Um Estudo de Classificadores Baseados em Sistemas Quânticos Abertos
Computação Quântica. Informação Quântica. Sistemas
Quânticos Abertos. Aprendizado de Máquina Quântico. Circuitos Quânticos.
Expressibilidade.
Nesta dissertação, propomos a formulação de três novos modelos baseados em
Sistemas Quânticos Abertos (SQA) concebidos para investigar, de maneira
unificada, as relações entre dinâmica aberta, processo de aprendizagem e
preservação da informação em classificadores quânticos. Esses modelos
complementam e aprofundam a análise dos classificadores já existentes na
literatura, em particular o Interactive Quantum Classifier (IQC), proposto
por Zhang et al., e o IQC with Amplitude Information Loading (IQC_AIL),
apresentado por Brito et al. Enquanto os modelos estabelecidos fornecem a
base conceitual para o entendimento da interação sistema–ambiente e de
estratégias de carregamento de dados, os três modelos adicionais
introduzidos neste trabalho ampliam o espectro de investigação ao modificar
a estruturação Hamiltoniana através dos mecanismos de acoplamento e dos
protocolos de codificação informacional. Em todo o estudo, mantivemos como
diretrizes centrais dois eixos fundamentais: a aplicação de técnicas de
Aprendizado de Máquina Quântico (AMQ), avaliando desempenho, generalização
e estabilidade em diferentes regimes de parametrização; e o uso sistemático
de ferramentas de Informação Quântica (IQ) — como fidelidade, medidas de
coerência e Expressibilidade — para quantificar a perda, preservação e
qualidade da informação ao longo das dinâmicas abertas estudadas. Essa
abordagem integrada permite compreender, comparar e estender modelos de
classificação quântica sob uma perspectiva simultaneamente física,
matemática e computacional.