Computação Quântica: o que é e como funcionam os qubits

A computação quântica é um paradigma computacional que usa qubits — capazes de assumir 0, 1 ou uma superposição de ambos — para processar informações com base na mecânica quântica, resolvendo problemas como fatoração de inteiros e simulação molecular que são inviáveis para computadores clássicos.

• O que é computação quântica?
• Qual a diferença entre computação clássica e quântica?
• Superposição, emaranhamento e interferência: os três pilares
• Modelos de computadores quânticos: portas lógicas, annealers e simuladores
• Para que serve a computação quântica na prática?
• A computação quântica quebra a criptografia atual?
• Desafios atuais: decoerência, erros e a era NISQ

O que é computação quântica?

A computação quântica é o campo que projeta e programa sistemas computacionais baseados em fenômenos da mecânica quântica — superposição, emaranhamento e interferência — em vez da lógica booleana dos transistores. Sua unidade fundamental é o qubit, que pode existir em múltiplos estados simultaneamente até ser medido, permitindo explorar um número exponencial de possibilidades em paralelo.

O caráter revolucionário da computação quântica está na classe de problemas que ela ataca. Simular uma molécula complexa para descobrir um novo medicamento, por exemplo, exige representar interações quânticas que crescem exponencialmente com o tamanho do sistema — algo que esgota rapidamente qualquer supercomputador clássico, mas que é natural para um processador que já opera sob as mesmas leis físicas.

Um exemplo clássico é o Problema do Caixeiro Viajante: encontrar a rota mais curta entre vários pontos. Com poucos pontos, um computador clássico resolve; conforme o número cresce, o total de permutações explode e o cálculo se torna inviável. Um computador quântico, ao explorar múltiplos caminhos simultaneamente por superposição e emaranhamento, pode avaliar um espaço de soluções muito maior por operação, tornando tratáveis certos problemas de otimização.

Importante: a computação quântica não é um "computador clássico mais rápido". Ela é um modelo diferente, probabilístico, que acelera algumas classes de problemas — otimização, simulação de sistemas quânticos, fatoração e busca — e não oferece vantagem alguma para a maioria das tarefas do dia a dia. Aqui no CodeCrush, tratamos o tema como o que ele é: uma fronteira de pesquisa com impacto real, mas com prazos honestos.

Qual a diferença entre computação clássica e quântica?

A diferença central está na unidade de informação: a computação clássica usa bits com estados definidos (0 ou 1) e lógica determinística, enquanto a computação quântica usa qubits que exploram superposição e emaranhamento, operando de forma probabilística sobre um espaço de estados que dobra a cada qubit adicionado.

O computador clássico opera com lógica booleana: cada bit carrega um único valor binário, e o hardware testa possibilidades de forma sequencial ou com paralelismo limitado. Essa arquitetura é imbatível para processamento de texto, navegação, bancos de dados e cálculo numérico convencional — assim como as GPUs redefiniram o paralelismo clássico para IA, sem mudar o paradigma binário.

O computador quântico, por sua vez, manipula qubits cujos estados se combinam: um registrador de n qubits em superposição representa 2^n estados ao mesmo tempo. O exemplo mais citado é a criptografia RSA (Rivest–Shamir–Adleman), cuja segurança depende da dificuldade clássica de fatorar números grandes — dificuldade que o algoritmo quântico de Shor eliminaria, como detalhado mais adiante.

Superposição, emaranhamento e interferência: os três pilares

A computação quântica extrai seu poder de três fenômenos: a superposição permite que um qubit represente 0 e 1 simultaneamente, o emaranhamento correlaciona qubits de forma inseparável, e a interferência amplifica as respostas corretas enquanto cancela as incorretas. Os algoritmos quânticos são, na essência, coreografias desses três efeitos.

1. Superposição é a capacidade de um qubit existir como combinação linear de 0 e 1 até ser medido — quando "colapsa" para um estado clássico com certa probabilidade. É ela que dá origem ao paralelismo quântico: n qubits em superposição codificam 2^n estados simultâneos.

2. Emaranhamento é o fenômeno em que dois ou mais qubits ficam intrinsecamente ligados: o estado de um não pode ser descrito sem os outros, mesmo separados fisicamente, e a medição de um influencia instantaneamente o resultado dos demais. O emaranhamento cria as correlações que os algoritmos quânticos e a correção de erros exploram.

3. Interferência é o mecanismo pelo qual as amplitudes de probabilidade de diferentes caminhos computacionais se reforçam (interferência construtiva) ou se cancelam (interferência destrutiva). Um bom algoritmo quântico direciona a interferência para que os estados correspondentes à resposta certa fiquem com alta probabilidade de medição.

O algoritmo de Grover, para busca em bases não ordenadas, ilustra os três pilares juntos: usa superposição para consultar todos os itens de uma vez, emaranhamento para correlacionar os estados e interferência para amplificar o item procurado — entregando uma aceleração quadrática sobre a busca clássica.

Modelos de computadores quânticos: portas lógicas, annealers e simuladores

Os computadores quânticos atuais seguem três modelos principais: máquinas baseadas em portas lógicas (universais e programáveis), recozedores quânticos (especializados em otimização) e simuladores quânticos analógicos (dedicados a mimetizar sistemas físicos). Cada modelo troca generalidade por viabilidade de construção.

Os computadores baseados em portas lógicas (gate-based) são o modelo mais versátil, análogo às portas AND/OR/NOT clássicas: sequências de portas quânticas manipulam os qubits para executar algoritmos como os de Shor e Grover. As implementações físicas variam — qubits supercondutores (IBM, Google), íons aprisionados (IonQ, Quantinuum) e qubits topológicos (Microsoft). O processador Sycamore, do Google, marcou a área em 2019 ao executar em cerca de 200 segundos, com 53 qubits, uma amostragem que a empresa estimou levar 10 mil anos em um supercomputador clássico, resultado publicado na Nature. Em dezembro de 2024, o sucessor Willow, com 105 qubits, demonstrou correção de erros "abaixo do limiar" — os erros caem exponencialmente conforme se adicionam qubits — e completou em menos de 5 minutos um benchmark que o Google estima em 10 septilhões de anos para o supercomputador mais rápido atual, segundo o anúncio oficial do Google. Na mesma corrida, a IBM apresentou em dezembro de 2023 o chip Condor, de 1.121 qubits supercondutores, e mantém um roadmap público de hardware quântico com metas até a década de 2030.

Os recozedores quânticos (quantum annealers), cuja pioneira é a D-Wave Systems, não são universais: buscam o estado de energia mínima de um sistema, que corresponde à solução ótima de um problema de otimização ou amostragem. São mais fáceis de escalar, porém restritos a essa classe de problemas.

Os simuladores quânticos analógicos usam sistemas controláveis (átomos frios, fótons) para mimetizar outros sistemas quânticos difíceis de modelar classicamente — valiosos em física de materiais e química, mas sem programabilidade de propósito geral.

Para que serve a computação quântica na prática?

A computação quântica serve, hoje, principalmente para pesquisa em química, ciência de materiais, otimização e criptografia — áreas em que simular ou explorar espaços exponenciais de possibilidades é o gargalo. As aplicações comerciais em escala ainda dependem de máquinas tolerantes a falhas, previstas para os próximos anos.

Os casos de uso mais promissores incluem:

• Descoberta de fármacos e materiais: simular moléculas e reações químicas com precisão quântica nativa, acelerando o desenho de medicamentos, baterias e catalisadores.
• Otimização logística e financeira: rotas de entrega, alocação de portfólios e precificação de risco são problemas combinatórios que annealers e algoritmos variacionais já exploram em provas de conceito.
• Aprendizado de máquina: pesquisas em quantum machine learning investigam ganhos em amostragem e otimização de modelos — um complemento, não um substituto, dos fundamentos de machine learning clássicos que sustentam a IA (Inteligência Artificial) atual.
• Criptografia e segurança: tanto na ameaça (algoritmo de Shor) quanto na defesa (distribuição quântica de chaves e padrões pós-quânticos).

O acesso prático já é realidade via computação em nuvem: IBM Quantum Platform, Amazon Braket e Azure Quantum expõem processadores reais por API, no mesmo modelo de consumo dos serviços de nuvem tradicionais como AWS, Azure e GCP. Para o desenvolvedor, isso significa escrever circuitos em Python com SDKs como o Qiskit e executá-los remotamente sem possuir hardware criogênico.

A computação quântica quebra a criptografia atual?

Em teoria, sim: o algoritmo de Shor, publicado por Peter Shor em 1994, fatora inteiros exponencialmente mais rápido que qualquer método clássico conhecido, o que quebraria o RSA e outras cifras de chave pública. Na prática, ainda não existe computador quântico com qubits estáveis suficientes para atacar chaves reais — mas a migração defensiva já começou.

A resposta da indústria é a criptografia pós-quântica (PQC): algoritmos clássicos projetados para resistir a ataques quânticos. Em agosto de 2024, o NIST (National Institute of Standards and Technology) finalizou seus três primeiros padrões — FIPS 203 (ML-KEM, encapsulamento de chaves), FIPS 204 (ML-DSA, assinaturas digitais) e FIPS 205 (SLH-DSA, assinaturas baseadas em hash) —, encerrando um processo de padronização iniciado em 2016, conforme o projeto oficial de PQC do NIST.

O risco relevante hoje é o "harvest now, decrypt later": adversários podem interceptar e armazenar tráfego cifrado agora para decifrá-lo quando houver máquinas capazes. Por isso, equipes de segurança da informação de bancos, governos e provedores de nuvem já iniciaram a migração para os novos padrões, mesmo com o ataque quântico ainda distante.

Desafios atuais: decoerência, erros e a era NISQ

O maior obstáculo da computação quântica é a fragilidade dos qubits: qualquer interação com o ambiente — calor, vibração, radiação — destrói a superposição, fenômeno chamado decoerência. Por isso os processadores operam perto do zero absoluto e, mesmo assim, acumulam erros que exigem esquemas complexos de correção, consumindo dezenas ou centenas de qubits físicos para formar um único qubit lógico confiável.

O físico John Preskill (Caltech) cunhou em 2018 o termo que define o estágio atual: NISQ (Noisy Intermediate-Scale Quantum, ou quântico ruidoso de escala intermediária). No artigo Quantum Computing in the NISQ era and beyond, ele escreveu: "Noisy Intermediate-Scale Quantum (NISQ) technology will be available in the near future" — a tecnologia quântica ruidosa de escala intermediária estará disponível no futuro próximo —, alertando que essas máquinas seriam úteis para pesquisa, mas insuficientes para transformar o mundo sozinhas.

Os desafios centrais podem ser resumidos assim:

• Decoerência: os estados quânticos duram microssegundos; nos chips mais recentes do Google, os tempos de coerência T1 aproximam-se de 100 microssegundos.
• Correção de erros: o resultado "abaixo do limiar" do Willow, em 2024, foi o primeiro sinal experimental de que aumentar qubits pode reduzir erros em vez de multiplicá-los.
• Escalabilidade: sair de centenas para os milhões de qubits físicos necessários a aplicações tolerantes a falhas exige avanços em fabricação, controle e refrigeração.
• Software e talento: algoritmos, compiladores e profissionais quânticos ainda são escassos, o que abre espaço para quem entra cedo na área.

Conclusão

A computação quântica está para a década de 2030 como a computação clássica esteve para os anos 1950: hardware caro, frágil e restrito a laboratórios, mas com fundamentos sólidos e progresso mensurável — Sycamore provou vantagem em 2019, Willow provou correção de erros escalável em 2024, e o NIST já blindou a criptografia antes mesmo da ameaça se concretizar. Para o desenvolvedor, a postura pragmática é clara: não largue seu stack por causa do hype, mas aprenda os fundamentos (álgebra linear, probabilidade, Qiskit) e acompanhe a migração pós-quântica, porque ela vai chegar ao seu backend antes do primeiro computador quântico útil chegar ao mercado.