PUC-Rio / 2026
Aprendizado de máquina quântico,medido antes de ser anunciado.
A promessa da computação quântica aplicada ao aprendizado de máquina é reconhecer padrões que máquinas clássicas não reconheceriam. A literatura está cheia de relatos de vantagem. O que falta são protocolos que digam, antes do resultado, o que aquela comparação é capaz de concluir.
O que estamos medindo agora.
Esta linha publica tanto o que encontra quanto o que deixa de encontrar. O centro da pesquisa não é defender uma tecnologia, mas tornar seus resultados verificáveis.
Apresentação oral · LA-CCI
Quantum Transformer for NLP: Hybrid Classical–Quantum Architecture with Multi-Head Attention for Low-Resource Regimes
Arquitetura híbrida que insere atenção quântica de múltiplas cabeças num transformer de linguagem, mirando pouco dado e pouco orçamento.
Uma auditoria calibrada de comparação justa entre kernels quânticos
Quando os dois lados da comparação recebem o mesmo esforço de ajuste, a vantagem quântica relatada na literatura desaparece. O artigo mede antes qual é a menor vantagem que o próprio experimento enxergaria — sem isso, “não encontramos” é indistinguível de “não veríamos”. Quase 16 mil gravações de voz, 1.315 pessoas.
Três eixos de comparação justa para kernels quânticos evolutivos
A literatura otimiza o circuito quântico por busca evolutiva e o compara com um método clássico escolhido à mão. Aqui a busca roda dos dois lados, com o mesmo motor e o mesmo orçamento, sob três controles sucessivos. Doze conjuntos de dados, dez sementes.
Quando a redução clássica de um kernel quântico compra alguma coisa
Um teorema divulgado em agosto mostra que, sob certas condições, o kernel quântico é idêntico a uma fórmula clássica que roda em segundos. Nossa medição diz quando essa substituição importa na prática: depende da redundância entre as variáveis, e em dados clínicos reais ela não compra nada.
no ano
A1
envolvidos
analisadas
Um grupo que prefere uma boa pergunta a uma resposta rápida.
- 01Leonardo Forero Mendoza
- 02Harold Dias de Mello Jr.
- 03Evelyn Santos Batista
- 04Manoela Kohler
- 05Marco Aurélio Pacheco
- 06Carlos Hall
- 07Geilson Gomes Araújo
Laboratório de Inteligência Computacional Aplicada (ICA) PUC-Rio
EE · 2026
Machine Learning Quântico
Disciplina da pós-graduação em Engenharia Elétrica da PUC-Rio. É a porta de entrada da linha: forma os alunos que depois assinam os artigos, e mantém o grupo obrigado a explicar o que faz em termos que se sustentam em sala de aula.
2027
Três frentes abertas para 2027.
Acesso a processador quântico real pelo programa de créditos da IBM, extensão do protocolo de auditoria a modelos de linguagem quântico-híbridos, e a consolidação dos três artigos como um método de avaliação que outros grupos possam adotar.
O ativo que esta linha constrói não é um resultado isolado — é uma forma de medir que funciona independentemente de qual lado vença.