De acordo com pt.wedoany.com-A startup sueca FirstQFM lançou, na conferência ISC High Performance 2026, uma plataforma de aprendizado de máquina baseada em um modelo fundamental quântico (QFM), otimizando sistemas de computação de reservatório quântico (QRC). Em previsões de séries temporais financeiras, alcançou uma taxa de acerto zero-shot de 56,1% em nível de sequência.
A computação de reservatório quântico, como uma estrutura híbrida de modelagem de sequências, utiliza circuitos quânticos de baixa profundidade como geradores de características de alta dimensão. Diferente das implementações tradicionais que usam um único reservatório estático, a plataforma da FirstQFM personaliza o reservatório aprendendo informações de contexto, adaptando-se ao estado físico do processador subjacente e às características específicas do problema de previsão. Sua tecnologia inclui dois fluxos de trabalho principais: "consciente do problema" e "consciente do dispositivo". O primeiro analisa a estrutura matemática do fluxo de dados, ajustando a memória interna e a curva não linear do reservatório; o segundo monitora o ambiente de trabalho do processador quântico em tempo real, ajustando o reservatório com base na topologia dos qubits, restrições de calibração de portas, ruído de fundo e vetores de ruído em tempo real.
O sistema em versão Alpha foi avaliado em 41 tarefas diárias de previsão de retornos financeiros, abrangendo ações individuais, índices globais, ativos criptográficos e commodities. Na avaliação zero-shot, a arquitetura QRC da FirstQFM alcançou um erro quadrático médio (MSE) menor (0,000485) e maior precisão direcional do que os principais modelos de séries temporais desenvolvidos por Google, Amazon e Salesforce. O reservatório inicial foi gerado no supercomputador Leonardo, apoiado pela EuroHPC, usando os SDKs NVIDIA cuQuantum e a biblioteca cuTensorNet, operando no limite da simulabilidade clássica. Para validar o desempenho em reservatórios maiores e não simuláveis, a equipe realizou testes de referência finais no hardware quântico supercondutor multi-chip da Rigetti Computing, elevando a precisão média da previsão direcional para 54,74% e alcançando uma redução de pico de 52,95% no MSE de sequência única em índices principais como DAX 30 e Dow 30.
A FirstQFM já disponibilizou o sistema Beta para parceiros piloto selecionados, para processamento de séries temporais empresariais multivariadas. A arquitetura Beta inclui uma camada de estabilização consciente do hardware, que ajusta dinamicamente o ciclo de extração de características para lidar com variações nas propriedades físicas dos qubits. A estratégia de implantação empresarial divide-se em duas direções: nuvem e local. O módulo local utilizará o NVIDIA NVQLink para estabelecer uma conexão de baixa latência entre servidores GPU locais e o controlador do sistema quântico, permitindo que operadores empresariais alternem entre previsão direta e camadas de características reutilizáveis por meio de controle em linguagem natural.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
