Por dentro do Centro de Dados Quântico-IA da OQC-JPMorganChase-AMD: Otimização de Portfólio, Machine Learning Quântico e a Busca por Novos Algoritmos

A parceria tem papéis bem definidos. A OQC fornece a camada de hardware quântico, baseando-se em sua arquitetura supercondutora e em seu sistema de última geração, o GENESIS . A AMD contribui com a infraestrutura de computação clássica e IA que viabiliza os fluxos de trabalho híbridos . O JPMorganChase traz seu robusto programa de P&D em quântica e IA, que já produziu algoritmos para casos de uso que vão desde precificação de opções e análise de risco até detecção de fraudes e processamento de linguagem natural . Juntas, as três organizações se comprometeram com um roteiro de pesquisa focado em diversas aplicações específicas para o setor financeiro.

Otimização de portfólio: testando estratégias híbridas em um cenário real

A otimização de portfólio é um dos casos de uso de curto prazo mais citados para a computação quântica nas finanças e está no topo da agenda da colaboração. Os pesquisadores do JPMorganChase usarão o novo data center para testar abordagens quânticas e híbridas (quântico-clássicas) com o objetivo de melhorar a construção de portfólios e os retornos ajustados ao risco . A meta não é apenas a exploração teórica — a plataforma foi projetada explicitamente para comparar o desempenho desses fluxos de trabalho híbridos quando confrontados com as exigências de latência, replicação de dados e reprodutibilidade que um banco global aplica a sistemas em produção .

O histórico mais amplo de pesquisa quântica do JPMorganChase acrescenta um contexto importante aqui. O grupo de Pesquisa Aplicada em Tecnologia Global da instituição já produziu novos algoritmos quânticos para otimização de portfólio e tem sido uma das instituições financeiras mais ativas na exploração da interseção entre computação quântica, IA e criptografia . Com acesso dedicado ao GENESIS, a equipe agora pode executar experimentos comparativos entre abordagens clássicas, quânticas e híbridas sob condições que simulam o que uma mesa de operações real poderia, eventualmente, exigir.

Machine learning quântico sai da teoria para o experimento controlado

O machine learning quântico tem sido, há muito tempo, uma área de interesse acadêmico, mas testes rigorosos e reproduzíveis dentro da infraestrutura segura de um banco têm sido raros. O centro de Londres muda esse cenário. Os parceiros afirmaram que a plataforma será usada para expandir as explorações em técnicas de machine learning quântico aplicáveis à modelagem e previsão financeira .

O que diferencia este projeto de experimentos em menor escala é a proximidade física do processador quântico com a computação de IA de alto desempenho. A arquitetura é projetada para cargas de trabalho híbridas em tempo real, tornando possível treinar redes neurais convencionais e executar circuitos quânticos dentro do mesmo ciclo controlado . Para o JPMorganChase, as questões aplicadas são concretas: kernels quânticos, circuitos variacionais ou redes neurais quânticas podem agregar valor preditivo para tarefas como pontuação de crédito, detecção de anomalias ou classificação de regimes de mercado quando testados em escala e latência que se assemelham a ambientes financeiros reais?

Marcos quânticos recentes do banco ressaltam sua seriedade em unir pesquisa e prática. Em março de 2025, pesquisadores do JPMorganChase — em parceria com a Quantinuum, o Laboratório Nacional de Argonne, o Laboratório Nacional de Oak Ridge e a Universidade do Texas em Austin — geraram e certificaram matematicamente números genuinamente aleatórios usando um computador quântico . Publicado na revista Nature, o trabalho demonstrou não apenas uma capacidade teórica, mas um resultado tangível com aplicações diretas em segurança, criptografia e simulações de Monte Carlo para trading. O novo data center oferece um local para buscar pesquisas quânticas igualmente rigorosas e orientadas a resultados, no ritmo do próprio banco.

Modelos de IA quântica para a descoberta de novos algoritmos

Talvez a frente de pesquisa mais visionária da colaboração investigue se modelos de IA aprimorados por computação quântica podem acelerar a descoberta de novos algoritmos criados especificamente para casos de uso financeiro . Não se trata apenas de usar o hardware quântico para acelerar os pipelines de machine learning já existentes; é uma exploração mais aberta que questiona se a IA — incluindo grandes modelos de linguagem (LLMs) e sistemas de IA especializados — pode ajudar a projetar circuitos quânticos melhores, e se os processadores quânticos podem, por sua vez, melhorar os modelos de IA que buscam por novos algoritmos para as finanças.

Duas direções de pesquisa distintas, mas relacionadas, se encaixam nesta frente. A primeira é o aprimoramento de circuitos quânticos assistido por IA: usar IA para melhorar o desempenho e a fidelidade dos próprios circuitos quânticos, tornando o hardware quântico mais útil ao aperfeiçoar a camada de software que o controla . A segunda direção questiona se modelos de IA quântica, potencialmente incluindo LLMs, podem descobrir novos algoritmos quânticos até então desconhecidos — algoritmos que possam resolver problemas específicos de otimização financeira ou modelagem de risco de forma mais eficiente do que qualquer método clássico ou quântico existente .

Essa abordagem se alinha a uma tendência mais ampla da indústria de usar machine learning para explorar o vasto espaço de design de circuitos quânticos. O que torna o projeto de Londres notável é que ele está ancorado em um domínio específico — finanças — e está sendo executado dentro do perímetro de segurança de um banco que pode definir com precisão quais problemas são mais relevantes comercialmente. A combinação de expertise de domínio, hardware dedicado e um ambiente de dados protegido faz dele um campo de testes único para a descoberta de algoritmos no setor financeiro.

Segurança, escalabilidade e o caminho para a maturidade operacional

O propósito da plataforma vai além de qualquer algoritmo específico. O JPMorganChase enfatizou que o data center serve como uma plataforma de testes de segurança de nível corporativo, onde times de pesquisa acadêmicos e corporativos podem avaliar configurações híbridas de software clássico-quântico em relação aos padrões de replicação de dados, tolerância a falhas e segurança que se aplicam ao setor financeiro . A inclusão da AMD é particularmente significativa aqui, porque a camada clássica precisa lidar com os volumes de dados e cargas de inferência que um grande banco gera, não um conjunto de dados de referência simplificado.

A expectativa é que a instalação esteja totalmente operacional em até 12 meses após o anúncio de junho de 2026, com o JPMorganChase como o primeiro usuário dedicado . Esse cronograma está alinhado com a trajetória mais ampla de hardware da OQC: o sistema GENESIS representa a entrada da empresa na era dos qubits lógicos, com 16 qubits lógicos capazes de realizar milhares de operações quânticas confiáveis, um patamar que a OQC descreve como o regime "KiloQuOp" . Testar algoritmos híbridos em hardware que já cruzou a fronteira dos ruidosos qubits físicos para os qubits lógicos com mitigação de erros é um passo crucial para demonstrar se a computação quântica pode oferecer vantagem prática nas finanças.

Esta colaboração em Londres não é o único investimento do banco em redes quânticas. Em março de 2026, o JPMorgan Chase implementou separadamente uma rede quântica segura e cripto-ágil de alta velocidade, conectando dois data centers por fibra instalada, com um terceiro nó quântico servindo como campo de testes para tecnologias quânticas de última geração aplicáveis ao setor bancário . Em conjunto, esses investimentos sinalizam que o JPMorganChase está construindo simultaneamente a camada de conectividade e a camada de computação — preparando a infraestrutura para um mundo onde redes quântico-seguras e algoritmos quânticos coexistem em um ambiente de produção.

Por que o centro de Londres é relevante além dos anúncios

A maioria das colaborações em computação quântica entre fornecedores de hardware e bancos opera em um modelo de nuvem compartilhada, onde os pesquisadores de um banco acessam um processador quântico pela internet, ao lado de usuários acadêmicos e comerciais. A instalação OQC-JPMorganChase-AMD é diferente: fisicamente co-localizada, operada de forma privada e construída sob medida para as cargas de trabalho e requisitos de segurança de um único usuário corporativo. Essa configuração permite experimentos que modelos de acesso baseados em nuvem não conseguem replicar facilmente, incluindo ciclos híbridos rigorosamente acoplados, em que a HPC clássica, a inferência de IA e os circuitos quânticos precisam se comunicar com latência medida em microssegundos, e não em tempos de ida e volta pela rede.

Para o setor financeiro, onde alguns milissegundos de latência podem ter um custo econômico material, essa arquitetura de co-localização pode se mostrar mais importante do que a contagem bruta de qubits. O sucesso da colaboração será medido, em última análise, não por comunicados à imprensa, mas pela capacidade do JPMorganChase de demonstrar — em cargas de trabalho financeiras reais e com métricas rigorosas — que as abordagens híbridas quântico-clássicas oferecem desempenho, escalabilidade e custo-benefício que a infraestrutura puramente clássica não consegue igualar. As frentes de pesquisa em otimização de portfólio, machine learning quântico e descoberta de algoritmos impulsionada por IA são os primeiros passos concretos rumo a essa demonstração.