{"id":4336,"date":"2019-07-04T14:18:17","date_gmt":"2019-07-04T17:18:17","guid":{"rendered":"https:\/\/sbfisica.org.br\/v1\/sbf\/2019\/07\/04\/inteligencia-artificial-pode-descobrir-novas-propriedades-de-redes-quanticas\/"},"modified":"2022-08-18T23:02:47","modified_gmt":"2022-08-19T02:02:47","slug":"inteligencia-artificial-pode-descobrir-novas-propriedades-de-redes-quanticas","status":"publish","type":"post","link":"https:\/\/www.sbfisica.org.br\/v1\/sbf\/inteligencia-artificial-pode-descobrir-novas-propriedades-de-redes-quanticas\/","title":{"rendered":"Intelig\u00eancia artificial pode descobrir novas propriedades de redes qu\u00e2nticas"},"content":{"rendered":"<p><img decoding=\"async\" data-src=\"images\/destaque-em-fisica\/2019\/julho\/destaque-2019-07-04.png\" alt=\"\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" class=\"lazyload\" \/>Um dos fen\u00f4menos mais estranhos da f\u00edsica qu\u00e2ntica, o emaranhamento, faz com que duas partes de um sistema f\u00edsico possam estar correlacionadas de maneiras imposs\u00edveis de serem explicadas pela f\u00edsica cl\u00e1ssica. Mais do que uma curiosidade, as chamadas correla\u00e7\u00f5es n\u00e3o-locais s\u00e3o o recurso fundamental das novas tecnologias da criptografia e da computa\u00e7\u00e3o qu\u00e2ntica. Identificar e caracterizar essas correla\u00e7\u00f5es n\u00e3o-locais, por\u00e9m, n\u00e3o \u00e9 tarefa f\u00e1cil. O m\u00e9todo convencional, que consiste em analisar a rede de um sistema f\u00edsico qu\u00e2ntico em busca de viola\u00e7\u00f5es das chamadas desigualdades de Bell, tende a se tornar exponencialmente mais complicado, mesmo para redes qu\u00e2nticas relativamente simples. Um novo m\u00e9todo mais r\u00e1pido, por\u00e9m, foi desenvolvido por um grupo de pesquisadores do Instituto Internacional de F\u00edsica da Universidade Federal do Rio Grande do Norte (IIF-UFRN), utilizando t\u00e9cnicas modernas de intelig\u00eancia artificial.<\/p>\n<p><!--more--><\/p>\n<p><span style=\"background-color: inherit; color: inherit; font-family: inherit; font-size: 1rem;\">&#8220;T\u00e9cnicas modernas de aprendizagem de m\u00e1quina fornecem um novo caminho para a caracteriza\u00e7\u00e3o de correla\u00e7\u00f5es em redes qu\u00e2nticas&#8221;, afirma no v\u00eddeo Rafael Chaves, f\u00edsico do IIF e um dos autores do estudo publicado em maio na revista <em>Physical Review Letters<\/em>, com seus colegas Askery Canabarro e Samura\u00ed Brito. &#8220;Basicamente, o que fizemos foi samplear aleatoriamente correla\u00e7\u00f5es n\u00e3o-locais e, atrav\u00e9s de t\u00e9cnicas de optimiza\u00e7\u00e3o convexa, calculamos a dist\u00e2ncia dessas correla\u00e7\u00f5es ao conjunto de correla\u00e7\u00f5es locais&#8221;, Brito explica.\u00a0 &#8220;Em outras palavras, quantificamos a n\u00e3o-localidade dessas correla\u00e7\u00f5es, sendo esses ent\u00e3o os dados usados para treinar os diferentes algoritmos de aprendizagem de m\u00e1quina.&#8221;<\/span><\/p>\n<p><iframe style=\"display: block; margin-left: auto; margin-right: auto;\" data-src=\"https:\/\/www.youtube.com\/embed\/ozLpTTwPTkw\" width=\"560\" height=\"315\" frameborder=\"0\" allowfullscreen=\"allowfullscreen\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" class=\"lazyload\" data-load-mode=\"1\"><\/iframe><\/p>\n<p>Como Canabarro explica no v\u00eddeo, a aprendizagem de m\u00e1quina consiste em programas de computador que aumentam sua performance automaticamente com a exposi\u00e7\u00e3o crescente a dados. No caso, os dados de entrada eram as medidas da n\u00e3o-localidade de v\u00e1rias correla\u00e7\u00f5es escolhidas ao acaso. Quanto mais eram alimentados com esses dados, melhor se tornava o resultado do programa, um modelo capaz de identificar e caracterizar as correla\u00e7\u00f5es da rede. &#8220;Testamos o modelo com correla\u00e7\u00f5es in\u00e9ditas, nunca antes vistas por ele e obtivemos um acerto de mais de 99,5%&#8221;, conta Canabarro. &#8220;Al\u00e9m disso, utilizamos o modelo para encontrar novos tipos de correla\u00e7\u00f5es, virtualmente imposs\u00edveis de serem descobertas pelos m\u00e9todos usuais.&#8221;<\/p>\n<p>Assim, os pesquisadores concluem que as t\u00e9cnicas de aprendizagem de m\u00e1quina n\u00e3o apenas facilitam a caracteriza\u00e7\u00e3o de redes qu\u00e2nticas, mas tamb\u00e9m podem ser \u00fateis no estudo dos pr\u00f3prios fundamentos da mec\u00e2nica qu\u00e2ntica.<\/p>\n<p>A pesquisa teve apoio financeiro do CNPq, da UFAL, do Instituto Serrapilheira e da John Templeton Foundation.<\/p>\n<p><strong>Artigo Cient\u00edfico<br \/>\n<\/strong><em>Machine Learning Nonlocal Correlations<\/em><br \/>\nAskery Canabarro, Samura\u00ed Brito e Rafael Chaves<br \/>\n<a href=\"https:\/\/doi.org\/10.1103\/PhysRevLett.122.200401\">Phys. Rev. Lett. 122, 200401, 22 de maio de 2019<br \/>\n<\/a><a href=\"https:\/\/arxiv.org\/abs\/1808.07069\">ArXiv:1808.07069<\/a><\/p>\n<p><strong>Contato para imprensa<\/strong><strong><br \/>\n<\/strong>Igor Zolnerkevic<br \/>\nAssessor de comunica\u00e7\u00e3o<br \/>\n<span id=\"cloakaea3a6d92c0b296f2c2656f3e15e66ed\"><a href=\"mailto:comunicacao@sbfisica.org.br\">comunicacao@sbfisica.org.br<\/a><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Um dos fen\u00f4menos mais estranhos da f\u00edsica qu\u00e2ntica, o emaranhamento, faz com que duas partes de um sistema f\u00edsico possam estar correlacionadas de maneiras imposs\u00edveis de serem explicadas pela f\u00edsica cl\u00e1ssica. Mais do que uma curiosidade, as chamadas correla\u00e7\u00f5es n\u00e3o-locais s\u00e3o o recurso fundamental das novas tecnologias da criptografia e da computa\u00e7\u00e3o qu\u00e2ntica. Identificar e [&hellip;]<\/p>\n","protected":false},"author":8,"featured_media":17949,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[124],"tags":[],"class_list":["post-4336","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-destaque-em-fisica"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/www.sbfisica.org.br\/v1\/sbf\/wp-json\/wp\/v2\/posts\/4336","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sbfisica.org.br\/v1\/sbf\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sbfisica.org.br\/v1\/sbf\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sbfisica.org.br\/v1\/sbf\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sbfisica.org.br\/v1\/sbf\/wp-json\/wp\/v2\/comments?post=4336"}],"version-history":[{"count":2,"href":"https:\/\/www.sbfisica.org.br\/v1\/sbf\/wp-json\/wp\/v2\/posts\/4336\/revisions"}],"predecessor-version":[{"id":17950,"href":"https:\/\/www.sbfisica.org.br\/v1\/sbf\/wp-json\/wp\/v2\/posts\/4336\/revisions\/17950"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sbfisica.org.br\/v1\/sbf\/wp-json\/wp\/v2\/media\/17949"}],"wp:attachment":[{"href":"https:\/\/www.sbfisica.org.br\/v1\/sbf\/wp-json\/wp\/v2\/media?parent=4336"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sbfisica.org.br\/v1\/sbf\/wp-json\/wp\/v2\/categories?post=4336"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sbfisica.org.br\/v1\/sbf\/wp-json\/wp\/v2\/tags?post=4336"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}