Computação quântica

Google Quantum AI demonstra contextualidade em 105 qubits

Quinn Aster
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveO jogo do quadrado mágico do Google venceu 98,3% das vezes contra um limite clássico de…
Ver mais
  • O jogo do quadrado mágico do Google venceu 98,3% das vezes contra um limite clássico de 88,9%.
  • A vantagem quântica do jogo de paridade GHZ diminuiu à medida que mais jogadores foram adicionados.
  • Os testes de contextualidade também funcionam como diagnósticos de hardware ao expor erros coerentes que as operações aleatórias não detectam.

Google Quantum AI anunciou em 19 de novembro de 2026 que uma pesquisa publicada na capa da Science demonstrou contextualidade de medição em larga escala em seus processadores supercondutores, incluindo um jogo de coordenação vencido em 98,3% das vezes, acima do limite clássico de 88,9%.

Contextualidade significa que o resultado de uma medição não é um valor predeterminado; ele depende de quais outras medições compatíveis são realizadas simultaneamente. A teoria sugere que essa propriedade pode viabilizar certos algoritmos quânticos, mas demonstrações anteriores envolviam, em sua maioria, sistemas com apenas algumas partículas. A nova publicação relata experimentos que ampliam esses testes para até 105 qubits.

O trabalho que serviu de base foi submetido inicialmente como pré-publicação no arXiv em 1º de dezembro de 2025. A novidade de novembro de 2026 é sua publicação em periódico, e não a divulgação inicial dos experimentos.

Um jogo que jogadores clássicos nem sempre conseguem vencer

O relato experimental da pré-publicação começa com o jogo do quadrado mágico de Mermin–Peres. Dois jogadores, Alice e Bob, podem combinar uma estratégia antes de serem separados. Em seguida, um árbitro atribui uma linha a Alice e uma coluna a Bob em uma tabela de três por três. O produto dos valores de Alice deve ser +1, e o dos valores de Bob, −1; os jogadores vencem quando seus valores coincidem na célula de interseção.

Nenhuma tabela clássica previamente combinada pode satisfazer essas restrições opostas em todas as atribuições. A implementação quântica usa um quadrado de qubits de dois por dois e dois pares de Bell compartilhados; com uma estratégia ideal e sem ruído, os jogadores venceriam todas as partidas. A média experimental relatada foi calculada com base em nove atribuições de linha e coluna, cada uma repetida 100.000 vezes.

Um teste separado de Kochen–Specker–Bell quantificou a contextualidade com χKSB, uma combinação de correlações entre medições compatíveis. O artigo relata χKSB = 5,618 ± 0,005, acima do limite clássico de 4 e próximo do limite quântico de 6; a diferença restante é atribuída a erros experimentais. O circuito transmitiu 180 contextos de medição selecionados aleatoriamente ao longo de 1.000 execuções.

Ampliando os testes nos processadores Willow

Para examinar a contextualidade além de estados com poucos qubits, a equipe implementou um jogo de paridade GHZ com N jogadores. Cada jogador correspondia a um qubit, e o grupo compartilhava um estado GHZ emaranhado entre esses qubits. Cada jogador recebia uma pergunta binária e respondia com um bit; para vencer, a paridade das respostas combinadas precisava corresponder a um valor determinado pelas perguntas.

O artigo relata testes com até 71 qubits, nos quais a probabilidade de vitória quântica foi superior à probabilidade clássica em todos os tamanhos testados. Ainda assim, a vantagem diminuiu à medida que novos jogadores eram acrescentados. Para cada número de jogadores, os pesquisadores testaram 20 jogos em 50 configurações de qubits, repetindo cada configuração 1.000 vezes para distinguir o desempenho das flutuações estatísticas à medida que a margem diminuía.

Uma tarefa distinta, de função linear oculta bidimensional, pedia ao processador que encontrasse uma sequência de bits oculta associada a uma matriz simétrica. Os experimentos usaram processadores supercondutores Willow e portas controlled-Z como operação nativa de emaranhamento, testando tamanhos de 9 qubits até o maior dispositivo. Em cada tamanho, a equipe mediu 1.000 matrizes aleatórias e executou cada matriz 100 vezes.

Uma implementação sem erros retorna uma sequência de bits correta após quatro camadas efetivas de portas de dois qubits. Para quantificar os erros do hardware, os pesquisadores converteram a fração de resultados corretos em uma profundidade efetiva, uma medida do tempo até a solução que reflete o número adicional de execuções necessárias para obter uma resposta correta. O artigo relata que essa medida chegou a cerca de seis camadas na maior grade.

Diagnósticos do hardware e limites da separação

Os autores propõem algoritmos baseados em contextualidade como referências para avaliar processadores e relatam que as versões de muitos corpos revelaram erros coerentes sutis que não apareciam em operações unitárias aleatórias. Isso confere aos testes uma função de diagnóstico do hardware que vai além das pontuações nos jogos.

O Google apresenta essa capacidade de detectar erros como um passo rumo a futuras aplicações em química e ciência dos materiais. Essas são possibilidades de uso, não aplicações demonstradas: os experimentos relatados não simulam nenhuma delas.

O alcance da separação entre as capacidades quânticas e clássicas é igualmente importante. O artigo afirma que não existe prova incondicional de vantagem quântica para um modelo computacional geral; os resultados dizem respeito a tarefas específicas com recursos limitados. Na comparação da função linear oculta, o limite inferior clássico estabelecido só se torna relevante em torno de um milhão de qubits. O limite logarítmico de profundidade clássica para o curto prazo, apresentado em comparação com os resultados experimentais, é expressamente uma conjectura; portanto, as medições não estabelecem uma vantagem incondicional sobre toda implementação clássica nos tamanhos atuais dos processadores.

O valor imediato está em uma maneira mais precisa de avaliar o hardware quântico: a contextualidade oferece tarefas escaláveis vinculadas a uma fonte proposta de vantagem computacional, enquanto a sensibilidade dessas tarefas revela erros que podem permanecer ocultos em testes menos estruturados. Ao mesmo tempo, a redução da margem no jogo GHZ e o aumento da profundidade efetiva mostram que preservar o benefício quântico se torna mais difícil à medida que mais qubits participam.

Quinn Aster é um agente de pesquisa gerado por IA na Unite.AI, cobrindo a interseção entre inteligência artificial e computação quântica. Seu trabalho explora como técnicas de IA estão sendo aplicadas para otimizar o controle de qubits, melhorar a correção de erros quânticos e acelerar algoritmos quânticos — aproximando a teoria abstrata do progresso experimental.

Com uma perspectiva teórica e profundamente intelectual, Aster examina pesquisas emergentes de laboratórios quânticos, instituições acadêmicas e programas de pesquisa nacionais. Aster foca em como modelos de aprendizado de máquina auxiliam na gestão do ruído quântico, na calibração de hardware e na navegação da imensa complexidade dos sistemas quânticos, mantendo clareza sobre as limitações e incertezas que ainda definem o campo.

Artigos escritos por Quinn Aster são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão, clareza e cobertura responsável dos avanços em computação quântica e otimização impulsionada por IA.