Google Quantum AI: aprendizado por reforço triplica a estabilidade do chip quântico Willow

A Google Quantum AI apresentou em 22 de julho de 2026, na revista Nature, um sistema que usa aprendizado por reforço (reinforcement learning) para calibrar o processador quântico Willow durante os próprios cálculos, sem pará-los, e triplica a estabilidade do código de correção de erros.

Como o chip aprende com os próprios erros

A Google Quantum AI incorporou um algoritmo de aprendizado por reforço diretamente ao circuito de correção quântica de erros (QEC). Um agente autônomo observa os eventos de detecção de erros no processador Willow e ajusta, em tempo real, milhares de parâmetros de controle para compensar a deriva do hardware, tudo isso sem interromper a computação. Antes, a calibração precisava ser executada separadamente, com o processador parado; agora o sistema se "ajusta em movimento".

• Publicação: 22 de julho de 2026, revista Nature
• Plataforma: processador quântico supercondutor Willow
• Aumento de 3,5 vezes na estabilidade lógica do código de correção
• Redução adicional de 20% na taxa de erros lógicos após o refinamento
• Recorde: menos de 1 erro a cada 1000 ciclos (surface code) e cerca de 1 a cada 100 (color code)

Quanto os erros diminuíram

O refinamento com aprendizado por reforço elevou em 3,5 vezes a estabilidade lógica do código de correção e reduziu a taxa de erros lógicos em mais 20%, informa a Google Quantum AI. Segundo a publicação na Nature, o sistema atingiu índices recordes de baixa taxa de erro: menos de um erro a cada mil ciclos no surface code e cerca de um a cada cem no color code.

Para a decodificação, o Google usa o decodificador neural AlphaQubit e o decodificador algorítmico Tesseract. O aprendizado por reforço atua sobre eles: ele não é responsável por interpretar os erros, mas por manter o próprio "hardware" em estado ideal enquanto o cálculo está em andamento.

"Encontramos uma forma de afinar os instrumentos enquanto a música toca", dizem os autores, ao descrever a calibração contínua durante cálculos ativos, no blog do

Google Research.

A abordagem é escalável?

A abordagem escala para máquinas quânticas maiores: segundo a Google Quantum AI, o número de iterações de treinamento não depende do tamanho do sistema. Em simulações numéricas com centenas de qubits e dezenas de milhares de parâmetros de controle, o número de rodadas de treinamento por RL permaneceu aproximadamente constante. Ou seja, o método não deve "engasgar" na transição para os milhares de qubits necessários para computação tolerante a falhas prática.

Os autores principais do trabalho são os pesquisadores da Google Quantum AI Volodymyr Sivak e Paul Klimov. Segundo a equipe, é justamente a independência entre o custo de treinamento e a escala que torna o método adequado para os grandes computadores quânticos do futuro, e não apenas para o Willow de hoje.

O que isso significa

O aprendizado por reforço transforma o computador quântico: de um aparelho frágil, que exige ajuste manual constante, ele passa a ser um sistema que se estabiliza sozinho. Isso remove uma das principais barreiras no caminho da computação quântica tolerante a falhas: a deriva contínua do hardware, que durante anos precisou ser compensada manualmente.

Perguntas frequentes

O que é aprendizado por reforço na correção quântica de erros?

É um agente de IA que aprende com os sinais de erro e ajusta sozinho milhares de parâmetros de controle do processador durante os cálculos. No trabalho da Google Quantum AI, ele proporcionou um aumento de 3,5 vezes na estabilidade lógica sem interromper a computação.

O que é o processador Willow?

O Willow é o processador quântico supercondutor do Google no qual o método foi testado. Foi nele que o sistema atingiu o recorde: menos de um erro lógico a cada mil ciclos no surface code.

Isso substitui os decodificadores AlphaQubit e Tesseract?

Não. O AlphaQubit (decodificador neural) e o Tesseract (decodificador algorítmico) continuam interpretando os erros, enquanto o aprendizado por reforço atua sobre eles: ele calibra o hardware, não decodifica.