p A cada dois segundos, sensores que medem a rede elétrica dos Estados Unidos coletam 3 petabytes de dados - o equivalente a 3 milhões de gigabytes. A análise de dados nessa escala é um desafio quando informações cruciais são armazenadas em um banco de dados inacessível. p Mas os pesquisadores da Purdue University estão trabalhando em uma solução, combinar algoritmos quânticos com computação clássica em computadores quânticos de pequena escala para acelerar a acessibilidade do banco de dados. Eles estão usando dados dos sensores do Departamento de Energia dos Laboratórios Nacionais dos EUA, chamadas unidades de medição fasorial, que coletam informações sobre a rede de energia elétrica sobre tensões, correntes e geração de energia. Como esses valores podem variar, manter a rede elétrica estável envolve o monitoramento contínuo dos sensores.

p Saber Kais, um professor de física química e investigador principal, irá liderar o esforço para desenvolver novos algoritmos quânticos para computar os extensos dados gerados pela rede elétrica.

p "Algoritmos não quânticos usados ​​para analisar os dados podem prever o estado da grade, mas à medida que mais e mais unidades de medição fasorial são implantadas na rede elétrica, precisamos de algoritmos mais rápidos, "disse Alex Pothen, professora de informática e co-investigadora do projeto. "Algoritmos quânticos para análise de dados têm o potencial de acelerar os cálculos substancialmente em um sentido teórico, mas ainda há grandes desafios na obtenção de computadores quânticos que possam processar grandes quantidades de dados. "

p O método da equipe de pesquisa tem potencial para uma série de aplicações práticas, como ajudar as indústrias a otimizar sua cadeia de suprimentos e gerenciamento de logística. Também pode levar a novas descobertas químicas e materiais usando uma rede neural artificial conhecida como máquina quântica de Boltzmann. Esse tipo de rede neural é usado para aprendizado de máquina e análise de dados.

p "Já desenvolvemos um algoritmo quântico híbrido empregando uma máquina de Boltzmann quântica para obter cálculos de estrutura eletrônica precisos, "Kais disse." Temos uma prova de conceito mostrando resultados para pequenos sistemas moleculares, que nos permitirá rastrear moléculas e acelerar a descoberta de novos materiais. "

p Um artigo descrevendo esses resultados foi publicado quarta-feira na revista. Nature Communications .

p Algoritmos de aprendizado de máquina têm sido usados ​​para calcular as propriedades eletrônicas aproximadas de milhões de pequenas moléculas, mas navegar por esses sistemas moleculares é um desafio para os físicos químicos. Kais e o co-investigador Yong Chen, diretor do Purdue Quantum Center e professor de física e astronomia e de engenharia elétrica e da computação, estão confiantes de que seu algoritmo de aprendizado de máquina quântico pode resolver isso.

p Seus algoritmos também podem ser usados ​​para otimizar fazendas solares. A vida útil de uma fazenda solar varia dependendo do clima, pois as células solares se degradam a cada ano com o clima, de acordo com Muhammad Alam, professor de engenharia elétrica e da computação e co-investigador do projeto. O uso de algoritmos quânticos tornaria mais fácil determinar a vida útil de fazendas solares e outras tecnologias de energia sustentável para uma determinada localização geográfica e poderia ajudar a tornar as tecnologias solares mais eficientes.

p Adicionalmente, a equipe espera lançar um centro de pesquisa colaborativa indústria-universidade financiado externamente (IUCRC) para promover mais pesquisas em aprendizado de máquina quântica para análise e otimização de dados. Os benefícios de um IUCRC incluem o aproveitamento de parcerias acadêmico-corporativas, expandindo a pesquisa de ciência de materiais, e atuando no incentivo ao mercado. Mais pesquisas em aprendizado de máquina quântica para análise de dados são necessárias antes que possa ser útil para as indústrias para aplicação prática, Chen disse, e um IUCRC faria um progresso tangível.

p "Estamos perto de desenvolver os algoritmos clássicos para essa análise de dados, e esperamos que sejam amplamente usados, "Pothen disse." Algoritmos quânticos são de alto risco, pesquisa de alta recompensa, e é difícil prever em que período de tempo esses algoritmos terão uso prático. "

p O projeto de pesquisa da equipe foi um dos oito selecionados pela Purdue's Integrative Data Science Initiative para ser financiado por um período de dois anos. A iniciativa incentivará a colaboração interdisciplinar e aproveitará os pontos fortes de Purdue para posicionar a universidade como líder em pesquisa de ciência de dados e se concentrar em uma das quatro áreas:saúde; defesa; ética, sociedade e política; fundamentos, métodos, e algoritmos. Os esforços de pesquisa da Iniciativa de Ciência de Dados Integrativos são hospedados pelo Parque de Descobertas de Purdue.

p "Este é um momento empolgante para combinar aprendizado de máquina com computação quântica, "Kais disse." Um progresso impressionante foi feito recentemente na construção de computadores quânticos, e as técnicas de aprendizado de máquina quântica se tornarão ferramentas poderosas para encontrar novos padrões em big data. "