Contexto

O ponto em que o machine learning quântico ainda não cumpriu a promessa

A intersecção entre computação quântica e aprendizagem automática é uma das áreas mais movimentadas da investigação europeia da última década, com resultados desiguais. O texto deste tópico da EuroHPC é invulgarmente franco sobre a razão: muitos dos métodos de Quantum Machine Learning em circulação continuam a ser inspirados de perto em algoritmos clássicos e, por isso, ainda não alcançam vantagem quântica genuína. Traduzem operações que um computador convencional já faz bem para uma máquina que é cara, escassa e ruidosa.

O QML-07-01 financia trabalho que enfrente este problema de frente. Pede modelos de aprendizagem nativamente quânticos, núcleos quânticos eficientes, mapeamentos de características que explorem o que o hardware quântico tem de específico, além de análises formais de complexidade que identifiquem as classes de problemas onde a aceleração quântica é real. O critério implícito é a comparação honesta com uma linha de base clássica, apoiada em benchmarking rigoroso.

A segunda restrição é o hardware. Os projetos têm de trabalhar em escalas alcançáveis por dispositivos da era NISQ, ou seja, processadores quânticos ruidosos de dimensão intermédia. Isto obriga a técnicas conscientes do ruído, com estratégias de mitigação de erro e adaptações algorítmicas que tornem os resultados reprodutíveis em processadores reais e não apenas em simulação.

Para que serve

Necessidades que este instrumento resolve

Este tópico serve organizações que fazem investigação avançada e que querem transformá-la em capacidade computacional aplicável. Não é um instrumento de adoção de tecnologia por parte de quem a compra, é um instrumento para quem a constrói.

  • I&D e ciência: a ação é uma Research and Innovation Action com arranque em TRL 3 ou 4 e chegada a TRL 5 ou 6 ao fim de 48 meses. Cobre desenho e análise de algoritmos quânticos, quânticos-inspirados ou híbridos, modelação de desempenho, análise de complexidade e desenvolvimento de estratégias de mitigação de erro adaptadas a cargas de trabalho de QML.
  • Digitalização e IA: o objetivo declarado é integrar computação quântica em pipelines de pré-processamento de dados e em fluxos de aprendizagem já existentes, articulando-se com as bibliotecas de IA em uso. O resultado esperado não é um protótipo isolado, é um conjunto de métodos que a indústria europeia possa incorporar nos seus sistemas de IA atuais.
O instrumento

Dotação e parâmetros da chamada

A EuroHPC Joint Undertaking reservou seis milhões de euros para este tópico em 2026, a distribuir por dois projetos. A banda de contribuição por projeto vai de dois a três milhões de euros, o que significa que existe margem real de dimensionamento, ao contrário da maioria dos tópicos NEB de Horizonte Europa onde mínimo e máximo coincidem.

6M
Dotação do tópico
2
Projetos esperados
48
Meses de duração
5/6
TRL de chegada
ParâmetroValor
Código do tópicoHORIZON-JU-EUROHPC-2026-QML-07-01
ChamadaHORIZON-JU-EUROHPC-2026-QML-07
Tipo de açãoHORIZON-JU-RIA
Abertura2 de junho de 2026
Prazo de submissão28 de janeiro de 2027
Limite de páginas70 páginas

O prazo alargado até janeiro de 2027 é uma vantagem prática relevante. Dá tempo para construir consórcio, negociar acesso a hardware quântico e amadurecer a hipótese científica, o que raramente acontece em chamadas com janelas de quatro meses.

Requisitos técnicos

As direções de investigação que a proposta tem de cobrir

O tópico não pede especialização numa única linha. Exige que a proposta aborde várias das direções de investigação abaixo, o que empurra os consórcios para uma composição interdisciplinar entre teoria quântica, aprendizagem automática e domínios de aplicação.

  • Aprendizagem supervisionada quântica: algoritmos e subrotinas quânticas integráveis em pipelines clássicos de IA para aliviar estrangulamentos computacionais em contextos de elevada dimensionalidade, com ganhos mensuráveis demonstrados em casos de uso académicos ou industriais.
  • Redes neuronais convolucionais quânticas: arquiteturas híbridas que usam processadores quânticos durante o treino mas mantêm inferência clássica, uma via pragmática para vantagem quântica de curto prazo em reconhecimento de padrões e classificação complexa.
  • Aprendizagem com modelos quânticos: circuitos quânticos parametrizados e núcleos quânticos aplicados ao treino e à inferência, com benefício esperado em domínios de dados escassos ou de elevado valor unitário, como a descoberta de fármacos ou a engenharia de materiais.
  • Aprendizagem não supervisionada quântica: agrupamento espetral quântico e técnicas afins, com validação empírica de acelerações em conjuntos de dados complexos aplicáveis a deteção de anomalias, segmentação ou manutenção preditiva.
  • IA quântica para descoberta algorítmica: combinação de computação quântica com aprendizagem clássica para automatizar a descoberta e a otimização de algoritmos e de arquiteturas de modelos.
Obrigação de código aberto
Todo o software desenvolvido tem de ser disponibilizado às comunidades de utilizadores sob a Licença Pública da União Europeia (EUPL), que é a licença por omissão para novos componentes, ou sob outra licença aprovada pela OSI que seja compatível com a EUPL. Espera-se ainda que os projetos usem o repositório code.europa.eu para publicar software, dados de suporte e documentação. A proposta tem de apresentar um plano de propriedade intelectual e uma estratégia de licenciamento coerentes com esta exigência, o que merece decisão consciente por parte de qualquer parceiro empresarial antes de assinar o acordo de consórcio.

Há duas obrigações adicionais de articulação institucional. Os consórcios selecionados devem dar retorno sistemático aos esforços europeus e internacionais de normalização, incluindo colaboração com o CEN/CENELEC e o comité técnico JTC 22, além de se alinharem de forma estreita com a Agenda Estratégica de Investigação e Indústria do Quantum Flagship, procurando complementaridade com os projetos quânticos de Horizonte Europa e da própria EuroHPC.

Elegibilidade

Quem se pode candidatar

Aplicam-se as regras gerais de elegibilidade de Horizonte Europa, descritas no Anexo B dos Anexos Gerais do Programa de Trabalho, com a camada adicional da EuroHPC Joint Undertaking e dos seus Estados Participantes. Portugal é Estado Participante da EuroHPC e acolhe o supercomputador Deucalion, gerido pelo Minho Advanced Computing Centre, o que dá às equipas nacionais uma ligação institucional direta à infraestrutura do programa.

Não há restrição por CAE nem por região. O tópico encoraja explicitamente a colaboração entre academia, infraestruturas de investigação, indústria, PME e restantes atores do ecossistema quântico europeu. Na prática, o consórcio competitivo combina um grupo de investigação com produção reconhecida em algoritmia quântica, uma equipa de aprendizagem automática capaz de construir a linha de base clássica contra a qual a vantagem é medida, acesso a hardware quântico para validação e pelo menos um parceiro de domínio que traga o caso de uso real.

Portugal tem grupos ativos em informação quântica e em aprendizagem automática distribuídos por várias universidades e institutos de interface, mais um tecido pequeno mas existente de empresas de software científico. A posição natural para uma entidade portuguesa neste tópico é a de parceiro especializado numa das direções de investigação ou fornecedor do caso de uso aplicado, sobretudo em domínios onde o país tem dados e competência acumulada, como observação da Terra, oceano e clima.

Perspetiva Open Capital

O que recomendamos

Dois projetos financiados em toda a Europa fazem deste um tópico de elevada seletividade, onde o histórico publicado do consórcio pesa tanto como a qualidade do texto submetido. Uma equipa sem produção prévia visível em QML dificilmente lidera com êxito. Entrar como parceiro de um consórcio liderado por um grupo europeu consolidado é a via realista para a maioria das organizações portuguesas. É uma via legítima: a participação dá acesso a hardware, a coautoria e a posicionamento para chamadas seguintes.

O critério que separa propostas fortes de propostas medianas é a honestidade do benchmarking. O tópico é explícito ao exigir melhorias mensuráveis face a linhas de base clássicas em velocidade, precisão, eficiência de dados, complexidade ou escalabilidade. Propostas que prometem vantagem quântica sem definir a comparação, ou que a definem contra uma implementação clássica deliberadamente fraca, são penalizadas por avaliadores que conhecem bem este padrão.

A obrigação de licenciamento EUPL deve ser discutida com os parceiros empresariais antes de qualquer compromisso. Empresas que contem monetizar o software resultante por via de licenciamento proprietário têm aqui um conflito material com as regras da chamada. O modelo de negócio compatível assenta em serviços, integração e vantagem de conhecimento, não na propriedade exclusiva do código.

Uma nota final sobre calendário. A abertura em junho de 2026 com prazo em janeiro de 2027 dá sete meses de preparação, mas o período útil é menor do que parece porque atravessa o verão e o fecho de ano. Consórcios que só comecem a organizar-se no outono chegam à submissão com a arquitetura técnica por fechar.

Comentários, correções ou contrapontos são bem-vindos: [email protected]