De acordo com pt.wedoany.com-A IQM Quantum Computers (código Nasdaq: IQMX), desenvolvedora de computadores quânticos supercondutores, em parceria com a Deutsche Bahn, publicou uma pesquisa demonstrando a execução de algoritmos híbridos quântico-clássicos de otimização em dados operacionais ferroviários reais. O estudo foi executado de ponta a ponta no processador quântico Emerald da IQM, resolvendo o problema de planejamento de material rodante — atribuir unidades de trens físicas a viagens programadas, minimizando custos operacionais e atendendo rigorosamente às restrições de manutenção.
As partes avaliaram um conjunto de dados operacionais reais fornecido pela DB Systel, subsidiária de TI da Deutsche Bahn, contendo 190 viagens programadas em uma janela de planejamento de dois dias, abrangendo cinco grandes cidades alemãs: Colônia, Munique, Berlim, Frankfurt e Hamburgo. Para adaptar o problema de programação à execução quântica, a IQM mapeou as restrições para o problema do Conjunto Independente de Peso Máximo (Maximum-Weight Independent Set, MWIS) em um grafo de conflitos: os nós do grafo são ciclos ferroviários fechados viáveis, cada um atendendo à parada obrigatória de manutenção de duas horas em Hamburgo e ao limite máximo de distância de 4.000 km; as arestas conectam ciclos incompatíveis que atendem à mesma viagem programada.
O grafo MWIS gerado pela geração de ciclos em escala completa contém aproximadamente 98.500 ciclos viáveis, um espaço de busca grande demais para os processadores quânticos atuais. Os pesquisadores projetaram uma estrutura quântica de dividir para conquistar: um loop clássico externo itera extraindo subgrafos gerenciáveis (por exemplo, 20 nós), ordenados pela densidade de viagens com passageiros; o subprograma quântico executa o Algoritmo de Otimização Aproximada Quântica (Quantum Approximate Optimization Algorithm, QAOA) com profundidade p=1 para selecionar soluções parciais; um procedimento clássico de pós-processamento por poda resolve seleções conflitantes, obtendo um conjunto independente válido antes da atualização do grafo global. A cada iteração, os ciclos de trens selecionados são removidos, e as viagens ainda não atendidas seguem para a próxima rodada.
Os experimentos confirmaram três resultados centrais. Primeiro, a estrutura híbrida pode ser executada de ponta a ponta no hardware quântico atual, gerando soluções de programação viáveis e de alta qualidade para conjuntos de dados empresariais reais, sem necessidade de processadores quânticos tolerantes a falhas.
Segundo, o desempenho apresenta uma tendência de escalabilidade previsível à medida que o tamanho dos subgrafos aumenta. Usando um solucionador clássico exato como referência, ambos mostraram uma relação estatisticamente significativa (P=1,04×10⁻⁹): quando o tamanho do subgrafo aumenta, a estrutura híbrida reduz diretamente os quilômetros vazios (distância de operação sem passageiros) de forma proporcional.
Terceiro, melhorias de hardware podem ser aproveitadas automaticamente. Quando o processador quântico expande em número de qubits, conectividade e fidelidade de portas, e consegue lidar com subgrafos maiores, a arquitetura algorítmica subjacente gera melhores resultados de programação sem necessidade de redesenho estrutural.
No momento da publicação desta pesquisa, a IQM já havia sido listada na Nasdaq Global Select Market e na Nasdaq Helsinki em julho de 2026, sob o código IQMX. As duas instituições afirmaram que a pesquisa atual se concentra no planejamento offline determinístico, e a arquitetura de dividir para conquistar pode ser adaptada no futuro para gerenciamento de interrupções em tempo real, permitindo que operadores ferroviários realoquem dinamicamente o material rodante durante atrasos inesperados no serviço.
O artigo pré-impresso da pesquisa relacionada foi publicado na plataforma arXiv, e a IQM também divulgou um white paper técnico e um estudo de caso técnico completo.
