Roberto Baginski Batista SantosMATHEUS TEIXEIRA2024-08-162024-08-162023-06-14https://repositorio.fei.edu.br/handle/FEI/5517À medida que nos aproximamos das dimensões mínimas dos transistores utilizados em CPUs, nos aproximamos também dos limites computacionais dos computadores clássicos. Diante da crescente demanda por maior poder de processamento para resolver problemas complexos, surge a necessidade de uma ferramenta mais capacitada: os computadores quânticos. Em resposta a essa situação, diversas áreas da computação estão sendo adaptadas para aplicar seus métodos em computadores quânticos. Entre essas áreas, destaca-se o campo do aprendizado de máquina. O presente trabalho descreve um método de aprendizado de máquina supervisionado que utiliza a máquina de vetores de suporte quântica para a classificação de dados em um computador quânticoAs we approach the minimum physical size of transistors used in CPUs, we also come closer to the computational limits of classical computers. With the increasing demand for more pro- cessing power to solve complex problems, there arises a need for a more capable tool: quantum computers. In response to this situation, several areas of computing are being adapted to ap- ply their methods on quantum computers. Among these areas, one of the most prominent is machine learning. This work presents a supervised machine learning method using quantum support vector machines for data classification on a quantum computer.56pt-BRRestritoTransistoresCPUscomputadores clássicoscomputadores quânticosaprendizado de máquina supervisionadomáquina de vetores de suporte quântica.Trabalho de Conclusão de Curso