Aprendizado de Máquina Quântica: Algoritmos Variacionais e Suas Aplicações

• Processo: 25/08578-9
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Mestrado
• Data de Início da vigência: 31 de julho de 2025
• Data de Término da vigência: 30 de janeiro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Felipe Fernandes Fanchini
• Beneficiário: Pedro Marcelo Prado
• Supervisor: Ariel Ignacio Norambuena Zamorano
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Instituição Anfitriã: Universidad Técnica Federico Santa María (USM), Chile
• Vinculado à bolsa: 23/12110-7 - Otimização e Aprendizado de Máquina Quântica: Algoritmos Variacionais e Suas Aplicações., BP.MS
• Assunto(s): Algoritmos quânticos
• Palavra(s)-Chave do Pesquisador: Algoritmos quânticos | Aprendizado de Máquina Quântica | Aprendizado de Máquina Quântica

Resumo

Este projeto visa estudar a aplicação de algoritmos de aprendizado de máquina quântica (QML), com foco em modelos QSVM (Quantum Support Vector Machine) e QPINN (Quantum Physics-Informed Neural Network). O objetivo é entender suas capacidades, limitações e potencial explicativo em sistemas quânticos de pequena escala. Uma análise exploratória de estruturas de circuitos e seu comportamento em tarefas de classificação e regressão será conduzida, apoiada por ferramentas Explainable AI (XAI) para melhorar a interpretabilidade e o desempenho do modelo. O ruído será considerado um fator secundário para avaliar seu impacto na robustez do algoritmo. A pesquisa será realizada na Universidad Técnica Federico Santa María, no Chile, em colaboração com um grupo de pesquisa especializado em sistemas quânticos abertos. Os resultados esperados incluem a identificação de padrões estruturais, a proposição de adaptações para reduzir os requisitos de qubits e o fortalecimento da base teórica e experimental para aplicações práticas de QML. (AU)