INTRODUÇÃO: A computação quântica é um assunto que está sendo estudado devido ao potencial de trazer elevados poderes computacionais e resolver problemas antes impossíveis pelos supercomputadores. Uma questão que pode ser levantada, é se as técnicas de Machine Learning (Aprendizado de Máquina) podem aproveitar dos estados quânticos explorados dentro da computação quântica. – OBJETIVOS: Neste trabalho, exploramos um algoritmo de treinamento baseado em redes neurais para comparar com os algoritmos de redes neurais clássicos. Para isso, foi realizado um experimento utilizando a biblioteca Qiskit e suas implementações de redes neurais quântica e a Scikit-Learn para o modelo de Rede Neural clássico. – MATERIAIS E MÉTODO: A experimentação em si consiste em gerar dados verdadeiramente aleatórios para que o algoritmo tente prever sua classificação. De modo geral, os algoritmos existentes de aprendizado de máquina quânticos ainda precisam amadurecer e ter mais espaço para serem explorados, já que os computadores quânticos são relativamente novos e muito complexos. Além disso, não existem muitos exemplares para a ampla experimentação e os que existem ainda não são poderosos o suficiente para apresentar uma real melhoria ou vantagem sobre os clássicos. – RESULTADOS: Levando em consideração a complexidade da escrita dos algoritmos quânticos e a performance obtida podemos concluir que ainda existem pontos de melhoria, sendo eles a dificuldade de leitura e escrita dos algoritmos, que por sua vez leva a melhoria da sua performance. – CONSIDERAÇÕES FINAIS: Não temos o paradigma quântico bem definido, já que estamos acostumados a pensar de maneira clássica. Esse comportamento fica claro, não somente pela diferença de acurácia, mas também pelo tempo que o modelo levou ser treinado. Foi obtido uma queda de 42,6% de acurácia por um ganho de mais de 1300x de tempo de treino. Com o avanço da tecnologia, é esperado que tanto os algoritmos quânticos quanto o seu poder computacional aumentem, levando à uma melhora de performance de modo geral. Como o Peter Shor mencionou no vídeo do Samuel Bosch, é esperado que os computadores quânticos ultrapassem os clássicos no futuro. Outros campos podem ser explorados pela computação quântica e aprendizado de máquina, já que com a maneira que inicializamos os qubits, é possível ganhar grande espaço para o armazenamento de informação, existindo a possibilidade de treinar modelos onde a precisão seja excepcionalmente necessária.
