Processadores probabilísticos desafiam computação quântica

Redação do Site Inovação Tecnológica - 21/07/2026

Máquina de Ising probabilística baseada em componentes magnéticos.
[Imagem: Shuhan Yang et al. - 10.1038/s41467-026-71128-1]

Computador probabilístico

Parece que os computadores quânticos têm mesmo um rival à altura - se não em capacidade de cálculo, ao menos termos de prontidão tecnológica.

Depois de pesquisadores japoneses desenvolverem um computador probabilístico com tecnologia de silício, agora foi a vez de Shuhan Yang e colegas da Universidade Nacional de Cingapura, que não apenas apresentaram seu hardware probabilístico, como também deram um show em termos de implementação de aplicações práticas.

Um computador probabilístico, ou p-computador, usa blocos de construção naturalmente aleatórios, chamados bits probabilísticos, ou p-bits. Ao contrário dos bits dos computadores tradicionais, que precisam ter valores definidos (0 ou 1), os p-bits não têm um valor específico, eles oscilam entre os valores, imitando muito de perto os qubits. É por isso que a computação probabilística é considerada uma ponte para a computação quântica - com a grande vantagem de que ela funciona à temperatura ambiente.

Yang e seus colegas construíram um computador probabilístico baseado em junções de túnel magnético, componentes em nanoescala que podem gerar aleatoriedade de forma natural e ajustável. É um passo adiante em relação à spintrônica, que por si só já é um caminho promissor para rodar aplicações de otimização combinatória de modo mais rápido e eficiente em termos de energia.

E, para não deixar margem a dúvidas acerca dessa nova arquitetura computacional, a equipe apresentou logo duas plataformas computacionais baseadas no mesmo princípio.

Comparação das implementações sequencial e paralela, revelando um ganho excepcional de desempenho.
[Imagem: Shuhan Yang et al. - 10.1038/s41467-026-72020-8]

Ganhando da computação quântica

O primeiro protótipo é um processador Ising probabilístico paralelo baseado em componentes inovadores, chamados junções de túnel magnético (sMTJs) integrando 144 geradores de números aleatórios spintrônicos compactos e ajustáveis, montados em uma arquitetura massivamente paralela - todos os p-bits falam com todos os outros.

Quando aplicado a problemas de atribuição quadrática, uma classe de problemas de otimização computacionalmente exigentes, o novo processador alcançou um aumento de velocidade de 3,2 vezes e uma economia de energia de 58,3%, em comparação com a mesma implementação em uma CPU (unidade central de processamento) eletrônica tradicional.

Para cutucar a computação quântica, a equipe comparou seu sistema com os mais modernos computadores quânticos comerciais, fabricados pela D-Wave. Nos problemas de atribuição quadrática, o processador probabilístico produziu consistentemente soluções viáveis e de alta qualidade em todo o conjunto de dados, enquanto os processadores quânticos de recozimento da D-Wave tiveram dificuldades em retornar soluções viáveis à medida que o tamanho do problema aumentava.

Essa comparação destaca o potencial da computação probabilística como uma alternativa prática a curto prazo para cargas de trabalho de otimização do mundo real.

"A computação quântica continua sendo uma direção promissora a longo prazo, mas muitos problemas de otimização precisam de soluções práticas hoje," disse o professor Yang. "Nossos resultados mostram que a computação probabilística spintrônica pode proporcionar ganhos significativos em velocidade, eficiência energética e qualidade da solução, utilizando uma plataforma de hardware muito mais próxima da implementação prática."

Segundo protótipo construído pela equipe.
[Imagem: Shuhan Yang et al. - 10.1038/s41467-026-72020-8]

10 vezes melhor

O segundo protótipo é uma máquina de Ising probabilística maior, formada por 250 junções de tunelamento magnético de torque de transferência de spin.

As implementações mostraram que um método de atualização paralela em cluster permite alcançar uma aceleração de 10 vezes para grafos esparsamente conectados sem alterar o hardware. Os pesquisadores também mostraram experimentalmente que o recozimento quântico simulado melhorou a qualidade da solução em 20 vezes em comparação com o recozimento simulado convencional, além de aumentar a robustez à variabilidade do dispositivo.

"Ao combinar dispositivos magnéticos estocásticos com arquiteturas paralelas e algoritmos avançados de recozimento, podemos acelerar a otimização e, ao mesmo tempo, reduzir o consumo de energia," disse Yang. "Em vez de tratar a aleatoriedade como uma fonte de erro, nós a utilizamos como um recurso computacional."

Juntas, as duas demonstrações cobrem desafios cruciais na computação probabilística: Desempenho, escalabilidade, eficiência energética e qualidade das soluções geradas.

A equipe agora pretende ampliar ainda mais seus hardwares e explorar arquiteturas integradas para computação probabilística em larga escala. Esses chips poderão viabilizar plataformas de computação com eficiência energética para IA, logística, planejamento, modelagem financeira, comunicações e automação de projetos eletrônicos, diz a equipe.

Mais tópicos