Capítulo 02 · Como funciona

Dentro da máquina: tecnologias, erros e algoritmos

A era atual tem nome: NISQ, máquinas ruidosas de escala intermediária, termo de John Preskill (2018); o próximo degrau, na mesma linha de raciocínio, é a "máquina megaquop" (2025), capaz de um milhão de operações lógicas confiáveis. Não existe "o" computador quântico. Existem pelo menos sete formas de construir um qubit, cada uma com um líder, um gargalo e um prazo. O que une todas é o mesmo problema (erros) e a mesma solução (codificar muitos qubits físicos em poucos lógicos). E o que o negócio precisa saber é que a máquina será um acelerador ligado a um supercomputador, programado por uma pilha de software que já existe.

Anatomia Sete tecnologias Correção de erros (simulador)Algoritmos Annealing vs. portas Híbrido HPC + QPU O que não faz Teste

Ao terminar, você deve saber responder

Quais tecnologias de qubit existem e qual é o gargalo de cada uma?
O que é o limiar de correção de erros e por que 2024 foi a virada?
Como uma QPU é usada na prática ao lado de um supercomputador?

Tempo de leitura estimado: — · Revisado em 17/10/2026

Anatomia

As camadas de um computador quântico

De cima para baixo, do que o usuário vê ao que fica a 15 milikelvin.

Por dentro de um criostato de diluição

Os fios descem por seis placas de cobre e ouro, cada uma mais fria que a anterior, até o chip, a 15 milikelvin: duzentas vezes mais frio que o espaço profundo. O frio final vem de uma mistura de hélio-3 e hélio-4. Íons e átomos neutros dispensam isso; trabalham em câmara de vácuo à temperatura ambiente, com lasers.

Camada 5Aplicação e algoritmo

Qiskit (IBM, usado por cerca de 70% dos desenvolvedores), CUDA-Q (NVIDIA), PennyLane, Guppy (Quantinuum), Bloqade (QuEra). Python por cima; o circuito é descrito como no simulador do capítulo 01.

Camada 4Compilação e mitigação

Transpila o circuito para as portas nativas e a conectividade do chip, e aplica supressão e mitigação de erros. A IBM relata mitigação acelerada por HPC que cortou o custo em mais de 100x (nov/2025).

Camada 3Correção de erros e decodificação

Mede síndromes de erro e corrige em tempo real. Exige decodificadores rápidos: a IBM demonstrou decodificação qLDPC em menos de 480 nanossegundos; a Quantinuum usa GPUs NVIDIA para corrigir durante a execução.

Camada 2Controle e leitura

Eletrônica de micro-ondas, lasers ou campos elétricos que executam as portas e leem os qubits. Lasers e ópticos especializados são o gargalo de cadeia mais citado pela McKinsey.

Camada 1QPU e ambiente físico

O chip com os qubits e seu habitat: refrigerador de diluição a 15 mK (supercondutores, spin), câmara de ultra-alto vácuo (íons, átomos), fotônica de silício a temperaturas mais altas (fótons). Potência: 5 a 25 kW, contra 15.000 kW de um supercomputador (McKinsey).

Tecnologias de qubit

Formas de construir um qubit

Nenhuma venceu. O dinheiro de risco (2023 a 2025) foi para íons aprisionados (US$ 4,6 bi), fotônica (US$ 2,8 bi), supercondutores (US$ 2,4 bi), átomos neutros (US$ 0,7 bi) e spin (US$ 0,4 bi). A DARPA levou ao estágio final de avaliação, em outubro de 2026, seis empresas de quatro tecnologias diferentes.

Supercondutores

Circuitos com junções Josephson resfriados a cerca de 15 mK. Portas em dezenas de nanossegundos. A tecnologia de IBM, Google, Rigetti, AWS, Fujitsu/RIKEN e da chinesa USTC.

Quem: IBM, Google, Rigetti, AWS (cat qubits), Alice & Bob, Fujitsu/RIKEN, USTC
Prós: Portas rápidas; fabricação em fábricas de semicondutores (IBM em wafers de 300 mm); ecossistema de software maduro
Contras: Coerência curta (100 a 350 µs); só conecta vizinhos; criogenia pesada e dependente de hélio-3; fiação por qubit

105

qubits no Google Willow; fidelidade de 2 qubits 99,88%

Google, dez/2024

120

qubits no IBM Nighthawk, T1 ~350 µs, até 5.000 portas de 2 qubits

IBM, nov/2025

108

qubits no Rigetti Cepheus-1 (12 chiplets), fidelidade mediana 99,1%

Rigetti, abr/2026

Correção de erros · interativo

O limiar: por que 2024 foi o ano da virada

Um qubit lógico é feito de muitos físicos, dispostos num código (o mais comum é o código de superfície). A regra é contraintuitiva: se a taxa de erro física está acima de um limiar (cerca de 1%), juntar mais qubits piora o resultado. Abaixo do limiar, cada aumento de "distância" do código reduz o erro lógico exponencialmente. O Google demonstrou isso de forma definitiva no Willow (dez/2024): grades 3×3, 5×5 e 7×7, com o erro caindo pela metade a cada degrau.

Brinque com um código de distância 5

Os círculos são 25 qubits físicos de dados; os quadrados são verificadores que medem a paridade dos quatro vizinhos sem ler o valor de nenhum deles. Toque num círculo para introduzir um erro. Os verificadores ao redor acendem: isso é a síndrome, a única informação que o decodificador recebe.

Nenhum erro. Todos os verificadores em paridade par.

Até 2 erros, a síndrome aponta a correção sem ambiguidade. Uma cadeia de 5 erros atravessando a grade deixa todos os verificadores apagados: é um erro lógico, invisível. Por isso a distância do código (aqui 5) decide quantos erros ele tolera, e por isso os roadmaps falam em distância 7, 9 ou mais.

Erro físico por porta 0,30%

Distância do código (d) 7

—

erro lógico por ciclo (modelo p_L ≈ 0,1·(p/p_th)^((d+1)/2))

—

qubits físicos por lógico (2d² − 1)

—

qubits físicos para 1.000 lógicos

Modelo didático com limiar de 1%, calibrado pela escala dos resultados do Google (Nature, dez/2024). Valores reais dependem do código e do decodificador.

Código de superfície vs. qLDPC

O código de superfície precisa de cerca de 1.000 físicos por lógico em escala útil e só conecta vizinhos. Códigos qLDPC (o "gross code" da IBM, publicado por Bravyi e colegas na Nature em 2024) cortam o overhead em cerca de 90%, mas exigem conexões de longo alcance (os "c-couplers" do chip Loon) e decodificação rápida. É a aposta que sustenta o IBM Starling (200 lógicos em 2029).

Razões físico/lógico hoje

Quantinuum Helios (2025)

2 : 1

AWS Ocelot (cat qubits)

9 : 1

IonQ meta 2027

12 : 1

Google Willow (2024)

105 : 1

Surface code em escala (Gidney)

~700 : 1

Razões baixas valem para códigos de distância pequena (detecção e correção limitadas); a comparação justa é por erro lógico alcançado.

Estados mágicos, o último gargaloPortas universais exigem "estados T", que até 2026 consumiriam 90% a 95% da máquina em destilação. Em 15/10/2026 o Google publicou na Science o cultivo desses estados no Willow com fidelidade 99,99%, numa região pequena do chip. É a técnica assumida nas estimativas de quebra de RSA; o resultado valida as premissas dos prazos.

Algoritmos

O que cada algoritmo faz e o que exige

Barras indicam maturidade prática em 2026 (de 1, só teoria, a 5, vantagem demonstrada).

Shor

Fatoração e logaritmo discreto. Quebra RSA, ECC, DH. Exige máquina tolerante a falhas com centenas de milhares a 1 milhão de qubits físicos. Ainda não executado em escala, mas é o algoritmo que define os prazos regulatórios.

ameaça criptográfica

Simulação quântica

Química, materiais, magnetismo. Todas as alegações de vantagem de 2025 e 2026 estão aqui: Google OTOC, IBM/RIKEN ferro-enxofre, Qedma Ising, D-Wave vidros de spin. Valor de negócio em farma, químicos e energia.

vantagem alegada

Amostragem

Gerar distribuições que o clássico não consegue (Sycamore 2019, Quantum Echoes 2025). Uso prático: aleatoriedade certificada (JPMorgan + Quantinuum, Nature, mar/2025).

demonstrado

QAOA / VQE (híbridos variacionais)

Otimização e química em máquinas ruidosas, com um otimizador clássico no laço. Usáveis hoje em pilotos (Deutsche Bahn + IQM, 2026), sem vantagem comprovada. Para Max-kXOR, heurísticas clássicas igualam ou superam (arXiv 2411.19388).

piloto, sem vantagem

Grover

Busca não estruturada com ganho √N. Com o custo da correção de erros, ganhos quadráticos raramente compensam (Hoefler, Häner, Troyer, CACM 2023). Contra AES só obriga chaves maiores.

teoria

HHL e álgebra linear / QML

Sistemas lineares e aprendizado de máquina. Exigem carregar e ler dados de forma eficiente, o que raramente é possível; vários candidatos foram "desquantizados" por algoritmos clássicos (Ewin Tang, 2018).

teoria, contestado

Dois modelos

Annealing vs. modelo de portas

Annealing (D-Wave)

Resolve só otimização em formato QUBO/Ising.
Não é universal: não roda Shor, não simula química geral.
Comercial há mais de dez anos; milhares de qubits de baixa qualidade.
Em produção via solvers híbridos (o ganho vem da parte clássica e da modelagem).
Comparação direta com solvers em GPU: o clássico segue mais rápido (arXiv 2509.03952).

Modelo de portas (todos os demais)

Universal: qualquer algoritmo quântico, inclusive Shor.
Programado por circuitos (capítulo 01).
Frágil: exige correção de erros para programas longos.
Onde estão todos os roadmaps de tolerância a falhas (2028 a 2033).
Onde estão as alegações de vantagem de 2025 e 2026.

Arquitetura real

Híbrido: a QPU como acelerador do supercomputador

O padrão de uso que já existe: o computador clássico faz a maior parte do trabalho e chama a QPU para a sub-rotina em que ela ajuda. Exemplos de 2026: IBM Heron de 77 qubits acoplado aos 152.064 nós do Fugaku (RIKEN); Quantinuum Helios na Oracle Cloud ao lado de GPUs GB200; QuEra no ABCI-Q; Pasqal no Jülich. A McKinsey resume: "a maior parte das cargas seguirá híbrida".

O laço híbrido, como roda na prática

Recomendação 1

Identificar subproblemas quânticos

Dentro de um fluxo de HPC ou de otimização, qual etapa tem estrutura explorável (simulação, amostragem)? O resto fica clássico.

Recomendação 2

Planejar fluxos híbridos

Middleware (Qiskit, CUDA-Q, NVQLink) para orquestrar CPU, GPU e QPU. É engenharia de software convencional, aprendível por equipes de dados.

Recomendação 3

Treinar quem já faz HPC e otimização

As pessoas que modelam problemas de otimização hoje são as mesmas que vão usar QPUs. Formar 2 a 5 delas custa pouco e cria a capacidade de julgar fornecedores.

Limites

O que o computador quântico não faz

Não acelera tudo. A maioria das tarefas de TI (bancos de dados, ERP, web, vídeo) não tem estrutura quântica explorável.
Não substitui CPU e GPU. É acelerador para sub-rotinas específicas.
Não resolve problemas NP-completos em tempo polinomial. Otimização difícil continua difícil; o ganho, quando existe, é parcial.
Não dá resposta determinística. O resultado é uma distribuição; precisa de repetição e verificação.

Não copia estados (teorema da não clonagem), o que limita backup, depuração e algumas arquiteturas.
Não armazena big data. Carregar dados clássicos num estado quântico é lento; algoritmos que dependem disso raramente compensam.
Não é "IA quântica" ainda. Krista Svore (NVIDIA): a computação quântica é "uma extensão da IA" no sentido de alimentar modelos, mas QAOA/QSVM seguem "sem vantagem prática comprovada" (MIT Tech Review Brasil, dez/2025).
Não é rápido em tudo que tem "quantum" no nome. "Quantum-inspired" é software clássico; QRNG é gerador de números aleatórios, não criptografia.

Em resumo

O que levar deste capítulo

Nenhuma tecnologia venceu: íons lideram em fidelidade, átomos em escala, supercondutores em velocidade e ecossistema.
Abaixo de ~1% de erro físico, mais qubits reduzem o erro lógico; o Google demonstrou isso em dez/2024 e os códigos qLDPC cortam o custo.
A QPU é um acelerador chamado por sub-rotinas dentro de um fluxo clássico; a maior parte das cargas seguirá híbrida.

Teste rápido