Pesquisa inédita desenvolve monitoramento estrutural com aprendizado de máquina quântico
O docente Raphael Fortes Infante Gomes, da UNILA, participou de uma pesquisa inovadora, junto a outros pesquisadores da Universidade Federal de Juiz de Fora (UFJF), que trouxe novas perspectivas para o monitoramento de integridade estrutural — área que busca identificar falhas em pontes, barragens e grandes construções. A pesquisa mostrou como o aprendizado de máquina quântico pode ser uma ferramenta poderosa para detectar danos e reduzir custos de manutenção.
Segundo o professor Raphael Gomes, a ideia central do monitoramento de integridade estrutural é simples: identificar se as oscilações e vibrações naturais de uma estrutura estão dentro de padrões aceitáveis. “Se elas saem desse padrão, classificamos como anômalas. Então, a ideia é ter um monitoramento em tempo real para prevenir fissuras, rachaduras ou danos na estrutura”, explicou.
A pesquisa foi realizada em parceria com o professor Alexandre Cury e com o doutorando Victor Higino Meneguitte Alves, da Universidade Federal de Juiz de Fora (UFJF). De acordo com Gomes, esse foi o primeiro trabalho no mundo a combinar aprendizado de máquina com sistemas quânticos especificamente para monitoramento de integridade estrutural. “Essa ideia de usar aprendizado de máquina está em tudo hoje em dia, mas os sistemas quânticos são muito sensíveis, muito instáveis. É difícil obter resultados que entreguem algo realmente consistente”, explicou. Por isso, o grupo desenvolveu uma abordagem chamada “computação quântica híbrida”, que combina o melhor dos dois mundos: “Processamos os dados no circuito quântico, atualizamos os parâmetros num computador clássico e retroalimentamos o processo”, completou.
O diferencial do trabalho está na aplicação de algoritmos quânticos para processar essas informações. “Usamos aprendizado de máquina quântico para detectar esses padrões de anomalia e, mais do que isso, para eliminar falsos positivos — que são erros de detecção que não existem de fato”, afirmou Gomes. “Os métodos antigos mostravam supostos erros que, na prática, não estavam lá. O método quântico corrigiu esses erros, trazendo resultados mais confiáveis e consistentes.”
Apesar das limitações atuais dos computadores quânticos — que ainda possuem poucos bits quânticos e são pouco robustos — o resultado surpreendeu. “Mesmo com apenas um bit quântico, conseguimos resultados que batiam os métodos convencionais. Com pouco, a gente conseguiu entregar muito”, destacou o pesquisador.
Outras aplicações
Além da relevância para a engenharia civil e para a segurança de grandes obras, o trabalho mostra como as novas tecnologias — especialmente o aprendizado de máquina quântico — podem revolucionar o modo como analisamos dados complexos. A pesquisa, pioneira na área, sinaliza o potencial de novas fronteiras de conhecimento e aplicação, envolvendo física, engenharia e até mesmo o mercado financeiro.
Um exemplo é o uso da técnica para analisar a variação de preços do Bitcoin, que baseou o Trabalho de Conclusão de Curso (TCC) do discente Dylan Rafael Sanchez Salinas, na UNILA, orientado por Raphael Gomes. “A mesma metodologia foi usada para entender oscilações anômalas no mercado financeiro, em momentos marcados por guerras, eleições ou outros eventos globais”, explicou Gomes. A pesquisa demonstra o potencial do aprendizado de máquina quântico na análise de séries temporais, com aplicações que vão além do mercado financeiro, podendo ser estendidas a outras áreas que lidam com grandes volumes de dados temporais.
O docente ressalta que o maior desafio agora não é a necessidade de supercomputadores, mas sim a capacidade de programar e entender como funcionam esses processos. “O que a gente mais precisa é de um computador razoável, estável e conectado à rede, além de quem saiba programar e acessar na hora certa”, disse. Ele coordena atualmente o curso de Engenharia Física na UNILA e conduz um grupo de pesquisa em computação quântica junto ao professor Rodrigo Bloot, do curso de Matemática, explorando novos modelos e aplicações dessa tecnologia promissora.