Para que servem realmente os computadores quânticos? / Offsyanka

Os computadores quânticos ainda são um conceito um tanto exótico nos dias de hoje, embora notícias sobre novos avanços nessa área continuem a surgir regularmente. Na Irlanda, foi anunciado um computador RacQ de seis qubits, acondicionado em um rack de servidor padrão de 19 polegadas e projetado para uso junto com máquinas de von Neumann em um único data center. Na China, a família Jiuzhang de processadores quânticos fotônicos foi atualizada para a versão 4.0. Em vez de qubits tradicionais, ela utiliza 1024 estados comprimidos de luz. Um sofisticado esquema interferométrico com 8176 modos permite que os pesquisadores manipulem mais de três mil fótons. Esse sistema é capaz de realizar uma classe especial de cálculos — amostragem de bósons gaussianos (GBS) — em questão de microssegundos, dezenas de ordens de magnitude mais rápido do que os supercomputadores clássicos mais avançados (a superioridade quântica é evidente; infelizmente, o GBS não tem aplicações práticas — atualmente é apenas um projeto de demonstração). Laboratórios da Universidade de Harvard, nos EUA, previram o surgimento iminente de computadores quânticos de alto desempenho e tolerantes a erros nos próximos 5 a 10 anos, embora também tenham lamentado a falta de compreensão das aplicações específicas para as quais essas máquinas poderiam ser úteis. E, de fato, para quais aplicações?

A estrutura maciça característica retratada em muitos artigos sobre computação quântica é apenas a camada externa, um criostato com blindagem e sistemas de controle; qubits físicos nessa escala apareceriam, na melhor das hipóteses, como pontos na imagem (fonte: Google).

⇡#Criptografar ou não

Já discutimos os princípios fundamentais do projeto e operação de computadores quânticos: em vez de operar com bits fixos (um sinal que codifica um “0” normalmente permanece zero enquanto percorre o circuito do computador, e só tem a chance de mudar para um “1” ao passar por portas lógicas), eles se baseiam em efeitos quânticos: superposição e emaranhamento. Há, é claro, uma contradição aqui: um computador quântico é necessariamente uma unidade macroscópica, enquanto os efeitos quânticos se tornam negligenciáveis ​​quando o comportamento coletivo das partículas elementares (prótons, elétrons, fótons, etc.) que compõem o sistema neutraliza as propriedades quânticas inerentes a cada uma delas em nível microscópico. Os engenheiros precisam ser bastante sofisticados, seja criando estruturas macroscópicas com propriedades quânticas (principalmente circuitos oscilatórios), seja encontrando maneiras de observar e controlar o comportamento de objetos verdadeiramente quânticos — íons individuais, fótons, etc. — em grandes instalações. É precisamente a necessidade de coordenar eventos em nível quântico com alta precisão usando sinais de controle do mundo macroscópico e, em seguida, transmitir os resultados dos processos quânticos de volta para o mundo macroscópico, que torna os computadores quânticos tão complexos e de vida útil curta (no sentido de rápida perda de emaranhamento).Os qubits que os compõem (devido à decoerência, que limita severamente o tempo disponível para computação) e os dispositivos que são difíceis de escalar. Aliás, é precisamente porque, em condições normais — na ausência de truques técnicos —, os objetos macroscópicos sofrem decoerência em frações minúsculas de segundo (da ordem de 10⁻²⁰ s ou até menos) que os efeitos quânticos no mundo macroscópico, com raras exceções, não são observados.

Então, por que, há décadas, os cientistas vêm gerando incansavelmente ideias para desenvolver novos tipos de computadores quânticos, e por que os engenheiros, superando dificuldades incríveis, buscam maneiras de implementar esses conhecimentos em metal? É simples: a superposição e o emaranhamento permitem que os computadores quânticos (ou melhor, os sistemas quânticos cujo comportamento é organizado de uma maneira específica, orientados para a obtenção de um resultado específico de acordo com um algoritmo predeterminado) aparentemente realizem múltiplos cálculos semelhantes — com diferentes parâmetros de entrada — em paralelo. Essa abordagem não apenas aumenta o poder computacional dos computadores quânticos por um fator de várias ordens de magnitude, mas por muitas ordens de magnitude — e até mesmo torna possível (pelo menos em princípio, uma vez que consigamos criar sistemas eficientes e estáveis ​​com centenas, ou melhor ainda, milhares, de qubits lógicos) resolver problemas complexos demais para computadores clássicos. “Demais” no sentido de que o tempo necessário para cálculos clássicos poderia, se permanecermos fiéis a von Neumann, exceder a idade estimada da parte observável do Universo, como no caso da fatoração.Números realmente grandes, digamos.

Os esforços dos artistas para retratar o processo da computação quântica como a evolução de um sistema quântico emaranhado às vezes produzem resultados bastante impressionantes (fonte: Quanta Magazine).

Talvez o exemplo mais óbvio da aplicabilidade prática dos computadores quânticos sejam os ataques a algoritmos criptográficos tradicionais. Estes se baseiam, em grande parte, na impossibilidade de resolver problemas computacionais complexos (como a fatoração mencionada anteriormente) usando meios clássicos em um tempo razoável. Recentemente, uma chave de criptografia de 15 bits foi quebrada em um computador quântico acessível pela nuvem — mais precisamente, um pesquisador usou o algoritmo de Shor para obter a chave privada original a partir da chave pública. É claro que isso é apenas uma demonstração da viabilidade fundamental: as chaves comumente usadas hoje consistem em pelo menos 256 caracteres, e as tecnologias quânticas precisarão evoluir por anos para superá-las. Mas analistas já estão ameaçando a indústria de TI com o surgimento de “chaves mestras quânticas” publicamente disponíveis (esse marco fatídico é eufemisticamente chamado de Dia Q) até 2030, ou no máximo até 2035, enquanto engenheiros dominam rapidamente a criptografia pós-quântica — criando, por exemplo, discos rígidos capazes de proteger dados contra ataques de descriptografia retardada (nos quais invasores acumulam hashes de senhas atualmente inquebráveis, antecipando uma oportunidade futura).

Felizmente, os computadores quânticos não são onipotentes: nem todas as classes de problemas são acessíveis (muito menos otimizadas) para eles. Portanto, algoritmos para criptografia eficaz na era pós-quântica existem, são bem conhecidos e estão sendo implementados ativamente. A questão é que…Aconteceu que um dos algoritmos criptográficos mais populares do mundo, o RSA, baseado precisamente em fatoração, rapidamente se tornou amplamente aceito — o que, na época, atrasou o desenvolvimento de abordagens alternativas. Agora, porém, elas receberam sinal verde, e, portanto, a criptografia de reticulado, as assinaturas digitais baseadas em funções hash criptográficas, a troca de chaves usando isogenias supersingulares e outras pesquisas pós-quânticas entrarão firmemente em uso generalizado nos próximos anos. Acontece que os computadores quânticos no campo da criptografia serão significativos, em última análise, não em si mesmos, mas em um sentido negativo. Como uma espécie de bicho-papão, sua própria existência nos lembra: o RSA e outras abordagens inseguras contra computação quântica não podem ser usados ​​se a informação precisar ser mantida em segredo. Isso não é, de certa forma… deprimente?

Algoritmos para resolver problemas de diversas classes de complexidade são classificados na notação Big O em uma escala de “péssimo” a “excelente”, com base no número de operações necessárias e na escalabilidade do problema (fonte: Wikimedia Commons).

⇡#Vamos Evitar os Clássicos

É claro que a situação não se limita apenas à negatividade: muitos problemas aplicados verdadeiramente complexos, insolúveis por computadores clássicos, aguardam a chegada de computadores quânticos com múltiplos qubits (ou seja, o número de qubits lógicos, não físicos). A complexidade é definida aqui de forma bastante rigorosa, em um sentido matemático: os problemas computacionais são divididos em classes com base em quão intensiva em tempo e/ou recursos é a sua solução usando o algoritmo ótimo. É lógico atribuir, por exemplo, problemas que podem ser resolvidos no mesmo hardware — cada um usando seu algoritmo ótimo, é claro — em tempos semelhantes à mesma classe de complexidade. A notação Big O, amplamente aceita, permite estimar como o tempo de execução de um algoritmo ou a quantidade de memória necessária para seus cálculos varia em função do tamanho dos dados de entrada. Este último ponto é especialmente importante, aliás, no campo atualmente em voga da inteligência artificial: os volumes de dados de entrada são verdadeiramente gigantescos, de modo que a otimização de algoritmos para resolver problemas de IA (incluindo o uso de computadores quânticos) está recebendo atenção especial nessa área.

Assim, problemas simples — ou praticamente solucionáveis ​​— no sentido matemático são geralmente considerados problemas solucionáveis ​​em um tempo que cresce polinomialmente com n.O tamanho da matriz de dados de entrada, denotado por n. Isso pode ser formulado de maneira ligeiramente diferente, abstraindo o conceito de tempo: o número de passos que a máquina precisa executar para obter uma resposta é proporcional à quantidade de dados de entrada elevada a uma potência constante (o polinômio mencionado anteriormente). Problemas polinomiais (classe P) incluem problemas O(n), O(n²) e, em geral, O(nk), onde k, crucialmente, é uma constante e geralmente não muito grande, caso contrário o significado de “simplicidade” fica francamente nebuloso. Problemas de ordenação, verificação da divisibilidade de um determinado número, determinação da conectividade de um grafo e muitos outros são todos simples no sentido matemático. Computadores construídos com base nos princípios de von Neumann resolvem problemas desse tipo com particular eficiência. Estritamente falando, computadores quânticos são desnecessários aqui: mesmo que se conseguisse economizar tempo, o custo de produzir um sistema de múltiplos qubits adequado para resolver um problema com múltiplos parâmetros na classe de polinômios baixos claramente excederia todos os limites razoáveis. Talvez, se os computadores quânticos algum dia evoluírem ao mesmo ponto que os computadores clássicos hoje, a situação mude, mas, por enquanto, von Neumann continua sendo von Neumann.

Um diagrama de Euler demonstrando as relações entre diferentes classes de complexidade de problemas computacionais: à esquerda, sob a suposição P ≠ NP; à direita, P = NP (fonte: Wikimedia Commons).

A próxima classe de complexidade, NP (polinomial não determinística), é definida de forma um pouco mais complexa: o epíteto “não determinística” deriva da máquina de Turing não determinística, já que a classe NP normalmente se refere a problemas que podem ser resolvidos em tempo polinomial nessa máquina. Não nos aprofundaremos aqui nas diferenças entre máquinas de Turing determinísticas e não determinísticas; simplesmente notaremos que as máquinas não determinísticas expandem as possibilidades de modelagem de computações, permitindo que múltiplas soluções possíveis para um problema sejam testadas simultaneamente (e é aqui que a relevância para a computação quântica se torna mais direta). Um exemplo notável de um problema da classe NP que, em princípio, é solucionável em uma máquina de Turing determinística, mas extremamente ineficiente, é o clássico problema do caixeiro-viajante ou a já discutida fatoração em números primos de um número grande. Nesses casos, a capacidade da máquina de transitar entre vários estados simultaneamente a cada passo economiza uma quantidade significativa de tempo — em comparação com o tempo que uma máquina de Turing determinística gastaria para resolver o mesmo problema. E embora o tempo necessário para resolver problemas da classe NP aumente exponencialmente com o tamanho dos dados de entrada n, como en, a verificação do resultado (em nosso exemplo, multiplicar os números primos encontrados pela máquina para obter o original) ainda pode ser feita em tempo polinomial. Problemas NP-completos também são conhecidos — pode-se dizer que são os mais difíceis dessa classe: problemas aos quais qualquer outro problema da classe NP pode ser reduzido.Novamente, em tempo polinomial. Uma questão à parte é se as classes de complexidade P e NP são iguais, mas não discutiremos isso agora: não é coincidência que este seja um dos sete problemas-chave da cibernética teórica, para os quais o Instituto Clay de Matemática prometeu pagar um milhão de dólares por uma prova rigorosa ou uma refutação fundamentada.

É importante notar que um computador quântico — mesmo aquele ideal intermediário ainda inatingível de mil qubits lógicos, que tornaria completamente sem sentido os algoritmos criptográficos mais comuns — não será uma varinha mágica para resolver problemas verdadeiramente complexos: nem todos os problemas NP-completos, nem mesmo uma fração significativa de NP. A classe de problemas que os computadores quânticos são, em princípio, capazes de lidar efetivamente é definida como tempo polinomial quântico com erro limitado (BQP) — solucionáveis ​​com erro limitado em tempo polinomial. Os limites de erro impostos são, francamente, permissivos: não mais do que 1/3 de todas as respostas fornecidas para qualquer entrada dada. Mesmo com essa abordagem, os pesquisadores estão confiantes de que a maioria dos problemas NP e todos os problemas NP-completos continuarão sendo computacionalmente difíceis para computadores quânticos. Sim, existem vários problemas que são computacionalmente difíceis para máquinas de von Neumann, mas potencialmente simples para computadores quânticos (ignorando as limitações do estado atual da computação quântica), incluindo, talvez, até mesmo alguns problemas que estão fora da classe NP. Isso inclui a já mencionada fatoração de números grandes usando o algoritmo de Shor, que proporciona um ganho de velocidade exponencial em comparação com o melhor método.Algoritmos clássicos. Isso inclui a busca por um elemento específico usando o algoritmo de busca de Grover (GSA), que, em conjuntos de dados não estruturados, supera os algoritmos clássicos com uma aceleração quadrática — O(√n) versus O(n). E assim por diante: o “zoológico” de algoritmos quânticos já inclui várias dezenas — embora, com exceção dos algoritmos de Shor e Grover, os demais sejam mais específicos e tenham áreas de aplicabilidade bastante restritas.

Outro diagrama de Euler para classes de complexidade em ciência da computação teórica, assumindo P ≠ NP. A classe BQP pode se estender além de NP — isto é, um computador quântico pode resolver certos problemas mais rapidamente do que os computadores tradicionais conseguem verificar a resposta. Apesar das perspectivas promissoras dos computadores quânticos, alguns problemas, particularmente aqueles da classe de problemas NP-completos, permanecem insolúveis em tempo polinomial (fonte: Scientific American).

⇡#PoliteDeclination

Na primavera de 2024, o Google e a XPrize anunciaram que estavam dispostos a pagar US$ 5 milhões a qualquer pessoa que propusesse (não uma ideia pura, é claro, mas um projeto minimamente desenvolvido) aplicações para computadores quânticos. Novas aplicações, obviamente; além de quebrar a criptografia clássica (Shor), selecionar um elemento em um array não estruturado (Grover) e vários outros algoritmos quânticos implementados até então. Até o final de 2025, de 133 inscrições submetidas à competição, os organizadores selecionaram sete com as seguintes áreas de trabalho declaradas:

Exemplos de condensados ​​biomoleculares em células eucarióticas: simular tais estruturas em computadores de von Neumann é uma tarefa hercúlea (fonte: doi.org/10.1111/tra.12704)

Agora, em meados de 2026, a competição, que continuará por mais um ano, entrou em sua segunda fase: os finalistas são convidados a complementar suas ideias promissoras com avaliações baseadas em fatos sobre sua eficácia, incluindo cálculos dos recursos necessários para a implementação e o potencial retorno econômico. O retorno, aliás, promete ser bastante significativo em alguns casos: por exemplo, uma das finalistas, a startup britânica Phasecraft, pretende implementar dois novos algoritmos quânticos em sistemas disponíveis que permitirão uma previsão mais precisa das propriedades de materiais para baterias elétricas de alto desempenho — com o objetivo de acelerar o progresso nessa área da engenharia. Pode não parecer tão empolgante quanto os alertas alarmantes sobre o iminente descarte da família de algoritmos criptográficos RSA, mas pelo menos é algo realmente prático. E isso é praticamente tudo o que foi alcançado, em termos práticos, com cinco milhões de dólares.

Nos últimos anos, as questões sobre o propósito dos computadores quânticos (especialmente considerando os investimentos maciços em seu desenvolvimento) tornaram-se cada vez mais urgentes — e, francamente, os desenvolvedores não estão oferecendo respostas convincentes aos oponentes céticos. No final de 2024, Yann LeCun, então chefe de pesquisa em inteligência artificial da organização extremista Meta✴*, observou cautelosamente que, embora a computação quântica seja inegavelmente uma tecnologia promissora, ela ainda não é totalmente viável.”Uma área fascinante de pesquisa científica”, ele não está totalmente convencido da “possibilidade de criar computadores quânticos verdadeiramente úteis”. E, no final de 2025, ele seguiu carreira solo, liderando a AMI Labs, uma startup focada no desenvolvimento de “modelos do mundo” para IA, sobre a qual já escrevemos. Claro, LeCun nunca se apresentou como um especialista específico em tecnologias quânticas, mas seu ceticismo cauteloso é compartilhado por muitos profissionais da área — por exemplo, Oscar Painter, chefe de hardware quântico da Amazon Web Services, que aponta para o “tremendo entusiasmo” em torno da computação quântica e lamenta sinceramente que esteja se tornando “difícil separar ideias promissoras em termos de viabilidade daquelas que são completamente irrealistas”.

Um exemplo de um problema de ciência dos materiais que exigiria um computador quântico: o material semicondutor bidimensional dissulfeto de molibdênio (estrutura em favo de mel ao fundo) está repleto de elétrons livres (esferas vermelhas). A interação dos elétrons pode fazer com que seus spins (setas vermelhas) se alinhem na mesma direção, formando uma estrutura ferromagnética. O objetivo dos cálculos é determinar a energia de troca necessária para conferir propriedades ferromagnéticas à amostra (fonte: Universidade de Basel).

O problema, falando estritamente, nem sequer é a relativa escassez do arsenal de algoritmos quânticos que a humanidade acumulou até o momento: este só tende a se tornar mais sofisticado. O problema fundamental dos computadores quânticos modernos é a taxa de erro excessivamente alta nos resultados que produzem. Os sistemas atuais desse tipo se enquadram na categoria NISQ — computadores quânticos de escala intermediária ruidosos — que, sem sistemas de correção de erros complexos e que consomem muitos recursos, serão incapazes de executar qualquer tarefa útil, mesmo que os pesquisadores descubram algoritmos quânticos incrivelmente práticos amanhã. A estimativa citada anteriormente, de que a criação de um único qubit lógico confiável (ou seja, com um nível de erro minimamente aceitável) pode exigir até mil qubits físicos, torna a implementação de computadores quânticos verdadeiramente inovadores — operando na escala de processamento de entrada e velocidade necessárias para executar tarefas BQP úteis — um “objetivo distante”, segundo Painter.

Próximo passoApós o NISQ, a computação quântica tolerante a falhas (FTQC) poderá surgir — talvez não imediatamente, mas em um estágio intermediário, que será chamado de computação quântica de escala intermediária (ISQ). Espera-se que, no caso dos computadores FTQC, cada qubit lógico seja formado não por centenas, mas por apenas algumas dezenas de qubits físicos, graças ao uso de algoritmos de correção de erros mais avançados e novas abordagens de hardware. Isso tornará possível — embora não antes do início da década de 2030 — alcançar computadores quânticos mais ou menos poderosos com números de três ou até quatro dígitos de qubits lógicos. Outro caminho para o mesmo objetivo — embora ainda menos desenvolvido e estudado no momento — é sugerido pela ideia de computadores quânticos de escala quase perfeita (NPLSQ), que seriam construídos com qubits altamente conectados “quase perfeitos” (com uma precisão operacional — fidelidade do qubit — de até 99,9999%), praticamente sem necessidade de correção de erros. Infelizmente, os princípios sobre os quais tais computadores seriam construídos ainda não estão totalmente claros.

O computador System Model H2 da Quantinuum, que supostamente contém 56 qubits totalmente acoplados, oferece 99,99% de precisão para um único qubit (imagem) e 99,9% de precisão para dois qubits (fonte: Quantinuum).

⇡#EntendendoSignificaReproduzir

Mas é bastante claro por que sistemas quânticos artificiais de alta precisão como esses podem ser úteis: para simular sistemas naturais, é claro! Em 1981, Richard Feynman, o renomado teórico e professor de física, apresentou o próprio conceito de um computador quântico como um meio eficaz de simular sistemas quânticos naturais. Isso é totalmente lógico: a mecânica quântica, regida pela equação de Schrödinger, matematicamente rigorosa, está na base de todos os fenômenos da realidade física, então é como se a própria Natureza tivesse a intenção de simular o comportamento de sistemas quânticos — átomos, moléculas, estruturas mesoscópicas, etc. — em computadores. Mas eis a questão: para um par de partículas quânticas — um átomo de hidrogênio isolado formado por um próton e um nêutron — as equações de estado, também conhecidas como equações de Schrödinger, são resolvidas analiticamente sem muita dificuldade. Como resultado, há concordância completa entre os cálculos do artigo e todo o espectro de características observadas para tal átomo: os níveis de energia estão corretos, a forma dos orbitais eletrônicos está correta, os valores de quantização de energia correspondem às medições e assim por diante. Mas aí surge o problema: para várias partículas, em geral, a equação de Schrödinger não pode mais ser resolvida analiticamente — é preciso recorrer a simulações computacionais (de von Neumann, é claro) em várias aproximações.

Se considerarmos pelo menos algumas partículas,Cem — o número de prótons e elétrons em uma molécula de proteína, que está longe de ser a mais complexa — até mesmo os computadores clássicos falham; o problema se mostra tecnicamente insolúvel. É precisamente a questão técnica, e é isso que mais frustra os cientistas: a equação de estado existe, rigorosa, com extremo poder preditivo, mas derivar previsões testáveis ​​a partir dela é impossível. De fato, toda a ciência da química é uma vasta coleção de aproximações obtidas empiricamente de uma equação de estado rigorosa, mas excessivamente complexa para ser resolvida diretamente — para uma infinidade de casos particulares de interações entre sistemas quânticos heterogêneos (átomos, íons, bases, moléculas inteiras, etc.). Quando a humanidade aprender a resolver a equação de Schrödinger para um número arbitrário de partículas, grossos livros de referência sobre reações químicas ocuparão as prateleiras das bibliotecas ao lado de bestiários medievais e mapas geográficos amarelados, nos quais enormes manchas brancas são marcadas nas bordas com as inscrições: “Aqui há dragões”.

O peixe-maravilha, a baleia ou qualquer outra maravilha (juntamente com seu habitat adequado) poderia ser totalmente e consistentemente simulado em um computador quântico ideal; talvez até mesmo em um NPLSQ — mas, infelizmente, teremos que esperar até que um seja construído (fonte: Wikimedia Commons).

É por isso que os sistemas quânticos FTQC/NPLSQ são tão importantes: se pudermos usar um computador quântico para emular uma molécula (mesmo uma não tão enorme quanto a titina, que consiste em mais de 38.000 aminoácidos), na qual cada qubit corresponde a um próton ou elétron individual com todas as suas propriedades inerentes, a ciência da matéria dará um salto tão gigantesco que a transição da alquimia caseira para a química em escala industrial parecerá uma transição do ensino fundamental para o ensino médio. Aqui, não há necessidade de inventar algoritmos aproximados para simplificar os cálculos — a simulação quântica simplesmente contornará o crescimento exponencial da complexidade computacional com um aumento linear no número de partículas em um sistema quântico, mas fisicamente existente. À medida que o número de qubits lógicos aumenta, será possível emular combinações cada vez mais complexas de partículas elementares — não em um vácuo abstrato, mas em um vácuo físico, permeado pelos campos que geram essas mesmas partículas, onde as mesmas leis fundamentais do mundo real deveriam — aliás, precisam — ser observadas automaticamente, sem a necessidade de algoritmos adicionais.

E não necessariamente no mundo real: por que não testar quais propriedades um universo com uma constante de estrutura fina ligeiramente diferente da nossa, ou uma diferente, teria?Uma constante fundamental, simplesmente simulando as partículas elementares correspondentes em quantidades enormes em um computador quântico e observando seu comportamento? E, algum dia, é bem possível que um computador quântico com um número significativamente maior de qubits sirva como um campo de testes prático para a validade da interpretação de Everett (muitos mundos) da mecânica quântica, já que os pesquisadores poderão observar o sistema quântico simulado de fora — enquanto ir além da nossa realidade com o mesmo propósito é impossível. No mínimo, não há ideias de como alcançar algo além do Universo observável. No entanto, o curso geral para a evolução dos computadores quânticos, do atual e pouco adequado NISQ para FTQC ou NPLSQ, já está começando a tomar forma. Esperamos que, até 2030, esses planos se tornem ainda mais claros: no mínimo, o fluxo de investimentos no desenvolvimento da computação quântica só aumenta a cada ano.

Em seu livro de 1888, “Atmosfera: Meteorologia Popular”, o astrônomo francês Flammarion publicou uma gravura supostamente antiga com a legenda: “Um missionário medieval relata ter descoberto o lugar onde o céu toca a terra”. Embora hoje saibamos que não podemos observar o universo de fora encontrando uma brecha no firmamento, podemos criar, se não um computador quântico perfeito, pelo menos um quase perfeito. Bem, pelo menos podemos tentar! (Fonte: Wikimedia Commons)