---
title: "IBM Heron usa até 123 qubits para prever água em proteínas"
author: "Lígia Lemos Maia"
date: "2026-11-22 12:38:16.703-03"
category: "Tecnologia & Desenvolvimento"
url: "https://desbugados.com.br/post/2026/11/22/ibm-heron-usa-ate-123-qubits-para-prever-agua-em-proteinas"
---

## Resumo
- Pesquisadores usaram processadores IBM Heron com até 123 qubits para prever locais de hidratação em proteínas.
- O estudo combinou o modelo clássico 3D-RISM com uma formulação de otimização quântica QUBO.
- O software Fire Opal, da Q-CTRL, foi usado para supressão de erros.
- Os testes reproduziram previsões experimentais com precisão comparável ou superior à de métodos clássicos existentes.
- O artigo relata probabilidade de amostragem em torno de 9% para a solução ideal em determinada busca.
- Uma instância de 900 variáveis foi estimada em cerca de 100 mil portas de dois qubits, não 900 qubits.

---

[Pesquisadores da Qubit Pharmaceuticals usaram processadores IBM Heron, com até 123 qubits, para prever onde moléculas de água se acomodam em cavidades de proteínas.](https://quantumcomputingreport.com/qubit-pharmaceuticals-sorbonne-universite-and-q-ctrl-demonstrate-3d-protein-hydration-site-prediction-on-ibm-heron-processors) A demonstração trata de uma etapa específica da descoberta computacional de medicamentos: estimar a hidratação de estruturas proteicas. O resultado é uma prova de método, não a validação de um novo fármaco. A distinção importa porque aproxima a computação quântica de uma tarefa de pesquisa biomolecular sem confundir previsão computacional com resultado clínico.


## Da cavidade da proteína ao problema quântico


A colaboração envolveu também a **Sorbonne Université** e a **Q-CTRL**. A equipe procurou identificar as posições mais prováveis de moléculas de água estáveis em cavidades de proteínas ligadas à pesquisa farmacêutica. Em vez de estudar um medicamento pronto, o trabalho se concentra em descrever melhor uma parte do ambiente molecular investigado durante a descoberta de fármacos. É uma tarefa delimitada, mas concreta: localizar água dentro de estruturas proteicas.


Para traduzir essa busca em um problema computável, os pesquisadores combinaram o modelo clássico **3D-RISM** com uma formulação **QUBO**, sigla para otimização binária quadrática não restrita. Em termos simples, a formulação organiza alternativas como variáveis binárias para que um otimizador procure configurações favoráveis. O modelo clássico oferece uma etapa do fluxo de trabalho, enquanto o otimizador quântico trata a busca pelas posições prováveis das moléculas de água. Essa combinação faz do experimento uma abordagem híbrida, não um cálculo feito exclusivamente por um computador quântico.


O fluxo também contou com o **Fire Opal**, software de supressão de erros desenvolvido pela Q-CTRL. Esse detalhe ajuda a entender o tipo de demonstração realizado: o resultado depende da integração entre o modelo clássico, o otimizador e ferramentas voltadas a lidar com erros do hardware. Supressão, aqui, não significa que os erros desapareceram; a informação disponível descreve o papel do software como parte do método. A precisão obtida precisa, portanto, ser lida junto com a arquitetura usada nos testes.


## Precisão observada e custo de ampliar a escala


Os testes reproduziram previsões experimentais em complexos reais de proteína e ligante, com precisão comparável ou superior à de métodos clássicos existentes. A descrição do estudo também relata melhora sistemática da precisão à medida que aumenta o número de qubits. Já o artigo científico aponta uma medida mais específica: [o resolvedor encontrou a solução ideal com probabilidade de amostragem em torno de 9% e superou o cozimento simulado na busca de algumas instâncias](https://journals.aps.org/prresearch/abstract/10.1103/gyqr-mv1h). Esse resultado não equivale a uma vantagem geral sobre métodos clássicos; a comparação citada vale para certas instâncias do problema.


A estimativa de escala mostra por que ainda há uma distância entre uma demonstração de pesquisa e uma aplicação maior: uma instância de **900 variáveis** exigiria cerca de **100 mil portas de dois qubits** para alcançar o limiar completo de utilidade quântica, segundo a análise de recursos do estudo. A medida apresentada é em variáveis e portas, não em 900 qubits. O que vale acompanhar nos próximos trabalhos é como precisão e custo evoluem conforme o problema cresce. Por enquanto, a água foi localizada dentro de um modelo; o desafio seguinte está em ampliar essa busca sem perder a precisão observada.