1.1 O limite não é velocidade, é crescimento

Um computador clássico moderno faz trilhões de operações por segundo. O problema não é a velocidade absoluta: é que certos problemas crescem exponencialmente com o tamanho da entrada. Fatorar um número de 20 dígitos é trivial; fatorar um de 2048 bits (o padrão RSA) levaria, com os melhores algoritmos clássicos conhecidos, mais tempo que a idade do universo — não porque o computador é lento, mas porque o espaço de busca dobra a cada bit adicional.

Simular um sistema quântico de n partículas exige acompanhar 2ⁿ amplitudes. Com 50 partículas isso já excede a memória de qualquer supercomputador existente. Richard Feynman notou isso em 1981 e fez a pergunta inversa: se simular a natureza quântica é tão caro classicamente, por que não computar usando a própria física quântica? Essa é a semente conceitual do campo.

1.2 O que a computação quântica NÃO é

1.3 Classes de complexidade, em uma tabela

Fatoração está em BQP mas não se sabe se está em P — é exatamente essa lacuna que o algoritmo de Shor (módulo 6) explora. A relação entre BQP e NP-completo permanece uma das perguntas abertas mais importantes da ciência da computação: não se espera que computadores quânticos resolvam problemas NP-completos em tempo polinomial no caso geral.

2.1 Do bit ao qubit

Um bit clássico é 0 ou 1. Um qubit é descrito por um vetor num espaço vetorial complexo de duas dimensões:

|ψ⟩ = α|0⟩ + β|1⟩,  com |α|² + |β|² = 1

Isso não é "0 e 1 ao mesmo tempo" no sentido cotidiano — é uma combinação linear de duas possibilidades, onde α e β são amplitudes de probabilidade (números complexos). |α|² é a probabilidade de medir 0; |β|², de medir 1. A notação |0⟩/|1⟩ (bra-ket, de Dirac) é só um vetor coluna: |0⟩ = (1,0), |1⟩ = (0,1).

2.2 A esfera de Bloch: a imagem que vale a pena guardar

Qualquer estado de um qubit (a menos de uma fase global irrelevante) corresponde a um ponto na superfície de uma esfera de raio 1. Os polos são |0⟩ e |1⟩; o equador representa superposições iguais com fases diferentes.

2.3 Superposição em amplitudes, não em "estar em dois lugares"

Um qubit em |+⟩ = (|0⟩+|1⟩)/√2 tem 50% de chance de medir 0 e 50% de medir 1 — igual a uma moeda honesta clássica em probabilidade de resultado. A diferença que importa é que, antes de medir, as amplitudes têm fase, e amplitudes com fases diferentes podem se somar (interferência construtiva) ou se cancelar (destrutiva) quando combinadas em um circuito. É essa interferência — não a superposição isolada — que os algoritmos quânticos exploram.

2.4 Medição: a parte irreversível

Medir um qubit colapsa a superposição em um resultado definitivo (0 ou 1), com probabilidade dada pelo módulo ao quadrado da amplitude — e destrói a informação de fase. Não existe forma de "olhar" um qubit sem afetá-lo, e é impossível copiar um estado quântico desconhecido (teorema da não-clonagem) — o que tem consequências diretas para criptografia quântica e para por que depurar um algoritmo quântico é fundamentalmente diferente de usar um print().

3.1 Dois qubits que não são independentes

Dois qubits emaranhados formam um estado conjunto que não pode ser escrito como produto de estados individuais. O exemplo canônico é o estado de Bell:

|Φ⁺⟩ = (|00⟩ + |11⟩) / √2

Medir o primeiro qubit dá 0 ou 1 com 50% cada — mas, sabendo o resultado do primeiro, o segundo está garantido a dar exatamente o mesmo valor, mesmo que os qubits estejam a quilômetros de distância e a medição do segundo aconteça imediatamente depois. Não há mensagem viajando entre eles: a correlação já estava codificada no estado conjunto desde a criação do par.

3.2 Os quatro estados de Bell

3.3 Por que isso não viola a relatividade

O emaranhamento não permite enviar informação mais rápido que a luz: o resultado de cada medição individual continua sendo aleatório, e só ao comparar depois (por um canal clássico, limitado pela luz) as duas partes percebem a correlação. Isso resolve a aparente contradição levantada no artigo de Einstein, Podolsky e Rosen (1935, o "paradoxo EPR"): a correlação é real e mais forte que qualquer teoria clássica de variáveis ocultas locais permitiria — o que foi comprovado experimentalmente pela violação da desigualdade de Bell (testada de forma decisiva por Aspect, Clauser e Zeilinger, Nobel de Física 2022) — mas não transmite informação.

4.1 Portas de um qubit

4.2 Portas de dois qubits: onde nasce o emaranhamento

A porta CNOT (controlled-NOT) inverte o qubit alvo se, e só se, o qubit de controle for |1⟩. Aplicada depois de um Hadamard, produz o primeiro estado de Bell do módulo anterior:

// circuito de Bell, 2 qubits
q0: ──H──●──
          │
q1: ──────X──

// estado inicial |00⟩ → após H em q0 → após CNOT(q0,q1)
resultado: (|00⟩ + |11⟩) / √2

4.3 Conjuntos universais de portas

Assim como NAND é universal na computação clássica (qualquer circuito booleano pode ser construído só com NAND), na computação quântica um conjunto pequeno de portas — por exemplo {H, T, CNOT} — é universal: qualquer computação quântica pode ser aproximada por uma sequência dessas portas com precisão arbitrária. É por isso que hardware quântico real (módulo 8) só precisa implementar bem um punhado de operações físicas.

5.1 Deutsch-Jozsa: a primeira demonstração de vantagem

O problema: dada uma função booleana de n bits que é garantidamente "constante" (sempre 0 ou sempre 1) ou "balanceada" (metade 0, metade 1), decidir qual — usando o menor número de consultas à função. Classicamente, no pior caso, são necessárias 2^n-1+1 consultas. O algoritmo de Deutsch-Jozsa (1992) resolve isso com uma única consulta quântica, usando superposição para avaliar a função em todas as entradas simultaneamente e interferência para que só o padrão certo (constante vs. balanceada) sobreviva à medição. Ele não resolve nenhum problema prático — mas foi a primeira prova concreta de que um circuito quântico pode fazer, com certeza matemática, algo impossível de igualar classicamente.

5.2 Grover: busca com vantagem quadrática

Buscar um item marcado entre N itens não ordenados exige, classicamente, em média N/2 verificações. O algoritmo de Grover (1996) encontra o item em aproximadamente √N passos, usando um operador de "amplificação de amplitude" que repetidamente inverte o sinal do item marcado e reflete em torno da média — fazendo sua amplitude crescer a cada iteração enquanto as demais encolhem.

Vantagem quadrática é real e comprovada matematicamente — mas é muito mais modesta que a vantagem exponencial de Shor. Grover é relevant para busca não estruturada, criptoanálise de chaves simétricas (por isso o AES-256 é considerado seguro pós-quântico, ver módulo 6) e como sub-rotina de outros algoritmos.

5.3 A Transformada Quântica de Fourier (QFT)

A QFT é a versão quântica da transformada discreta de Fourier, implementável com O(n²) portas contra O(n·2ⁿ) da versão clássica rápida (FFT) para o equivalente em amplitudes. Por si só não resolve nada visível — mas é o componente central da estimativa de fase quântica, que por sua vez é o motor do algoritmo de Shor. Entender a QFT como "peça de montagem" é mais útil do que memorizar a fórmula.

6.1 Por que fatorar quebra RSA

RSA depende de uma assimetria: multiplicar dois primos grandes é rápido, mas fatorar o produto de volta nos dois primos é, classicamente, exponencialmente difícil para números grandes o suficiente (2048+ bits). A chave privada é derivada dos fatores primos da chave pública. Se fatorar deixar de ser difícil, a assimetria desaparece e a chave privada pode ser reconstruída a partir da pública.

6.2 O que o algoritmo de Shor faz

Shor (1994) reduz fatoração a encontrar o período de uma função modular — um problema que a estimativa de fase quântica (via QFT, módulo 5) resolve em tempo polinomial, contra tempo sub-exponencial para o melhor algoritmo clássico conhecido (o crivo geral de corpo de números). Isso coloca fatoração firmemente em BQP, com uma vantagem que — diferente de Grover — é exponencial, não quadrática.

6.3 O estado real em 2026

6.4 A resposta institucional: criptografia pós-quântica

Mesmo sem uma quebra iminente, o risco de "colher agora, decifrar depois" (um adversário armazena tráfego criptografado hoje para decifrar quando tiver um computador quântico suficiente) já motivou padronização. O NIST finalizou em 2024 os primeiros padrões de criptografia pós-quântica (PQC): CRYSTALS-Kyber (troca de chaves, agora ML-KEM) e CRYSTALS-Dilithium (assinaturas, ML-DSA), baseados em problemas de reticulados (lattices) considerados difíceis mesmo para computadores quânticos. Migração para PQC já é exigida em roadmaps de governos e grandes empresas de infraestrutura — o processo prático de migrar TLS, cifras e gestão de chaves numa organização é tratado em Cyber/DevSecOps.

7.1 Decoerência: o inimigo físico

Um qubit isolado perfeitamente manteria sua superposição indefinidamente. Na prática, qualquer interação com o ambiente (vibração térmica, campos eletromagnéticos parasitas, fótons perdidos) faz o estado "decair" para um comportamento clássico — processo chamado decoerência. Duas métricas resumem isso:

Cem microssegundos parece pouco, e é: um circuito precisa terminar (ou ter seus erros corrigidos) muito antes disso, o que limita diretamente a profundidade de circuito executável em hardware NISQ (módulo 8).

7.2 Por que não dá para "só copiar e verificar"

Correção de erro clássica costuma duplicar bits e comparar. O teorema da não-clonagem (módulo 2) proíbe isso para qubits — não se pode copiar um estado quântico desconhecido para checar contra o original. A solução, desenvolvida por Shor e Steane em 1995–96, é codificar a informação de um qubit lógico em vários qubits físicos emaranhados, de forma que erros possam ser detectados por medições indiretas (síndromes) sem nunca medir — e portanto sem colapsar — o valor lógico protegido.

7.3 Qubit lógico vs. físico: o placar que importa

7.4 NISQ vs. fault-tolerant

A era atual é chamada NISQ (Noisy Intermediate-Scale Quantum): dezenas a poucos milhares de qubits físicos, sem correção de erro completa, usados em algoritmos híbridos tolerantes a ruído (módulo 9). A era fault-tolerant — com qubits lógicos suficientes e confiáveis para rodar Shor contra RSA-2048, por exemplo — é o objetivo de longo prazo de toda a indústria, com estimativas de roadmap que variam de "próxima década" a "décadas", dependendo do fabricante e da arquitetura.

8.1 As famílias de qubit físico

8.2 Métricas além da contagem de qubits

• Fidelidade de porta: probabilidade de uma porta executar corretamente — 99% parece alto, mas um circuito de 100 portas a 99% de fidelidade cada tem menos de 37% de chance de sair totalmente correto.
• Conectividade: quais pares de qubits podem interagir diretamente. Baixa conectividade exige "portas SWAP" extras para aproximar qubits, multiplicando erros.
• Quantum Volume (IBM): métrica única que combina número de qubits, conectividade e taxa de erro em um só número comparável entre gerações de hardware.
• CLOPS (Circuit Layer Operations Per Second): velocidade prática de execução, importante para algoritmos híbridos que rodam milhares de circuitos pequenos (módulo 9).

9.1 Algoritmos variacionais: a resposta da era NISQ

Sem qubits lógicos suficientes para Shor completo, a era atual se apoia em algoritmos híbridos variacionais: um circuito quântico parametrizado (poucas portas, tolerante a algum ruído) calcula uma quantidade, um otimizador clássico ajusta os parâmetros, e o ciclo se repete — dividindo o trabalho entre o que o hardware quântico faz bem (explorar um espaço de estados) e o que hardware clássico faz bem (otimização numérica robusta).

VQE tem aplicação direta em química quântica e ciência de materiais — simular moléculas é exatamente o tipo de problema que Feynman previu (módulo 1) que a computação clássica não escala.

9.2 Quantum Machine Learning: o que é e o que não é

QML é um guarda-chuva para três abordagens distintas, frequentemente confundidas:

• Modelos quânticos puros: redes neurais quânticas, kernels quânticos — ainda majoritariamente pesquisa, sem vantagem demonstrada sobre ML clássico em datasets reais de tamanho útil.
• ML clássico para ajudar hardware quântico: usar redes neurais para calibrar qubits, mitigar erros ou escolher parâmetros de circuito — aplicação real e já em produção em vários fabricantes.
• Quantum para acelerar sub-rotinas de ML clássico: álgebra linear quântica para inversão de matrizes ou amostragem — promissor em teoria, mas a maioria das propostas exige acesso a dados quânticos (QRAM) que ainda não existe em escala prática.

9.3 Onde a vantagem quântica já é real

Em 2019 o Google anunciou "supremacia quântica" com o processador Sycamore, resolvendo uma tarefa de amostragem específica (sem aplicação prática direta) mais rápido que estimativas para supercomputadores clássicos — resultado depois parcialmente contestado e reduzido por otimizações clássicas melhores, um padrão recorrente no campo. Resultados mais robustos e com aplicação real incluem simulações específicas de física de materiais e química quântica em escala pequena, onde processadores quânticos já reproduziram ou superaram simulações clássicas equivalentes. A vantagem ampla, comercial e reprodutível — o tipo que mudaria uma indústria inteira — ainda não chegou.

10.1 Seu primeiro circuito, em Qiskit

# pip install qiskit qiskit-aer
from qiskit import QuantumCircuit
from qiskit_aer import AerSimulator

qc = QuantumCircuit(2, 2)
qc.h(0)          # superposição no qubit 0
qc.cx(0, 1)       # CNOT: emaranha os dois qubits
qc.measure([0,1], [0,1])

sim = AerSimulator()
resultado = sim.run(qc, shots=1000).result()
print(resultado.get_counts())
# esperado: ~500 '00' e ~500 '11' — nunca '01' ou '10'

Esse é literalmente o circuito de Bell do módulo 4, executado num simulador clássico de circuitos quânticos — a ferramenta que 90% do aprendizado prático usa antes de gastar tempo de fila em hardware real (IBM Quantum, Amazon Braket e Azure Quantum oferecem acesso gratuito limitado a processadores reais para fins de estudo).

10.2 O ecossistema de ferramentas

10.3 Papéis do mercado de trabalho

10.4 Projetos de portfólio

1. Implementação de Grover do zero: circuito completo com oráculo customizável, testado contra busca clássica, com gráfico de speedup medido vs. teórico.
2. VQE para uma molécula simples: calcular a energia do estado fundamental do H₂ ou LiH com Qiskit Nature, comparando contra o valor de referência clássico.
3. QAOA para um problema de roteamento: resolver uma instância pequena de problema do caixeiro-viajante ou corte máximo, comparando contra um solver clássico.
4. Simulador de correção de erros: implementar o código de repetição de 3 ou 5 qubits e demonstrar recuperação de um erro injetado artificialmente.
5. Auditoria de migração PQC: mapear os algoritmos criptográficos em uso num sistema real (ou de exemplo) e propor um plano de migração para ML-KEM/ML-DSA.

10.5 Fontes para continuar

• Livros: Quantum Computation and Quantum Information (Nielsen & Chuang) — a referência-padrão; Quantum Computing: An Applied Approach (Hidary) para quem prefere começar pela prática.
• Cursos: IBM Quantum Learning (gratuito, com Qiskit); os cursos de Qiskit Global Summer School (gravados, disponíveis online).
• Comunidade: Qiskit Slack/Discord, Quantum Computing Stack Exchange, os hackathons anuais (iQuHACK, QHack).
• Acompanhar o campo: os roadmaps públicos de IBM, Google Quantum AI, IonQ e Quantinuum — comparados criticamente, com o filtro do módulo 1 sempre ativo.