---
title: Norma revela estratégia para reduzir carga computacional de inteligência artificial com tecnologia quântica
url: https://www.elseif.net/pt-br/norma-revela-estrategia-para-reduzir-carga-computacional-de-inteligencia-artificial-com-tecnologia-quantica
published: 2026-10-14T20:05:58+00:00
language: pt-br
section: Modelos
source: https://www.aitimes.kr/news/articleView.html?idxno=42254
organizations: Norma, Multiverse Computing, IonQ, University College London, Fraunhofer IIS, Google DeepMind
publisher: elseif
---

# Norma revela estratégia para reduzir carga computacional de inteligência artificial com tecnologia quântica

A empresa Norma está implementando a estratégia denominada Computação Quântica para IA para diminuir a carga de processamento de redes neurais de inteligência artificial em larga escala. O plano consiste em desenvolver tecnologias de redução de peso de redes neurais, utilizando ambientes de desenvolvimento de programas quânticos baseados em inteligência artificial e técnicas que reduzem o esforço de cálculo de algoritmos de otimização quântica. A empresa pretende expandir essas aplicações para áreas como a inteligência artificial física.

Atualmente, a Norma detém algoritmos que reduzem cálculos necessários em processos de otimização quântica e um ambiente de desenvolvimento onde a inteligência artificial escreve e executa programas quânticos. O objetivo é diminuir as barreiras de desenvolvimento de programas e a carga de processamento da própria computação quântica para, posteriormente, aumentar a eficiência de modelos de inteligência artificial.

Um dos pilares da pesquisa da empresa é o artigo sobre SAFE ma-QAOA, aceito na conferência IEEE QCE 2026. Esta abordagem visa aumentar a eficiência da otimização ao reduzir cálculos repetitivos no processo de aprendizado de algoritmos de otimização quântica aproximada. A equipe utilizou um modelo substituto em computadores clássicos para pré-treinar variáveis, removendo aquelas com pouco impacto na otimização e ajustando apenas as restantes.

Em resultados experimentais simulados por computadores clássicos com um problema de spin glass de 20 qubits e duas camadas de circuito, a Norma relatou que o indicador de carga de ajuste fino da unidade de processamento quântico diminuiu 94,5% em comparação com o método convencional. A empresa ressalta que este número é um indicador estimado baseado em repetições e número de variáveis, não sendo uma medição direta de custo ou tempo de execução em hardware quântico real. O experimento utilizou o Pado Pauli, um motor de simulação acelerado por unidade de processamento gráfico.

Paralelamente, a Norma desenvolve a área de IA para Computação Quântica através do Q Platform MCP. Esta ferramenta conecta a inteligência artificial generativa ao ambiente de execução Q Platform via Protocolo de Contexto de Modelo, permitindo que usuários solicitem a criação de algoritmos quânticos em linguagem natural. A empresa observa que a intervenção humana ainda é necessária para correções de erros e otimizações detalhadas do código.

O contexto global mostra que o consumo de energia de centros de dados deve subir de 485 terawatts-hora em 2025 para 950 terawatts-hora em 2030, segundo a Agência Internacional de Energia. Outras organizações também pesquisam a área: a Multiverse Computing comercializou o CompactifAI para comprimir modelos de linguagem usando redes de tensores; a IonQ estuda a combinação de circuitos quânticos com modelos de linguagem; a University College London pesquisa a integração de informações estatísticas quânticas em modelos clássicos; e o Fraunhofer IIS conduz o projeto QC-Train para eficiência de aprendizado até 2029. Já o Google DeepMind e o Google Quantum AI desenvolveram o AlphaQubit para identificar erros em computadores quânticos.