos repensando como
fazemos tudo”, diz Sundar Pichai, CEO do Google. Apoiar esse esforço
seria o primeiro de muitos trabalhos para a nova indústria quântica de Martinis.
Criador de
sonhos
A
perspectiva de um computador quântico fazendo algo útil dentro de poucos anos
parecia remota. Pesquisadores do governo, acadêmicos e laboratórios
corporativos estavam longe de combinar qubits suficientes para fazer até mesmo
uma máquina simples. Uma startup canadense chamada D-Wave Systems,
vendeu alguns exemplares do que chamou de “primeiros computadores quânticos
comerciais do mundo”, mas passou anos sem conseguir convencer os especialistas
de que as máquinas realmente estavam fazendo o que um computador quântico deveria
fazer.
Então, a
NASA convocou os jornalistas para a construção do N-258 em seu centro de pesquisa,
que desde 2013 tinha um computador da D-Wave comprado pela Google. Em um teste cuidadosamente
projetado, o chip supercondutor
dentro do computador da D-Wave foi 100 milhões de vezes mais rápido que um
processador convencional.
No
entanto, este tipo de vantagem deve estar disponível em tarefas práticas da
computação, não apenas em testes inventados. “Precisamos tornar mais fácil tomar um problema
que surge na mesa de um engenheiro e colocá-lo no computador”, disse
Neven, especialista em aprendizado de máquina. É aí que vem Martinis. Neven acha que a D-Wave não pode obter uma versão do seu quantum annealer rápido o suficiente para
servir aos engenheiros da Google, então ele contratou Martinis. “Ficou claro que não podemos esperar”, diz Neven. “Há uma lista de
deficiências que precisam ser superadas, a fim de chegar a uma tecnologia real”.
Ele diz que os qubits no chip da D-Wave são pouco confiáveis e não estão ligados entre si
densamente o suficiente.
A Google
vai concorrer não só com a D-Wave, mas também com a Microsoft e a IBM, que têm
projetos relevantes de computação quântica. Mas essas empresas estão focadas em
projetos distantes de se tornarem úteis. Estima-se que o grupo de Martinis pode fazer um quantum
annealer com 100 qubits até 2017. A D-Wave
já tem 1.097 qubits, mas Neven diz que um chip de alta qualidade com menor
número de qubits deve ser útil para algumas tarefas.
O quantum annealer pode rodar apenas um
determinado algoritmo, mas é adequado para as áreas que a Google mais se
preocupa. As principais aplicações são reconhecimento de padrões e aprendizagem
de máquina, segundo William Oliver,
um membro da equipe do MIT Lincoln
Laboratory, que estudou o
potencial da computação quântica.
Martinis e sua equipe estão se adaptando a muitas coisas, uma
vez que os qubits são instáveis e inconstantes. Os qubits podem ser feitos de
várias maneiras (Martinis usa alças de alumínio refrigeradas até se tornarem supercondutoras), mas todas representam
dados por meio de estados quânticos delicados que são facilmente distorcidos ou
destruídos pelo calor e ruído electromagnético.
Qubits
usam sua física frágil para fazer a mesma coisa que transistores quando usam a
eletricidade em um chip convencional: representam bits binários de informação,
0 ou 1. Mas os qubits podem atingir um estado (chamado de superposição), que é
0 e 1 ao mesmo tempo. Qubits em uma superposição podem ser conectados por um
fenômeno conhecido como entrelaçamento, onde uma ação realizada em um tem
efeitos imediatos no outro. Esses efeitos permitem que uma única operação em um
computador quântico faça o trabalho de muitas, muitas operações em um
computador convencional. Em alguns casos, a vantagem de um computador quântico
sobre um convencional cresce exponencialmente com a quantidade dos dados a
serem trabalhados.
A
dificuldade de criar qubits estáveis é a razão de ainda não termos
computadores quânticos. Mas Martinis acha que está quase lá. O tempo de coerência de
seus qubits, ou o período de tempo que mantém uma superposição, é dezenas de
microssegundos - cerca de 10.000 vezes maior que os da D-Wave.
A
confiança de Martinis
no hardware do seu time o faz pensar que ele pode construir uma alternativa ainda
mais poderosa para a Google. Um computador quântico universal, como seria
chamado, pode ser programado para enfrentar qualquer tipo de problema, não
apenas matemático. A teoria por trás dessa abordagem é melhor compreendida do
que para outros annealers, em parte
porque a maioria do tempo e do dinheiro investido em pesquisa de computação
quântica têm se dedicado a computação quântica universal. Mas os qubits não são
confiáveis o suficiente para traduzir a teoria em um computador quântico
universal que funcione. Até março, quando Martinis e sua equipe se tornaram os primeiros a demonstrarem
qubits que cruzaram um limiar crucial da confiabilidade para um computador
quântico universal. Eles conseguiram um chip com nove qubits para executar
parte de um programa de verificação de erros, o chamado código de superfície,
necessário para tal computador funcionar. “Nós demonstramos a tecnologia em um ponto onde eu sabia que
nós poderíamos escalar”, diz Martinis. “Este era real.”
Martinis pretende apresentar um computador quântico
universal de 100 qubits em dois anos. Isso seria um marco na ciência da
computação, mas seria improvável ajudar os programadores da Google
imediatamente. Tal é a complexidade do código de superfície que, apesar de um
chip com 100 qubits poder executar o programa de verificação de erros, seria
incapaz de fazer qualquer trabalho útil, além desse, diz Robert
McDermott, que lidera um grupo
de pesquisa de computação quântica na Universidade de Wisconsin. No entanto, Martinis acredita que uma vez que ele torne seus qubits
confiáveis o suficiente para colocar 100 deles em um chip quântico universal,
estará aberto o caminho para combinar muitos mais. “Isso é algo que entendemos muito bem”,
diz ele. “É
difícil conseguir coerência, mas é fácil de escalá-la.”
Algoritmos
estúpidos
Quando Martinis explica porque sua tecnologia é necessária para a Google,
ele não poupa os sentimentos das pessoas que trabalham na AI. “Algoritmos de
aprendizagem de máquina são realmente uma espécie idiota”, diz ele,
com um toque de admiração em sua voz. “Eles precisam de muitos exemplos para aprender.”
Descobrir
como os chips de Martinis podem tornar o software da Google menos estúpido recaiu
para Neven. Ele acha que o poder prodigioso dos qubits vai reduzir o hiato
entre aprendizagem de máquina e aprendizagem biológica e refazer o campo da
inteligência artificial. “A aprendizagem da máquina será transformada em aprendizagem
quântica”, diz ele. Isso poderia significar um software que pode
aprender a partir de dados mais confusos, ou de menos dados, ou mesmo sem
instrução explícita. Por exemplo, os pesquisadores da Google têm projetado um
algoritmo que poderia permitir ao software de aprendizagem de máquina assimilar
um novo truque mesmo quando metade dos dados de exemplos é incorreta. Neven
comenta que este tipo de músculo computacional pode ser a chave para dar aos computadores
capacidades limitadas aos seres humanos.
Os
pesquisadores da Google não podem fazer muito além de especular sobre o que
exatamente poderiam ou deveriam fazer com os chips que Martinis está construindo. Vai levar tempo para construir a
infra-estrutura necessária para operar um grande número de dispositivos
exóticos para que eles possam contribuir materialmente para os negócios da
Google.
Nenhum comentário:
Postar um comentário
Seu comentário será avaliado e só será exibido após aprovação.