Aprendizado de Máquina Quântica para Monitoramento Estrutural

Estudos pioneiros

Resumen

Este artigo propõe um método inovador para o monitoramento de integridade estrutural (SHM, do inglês Structural Health Monitoring) utilizando aprendizado de máquina quântico (QML, do inglês Quantum Machine Learning) não supervisionado. O processo sugerido envolve a obtenção de dados brutos de aceleração, a extração de características desses dados e a sua inserção em estados quânticos para que um classificador quântico possa analisá-los. Anormalidades estruturais potenciais são detectadas avaliando-se uma função de pontuação de anomalia que é obtida através do treinamento do modelo com situações conhecidas como intactas e identificando variações em relação aos comportamentos típicos. Implementações experimentais em uma estrutura de laboratório de dois andares confirmam o modelo proposto, mostrando resultados promissores na identificação, localização e quantificação de anomalias. Este trabalho estabelece as bases para investigações futuras na interseção da computação quântica e da engenharia civil, através de experimentos, análises e discussões pertinentes, expandindo os limites da pesquisa em SHM.