Quântica: criar valor de negócio de forma segura, eficiente e escalável

Num ambiente onde os dados crescem de forma exponencial e as regulamentações de privacidade são cada vez mais rigorosas, as empresas enfrentam um desafio constante: como extrair valor dos dados e, ao mesmo tempo, proteger a sua segurança e confidencialidade? 

Em muitos setores, grande parte do valor dos dados advém da sua capacidade de melhorar a tomada de decisões, seja antecipando comportamentos, otimizando operações ou priorizando riscos. Para aproveitar esse potencial, as organizações recorrem cada vez mais a técnicas de inteligência artificial e machine learning para abordar diferentes tipos de problemas, entre os quais se destacam os chamados problemas de classificação. 

Os problemas de classificação consistem em aprender, a partir de dados previamente rotulados, uma função capaz de atribuir corretamente novas observações a uma de várias categorias possíveis. Resolver este tipo de problemas de forma eficiente é fundamental, pois permite antecipar e automatizar inúmeras situações: antecipar a perda de clientes, detetar fraudes, segmentar mercados, recomendar produtos ou serviços personalizados ou otimizar a alocação de recursos, entre muitos outros casos. 

Para enfrentar esses desafios, duas tecnologias emergentes assumem um papel especialmente relevante. Por um lado, a aprendizagem federada permite aproveitar uma maior quantidade de dados de forma descentralizada, treinando modelos colaborativos sem necessidade de centralizar a informação ou comprometer a privacidade de cada organização. Este fator abre portas a novas formas de colaboração e ao uso de dados que antes não podiam ser combinados devido a restrições legais ou de segurança. 

Por outro lado, a computação quântica representa um salto tecnológico destinado a desenvolver modelos mais eficientes e poderosos, capazes de oferecer vantagens, tanto em precisão como em tempo de formação e consumo energético. Esta tecnologia permite abordar tarefas de otimização e classificação que são especialmente difíceis para os computadores clássicos, ampliando o alcance do que é possível com inteligência artificial avançada. Combinadas, ambas as tecnologias oferecem uma base sólida para criar valor de forma segura, eficiente e escalável. 

Em outubro, apresentamos na 28ª Conferência Europeia de Inteligência Artificial (ECAI 2025), realizada em Bolonha, um artigo no qual exploramos precisamente esta interseção: a aplicação da Aprendizagem Federada Quântica para a otimização de problemas de classificação que não podem ser abordados com computadores clássicos. No nosso trabalho, demonstramos que é possível treinar modelos quânticos de forma federada e que estes modelos superam os seus equivalentes não federados, mantendo as garantias de privacidade inerentes a esta arquitetura. A mensagem é clara: colaborar sem expor dados e sem renunciar ao desempenho, já é uma realidade tecnológica. 

Na Strategic Platform, temos apostado na investigação de tecnologias que não sejam apenas inovadoras, mas também realistas e aplicáveis a casos de uso atuais. Por isso, para além de realizarmos simulações, executamos as validações experimentais em hardware quântico real através do computador quântico localizado no Barcelona Supercomputing Center (BSC), ao qual tivemos acesso após a aprovação da nossa proposta de pesquisa, obtendo resultados sólidos e muito promissores. Isto demonstra que não estamos a falar de uma abordagem teórica, mas sim de uma linha de trabalho que já pode começar a ser explorada com o hardware quântico, disponível atualmente. 

Na Strategic Platform, temos apostado na investigação de tecnologias que não sejam apenas inovadoras, mas também realistas e aplicáveis a casos de uso atuais. Por isso, para além de realizarmos simulações, executamos as validações experimentais em hardware quântico real através do computador quântico localizado no Barcelona Supercomputing Center (BSC), ao qual tivemos acesso após a aprovação da nossa proposta de pesquisa, obtendo resultados sólidos e muito promissores. Isto demonstra que não estamos a falar de uma abordagem teórica, mas sim de uma linha de trabalho que já pode começar a ser explorada com o hardware quântico, disponível atualmente.