Banco de Dados Clássico

Abstract: Bancos de dados clássicos são um componente essencial dos sistemas de informação modernos. Eles são usados para armazenar e gerenciar grandes quantidades de dados estruturados e permitir a recuperação e manipulação eficiente de dados. Um banco de dados pode ser definido como uma coleção de dados organizados de uma maneira específica para permitir acesso e recuperação eficientes de informações. Um banco de dados é uma coleção de dados relacionados organizados de maneira específica para facilitar o acesso e a recuperação eficientes de informações. Os bancos de dados podem ser usados para armazenar e gerenciar dados para uma ampla variedade de aplicativos, desde bancos de dados pessoais simples até grandes sistemas de nível empresarial. Um banco de dados geralmente consiste em uma ou mais tabelas organizadas em linhas e colunas, com cada linha representando um registro e cada coluna representando um campo.

Introdução: Um banco de dados clássico consiste em uma ou mais tabelas, que contêm campos ou colunas que definem os tipos de dados e a estrutura das informações armazenadas nelas. Os dados em um banco de dados são acessados e manipulados por meio de uma variedade de linguagens de programação e aplicativos de software, que interagem com o sistema de gerenciamento de banco de dados (DBMS) para recuperar, inserir, atualizar e excluir dados. O DBMS é responsável por reforçar a integridade dos dados, gerenciar a segurança e o controle de acesso e otimizar o desempenho da consulta para garantir que os dados possam ser recuperados de forma rápida e eficiente. Tipos comuns de bancos de dados incluem bancos de dados relacionais, bancos de dados NoSQL e bancos de dados orientados a objetos, cada um com seus próprios recursos exclusivos de modelagem e armazenamento de dados.

Estruturas de dados para gerenciamento de banco de dados clássicos: As estruturas de dados são parte integrante dos sistemas de gerenciamento de banco de dados (DBMS), pois fornecem uma maneira de organizar e armazenar dados de maneira a facilitar o acesso e a recuperação eficientes. Neste contexto, as estruturas de dados referem-se à organização e layout dos dados dentro de um banco de dados, bem como aos algoritmos e estruturas de dados usados pelo SGBD para gerenciar esses dados. Uma das estruturas de dados mais comuns usadas no gerenciamento de banco de dados é a tabela, que é uma representação bidimensional de dados organizados em linhas e colunas. Cada linha em uma tabela representa um único registro ou entidade, enquanto cada coluna representa um atributo ou campo específico associado a essa entidade. As tabelas podem ser vinculadas por meio do uso de chaves estrangeiras, que permitem que registros de uma tabela façam referência a registros em outra.

Outra estrutura de dados importante usada no gerenciamento de banco de dados é o índice, que fornece uma maneira de acessar rapidamente registros específicos em um banco de dados. Um índice é essencialmente uma estrutura de dados que mapeia os valores de um ou mais campos para a localização dos registros correspondentes no banco de dados. Isso permite que o DBMS localize e recupere registros rapidamente com base em critérios de pesquisa específicos. Outras estruturas de dados comumente usadas no gerenciamento de banco de dados incluem árvores, tabelas de hash e listas encadeadas. As árvores, por exemplo, podem ser usadas para organizar estruturas hierárquicas de dados, como organogramas ou categorias de produtos. As tabelas de hash podem ser usadas para pesquisar rapidamente registros com base em um valor de chave específico, enquanto as listas vinculadas podem ser usadas para gerenciar dados que mudam constantemente, como um log de eventos do sistema. Em geral, a escolha das estruturas de dados usadas no gerenciamento de banco de dados dependerá de vários fatores, incluindo o tamanho e a complexidade do banco de dados, os tipos de consultas e operações que serão executadas nos dados e os requisitos de desempenho do sistema. A escolha das estruturas de dados corretas pode ajudar a otimizar o desempenho do banco de dados, garantir a consistência e a integridade dos dados e melhorar a confiabilidade e a escalabilidade geral do sistema.

Algoritmos para gerenciamento de banco de dados clássicos: Os algoritmos desempenham um papel crítico no gerenciamento de bancos de dados. Um sistema de gerenciamento de banco de dados (DBMS) é um aplicativo de software que gerencia o armazenamento, a organização e a recuperação de dados. O DBMS usa vários algoritmos para otimizar o desempenho do banco de dados, que podem ser classificados em diferentes categorias com base em sua funcionalidade. Algoritmos de recuperação de dados: Algoritmos de recuperação são usados para extrair dados de um banco de dados. Os algoritmos de recuperação mais comuns são o algoritmo de busca linear e o algoritmo de busca binária. O algoritmo de Pesquisa Linear pesquisa todo o banco de dados sequencialmente até que os dados desejados sejam encontrados. O algoritmo Binary Search, por outro lado, usa uma estratégia de divisão e conquista para localizar os dados. A pesquisa binária é mais rápida que a pesquisa linear e é mais comumente usada em bancos de dados. Algoritmos de classificação: os algoritmos de classificação são usados para classificar os dados em uma ordem específica. Os algoritmos de classificação mais comumente usados em sistemas de gerenciamento de banco de dados são o algoritmo Bubble Sort, o algoritmo Quick Sort e o algoritmo Merge Sort. Bubble Sort é o algoritmo de classificação mais simples, mas não é muito eficiente para grandes conjuntos de dados. Quick Sort e Merge Sort são mais eficientes e são comumente usados em bancos de dados. Algoritmos de hash: Os algoritmos de hash são usados para criar um identificador exclusivo para cada item de dados no banco de dados. A função de hash usa um item de dados como entrada e retorna um valor de hash de tamanho fixo que é exclusivo desse item de dados. O valor de hash é usado para indexar os dados, tornando mais rápido recuperar itens de dados. Os algoritmos de hashing mais comumente usados em sistemas de gerenciamento de banco de dados são o algoritmo MD5, o algoritmo SHA-1 e o algoritmo SHA-256. Algoritmos de indexação: Os algoritmos de indexação são usados para acelerar a recuperação de dados criando um índice para o banco de dados.
Um índice é uma estrutura de dados que contém uma lista classificada de chaves e seus itens de dados correspondentes. Quando uma consulta é executada, o índice é usado para localizar os itens de dados mais rapidamente do que uma pesquisa linear. Os algoritmos de indexação mais comumente usados em sistemas de gerenciamento de banco de dados são o algoritmo B-Tree, o algoritmo B+Tree e o algoritmo Hash Index. Algoritmos de otimização de consulta: algoritmos de otimização de consulta são usados para otimizar o desempenho de consultas de banco de dados. O otimizador de consulta analisa uma consulta e cria um plano de execução otimizado para a estrutura do banco de dados e a distribuição de dados. Os algoritmos de otimização de consulta mais comumente usados em sistemas de gerenciamento de banco de dados são o otimizador baseado em custo, o otimizador baseado em regra e o otimizador de algoritmo genético. Os algoritmos desempenham um papel vital no gerenciamento de bancos de dados. Usando os algoritmos apropriados, os sistemas de gerenciamento de banco de dados podem otimizar seu desempenho e fornecer recuperação de dados mais rápida e melhor eficiência geral.

Desafios e oportunidades: Embora os bancos de dados clássicos ofereçam muitos benefícios, também existem algumas desvantagens em usá-los. Alguns exemplos: Com relação à complexidade, os bancos de dados podem ser complexos para configurar, configurar e manter. Isso requer certo nível de conhecimento técnico, o que pode ser um desafio para algumas empresas ou organizações que não possuem uma equipe de TI dedicada. Em relação ao custo, os bancos de dados podem ser caros para licenciar, comprar ou manter. Isso pode ser uma barreira significativa para pequenas empresas ou organizações com orçamentos limitados. Em relação ao desempenho, os bancos de dados podem apresentar problemas de desempenho, principalmente ao lidar com grandes quantidades de dados ou vários usuários simultâneos. Isso pode resultar em tempos de consulta lentos ou até mesmo travamentos do sistema, o que pode ser frustrante para os usuários. Quanto a perda de dados, os bancos de dados podem ser vulneráveis à perda de dados devido a falha de hardware, bugs de software ou erro humano. Isso pode resultar em perda de dados significativa, que pode ser difícil ou impossível de recuperar e Riscos de segurança, embora os bancos de dados possam ser protegidos, eles também podem ser vulneráveis a violações de segurança se não forem configurados ou mantidos adequadamente. Isso pode resultar em roubo, perda ou corrupção de dados, o que pode ser prejudicial para empresas ou organizações que dependem de dados confidenciais. Embora os bancos de dados ofereçam muitos benefícios, eles também apresentam algumas desvantagens. As empresas ou organizações que consideram usar um banco de dados devem avaliar cuidadosamente suas necessidades de gerenciamento de dados, experiência técnica, orçamento e requisitos de segurança antes de tomar uma decisão.

Aplicações: Um aplicativo de banco de dados é um programa de computador que interage com um banco de dados para gerenciar, manipular e recuperar dados. Esses aplicativos podem ser projetados para diferentes finalidades, incluindo entrada de dados, processamento de dados, geração de relatórios e análise de dados. Alguns exemplos de aplicações potenciais de bancos de dados clássicos:
Projeto do Modelo de Dados: O aplicativo de banco de dados começa com o projeto do modelo de dados, que define a estrutura do banco de dados e como os dados serão organizados; Criação do banco de dados, uma vez que o modelo de dados é projetado, o banco de dados é criado e os dados são inseridos nele. Isso pode ser feito manualmente ou os dados podem ser importados de outras fontes; Desenvolvimento de aplicativos, o aplicativo de banco de dados é então desenvolvido usando uma linguagem de programação, que interage com o banco de dados por meio de um sistema de gerenciamento de banco de dados (DBMS). O DBMS gerencia o armazenamento e a recuperação de dados do banco de dados e fornece uma interface para que o aplicativo interaja com o banco de dados; Interface do usuário, uma interface do usuário é criada para o aplicativo, permitindo que os usuários interajam com o banco de dados, realizem pesquisas e manipulem os dados; Processamento da consulta, quando um usuário solicita dados do banco de dados, a consulta é processada pelo SGBD, que recupera os dados necessários do banco de dados e os retorna para o aplicativo; Análise de dados, o aplicativo de banco de dados também pode ser usado para análise de dados, permitindo que os usuários criem relatórios, gráficos e outras visualizações para obter insights dos dados e Segurança, medidas de segurança são implementadas para garantir que apenas usuários autorizados tenham acesso ao banco de dados e que os dados permaneçam seguros. Um aplicativo de banco de dados é uma ferramenta poderosa para gerenciar e analisar dados e pode ser usado em vários setores, incluindo finanças, saúde, varejo entre outros.

Conclusão: É importante garantir que os bancos de dados sejam adequadamente projetados, implementados e mantidos para garantir a precisão, segurança e integridade dos dados. Backups, atualizações e testes regulares devem ser realizados para evitar a perda de dados e garantir o bom funcionamento do sistema de banco de dados. Diferentes tipos de bancos de dados, como bancos de dados relacionais, NoSQL e gráficos, têm diferentes pontos fortes e fracos, e a escolha do tipo certo de banco de dados depende das necessidades específicas da organização. No geral, os bancos de dados desempenham um papel crítico na computação moderna e são amplamente utilizados em vários setores diversos.

Referências:
“Database Systems: The Complete Book” by Hector Garcia-Molina, Jeffrey D. Ullman, and Jennifer Widom.
“Database Design for Mere Mortals: A Hands-On Guide to Relational Database Design” by Michael J. Hernandez.
“SQL Cookbook: Query Solutions and Techniques for Database Developers” by Anthony Molinaro.
“Database Management Systems” by Raghu Ramakrishnan and Johannes Gehrke.
“Database System Concepts” by Abraham Silberschatz, Henry F. Korth, and S. Sudarshan.
“NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence” by Martin Fowler and Pramod J. Sadalage.
“The Art of SQL” by Stephane Faroult and Peter Robson.
“Data Modeling Essentials” by Graeme Simsion and Graham Witt.
“Big Data: Principles and Best Practices of Scalable Real-Time Data Systems” by Nathan Marz and James Warren.
“Effective SQL: 61 Specific Ways to Write Better SQL” by John L. Viescas.
“A Comparison of NoSQL Data Modeling Techniques” by S. M. Kamruzzaman and S. Islam (2018)
“Big Data: A Survey” by E. Abbasi and M. H. Younis (2016)
“A Survey of Modern Database Management Systems” by R. H. Güting et al. (2015)
“Big Data Analytics: A Literature Review Paper” by N. Al-Jarrah et al. (2015)
“Data Warehousing and Data Mining: A Review” by R. P. Maheshwari and K. R. Puranik (2014)
“The In-Memory Revolution: How SAP HANA Enables Business of the Future” by V. K. Garg and S. S. Pandey (2013)
“A Survey on Data Mining Approaches for Healthcare” by N. M. El-Sappagh et al. (2018)
“A Survey of Graph Databases” by D. Olteanu et al. (2018)
“Survey on Data Replication Techniques in Distributed Databases” by S. Taneja and S. Sharma (2016)
“A Survey on Database Security Issues and Solutions” by R. Kumar and S. Lal (2015)

Autor:
José Alexandro Acha Gomes
Trabalha na Universidade Federal Fluminense – RJ
Pesquisador Autônomo

/0 Comentários/por

Banco de Dados Quântico

Abstract: Os computadores quânticos mostraram grande potencial na resolução de problemas que os computadores clássicos não conseguem. Uma dessas áreas é o gerenciamento de banco de dados, onde o uso de algoritmos quânticos e estruturas de dados quânticos pode levar a melhorias significativas em eficiência e velocidade. Para isto, devemos explorar o conceito de bancos de dados quânticos e revisar a literatura existente sobre estruturas de dados quânticos e algoritmos quânticos para gerenciamento de banco de dados. Neste caso devemos entender os desafios e oportunidades apresentados pelos bancos de dados quânticos e entender sobre direções futuras para pesquisas nessa área.

Introdução: O gerenciamento de banco de dados é um componente crítico da computação moderna, e a eficiência das operações de banco de dados tem um impacto significativo no desempenho de vários aplicativos. A computação quântica, com sua capacidade de executar determinadas tarefas exponencialmente mais rápido que a computação clássica, tem o potencial de revolucionar o gerenciamento de banco de dados. Os bancos de dados quânticos podem oferecer tempos de resposta de consulta mais rápidos, armazenamento aprimorado e eficiência de recuperação e segurança de dados aprimorada. Este artigo explora o conceito de bancos de dados quânticos, os algoritmos quânticos subjacentes e as estruturas de dados, e os desafios e oportunidades apresentados por esse campo emergente.

Estruturas de dados quânticos para gerenciamento de banco de dados: Uma das aplicações mais promissoras da computação quântica está no campo do gerenciamento de banco de dados. As estruturas de dados quânticos são um novo tipo de estrutura de dados que foi desenvolvida especificamente para a computação quântica. Estruturas de dados tradicionais, como arrays, listas encadeadas e árvores, são projetadas para funcionar em computadores clássicos. Eles não são adequados para a computação quântica porque não aproveitam as propriedades únicas da mecânica quântica. As estruturas de dados quânticas, por outro lado, são projetadas para aproveitar a mecânica quântica e podem fornecer acelerações significativas em relação às estruturas de dados clássicas. Uma das estruturas de dados quânticos mais importantes é o banco de dados quântico. Um banco de dados quântico é um banco de dados armazenado em um computador quântico. Os bancos de dados quânticos podem ser pesquisados usando um algoritmo de pesquisa quântica, que pode fornecer acelerações significativas em relação aos algoritmos de pesquisa clássicos. Os bancos de dados quânticos também podem ser atualizados usando algoritmos de atualização quântica, que podem atualizar o banco de dados em tempo constante.
Outra importante estrutura de dados quânticos é a tabela hash quântica. Uma tabela hash quântica é uma estrutura de dados que pode ser usada para armazenar e recuperar dados em tempo constante. Tabelas de hash quânticas podem ser usadas para implementar bancos de dados quânticos, bem como outras estruturas de dados quânticos. Temos a lista encadeada quântica que é projetada para funcionar em um computador quântico. As listas vinculadas quânticas podem ser usadas para implementar bancos de dados quânticos, bem como outras estruturas de dados quânticos. No geral, as estruturas de dados quânticos oferecem vantagens significativas sobre as estruturas de dados tradicionais para gerenciamento de banco de dados em computadores quânticos. À medida que a computação quântica continua a se desenvolver, podemos esperar mais pesquisas sobre o desenvolvimento e a implementação de estruturas de dados quânticos para gerenciamento de banco de dados.

Algoritmos quânticos para gerenciamento de banco de dados: Os algoritmos quânticos para gerenciamento de banco de dados utilizam as propriedades exclusivas da mecânica quântica, como superposição e emaranhamento, para obter acelerações computacionais que não são possíveis usando algoritmos clássicos. Um dos algoritmos quânticos mais conhecidos para gerenciamento de banco de dados é o algoritmo de Grover. O algoritmo de Grover é um algoritmo de pesquisa quântica que pode ser usado para pesquisar um banco de dados não classificado de “n” itens em tempo O(sqrt(N)), que é uma aceleração quadrática em comparação com os algoritmos clássicos. O algoritmo de Grover funciona criando uma superposição quântica de todas as entradas possíveis do banco de dados e, em seguida, usando um oráculo quântico para amplificar a amplitude da entrada de destino, que pode ser medida com alta probabilidade após um pequeno número de iterações. Outro algoritmo quântico para gerenciamento de banco de dados é o algoritmo quântico para encontrar colisões em uma função. Este algoritmo usa estimativa de fase quântica para encontrar colisões em uma função com alta probabilidade, que é uma ferramenta útil para muitas aplicações criptográficas. Esse algoritmo tem aplicações no gerenciamento de banco de dados, pois pode ser usado para encontrar entradas duplicadas em um banco de dados. Algoritmos quânticos para gerenciamento de banco de dados também podem ser usados para executar tarefas complexas de análise de dados, como agrupamento e reconhecimento de padrões. Por exemplo, o algoritmo k-means quântico pode ser usado para agrupar dados em um estado quântico em tempo O(sqrt(N)), que é uma aceleração quadrática em comparação com os algoritmos clássicos. O algoritmo da máquina de vetores de suporte quântico (SVM) pode ser usado para tarefas de reconhecimento de padrões, como classificação de imagens, e demonstrou fornecer uma aceleração em relação aos algoritmos SVM clássicos. Os algoritmos quânticos para gerenciamento de banco de dados têm o potencial de fornecer acelerações computacionais significativas em relação aos algoritmos clássicos, permitindo o processamento de conjuntos de dados maiores e tarefas de análise de dados mais complexas. À medida que os computadores quânticos se tornam mais poderosos e acessíveis, podemos esperar mais pesquisas e desenvolvimentos nessa área, levando a aplicações novas e inovadoras da computação quântica no campo do gerenciamento de banco de dados.

Desafios e oportunidades: Os bancos de dados quânticos têm seus problemas. Um dos maiores desafios é a questão da corrupção de dados quânticos. A informação quântica é extremamente delicada e pode ser facilmente perturbada pelo ambiente, levando a erros nos dados armazenados. Esse problema é agravado pelo fato de que as informações quânticas não podem ser clonadas, o que significa que os backups dos dados não podem ser feitos da mesma forma que os backups clássicos. Outro desafio é a questão da escalabilidade do banco de dados quântico. Os computadores quânticos ainda estão nos estágios iniciais de desenvolvimento e atualmente estão limitados a um número relativamente pequeno de qubits, que são o equivalente quântico dos bits clássicos. À medida que o número de qubits cresce, a complexidade do sistema aumenta exponencialmente, dificultando a manutenção da coerência dos estados quânticos. Isso limita o tamanho dos bancos de dados quânticos que podem ser criados e a complexidade das operações que podem ser executadas neles. Existe também a questão da segurança do banco de dados quântico. Os computadores quânticos têm o potencial de quebrar muitos dos algoritmos criptográficos usados atualmente para proteger bancos de dados clássicos. Isso significa que novos métodos de criptografia precisarão ser desenvolvidos e resistentes a ataques quânticos. Além disso, os bancos de dados quânticos podem ser vulneráveis a ataques que exploram a natureza delicada da informação quântica. Em resumo, os bancos de dados quânticos têm um tremendo potencial para avançar nossa compreensão do processamento e armazenamento de informações. No entanto, eles também apresentam desafios significativos, principalmente nas áreas de corrupção de dados, escalabilidade e segurança. Enfrentar esses desafios exigirá pesquisa e desenvolvimento significativos nos próximos anos, mas os benefícios potenciais provavelmente serão substanciais.

Aplicações: Alguns exemplos de aplicações potenciais de bancos de dados quânticos: Big Data, Bancos de dados quânticos podem ser usados para armazenar e processar grandes volumes de dados de forma rápida e eficiente. Eles podem fornecer acesso e processamento de dados mais rápidos, permitindo que as empresas analisem grandes conjuntos de dados e tomem decisões informadas rapidamente; Criptografia, bancos de dados quânticos podem ser usados para desenvolver novos sistemas criptográficos que são mais seguros do que os métodos tradicionais. Os bancos de dados quânticos podem fornecer uma plataforma mais segura para armazenar informações confidenciais, como registros financeiros e médicos, aproveitando as técnicas de criptografia quântica; Aprendizado de máquina, bancos de dados quânticos podem ser usados para desenvolver algoritmos de aprendizado de máquina mais poderosos. A computação quântica pode resolver problemas complexos de otimização mais rapidamente do que os computadores clássicos, permitindo algoritmos de aprendizado de máquina mais eficientes; Saúde, os bancos de dados quânticos podem ser usados para armazenar e analisar dados médicos, fornecendo informações sobre prevenção de doenças, tratamento e desenvolvimento de medicamentos. Os bancos de dados quânticos podem ajudar a identificar padrões e tendências nos dados do paciente que podem melhorar os diagnósticos e tratamentos médicos; Serviços Financeiros, Bancos de dados quânticos podem ser usados para desenvolver modelos financeiros mais eficientes para gerenciamento de risco, análise de investimentos e negociação.
Os bancos de dados quânticos podem analisar grandes volumes de dados financeiros e fornecer previsões mais precisas, permitindo que os comerciantes tomem melhores decisões de investimento e logística, os bancos de dados quânticos podem ser usados para otimizar os processos de logística, incluindo gerenciamento da cadeia de suprimentos, rastreamento de estoque e distribuição. Os bancos de dados quânticos podem fornecer análise de dados em tempo real, permitindo que as empresas respondam rapidamente às mudanças na demanda e no fornecimento. Os bancos de dados quânticos têm o potencial de revolucionar a maneira como armazenamos, processamos e analisamos informações em uma ampla gama de setores.

Conclusão: Os bancos de dados quânticos representam uma área importante de pesquisa com potencial significativo para melhorar o gerenciamento de bancos de dados. Estruturas e algoritmos de dados quânticos oferecem o potencial para tempos de resposta de consulta mais rápidos, armazenamento aprimorado e eficiência de recuperação e segurança de dados aprimorada. Embora existam vários desafios que precisam ser abordados, incluindo escalabilidade e correção de erros, as oportunidades apresentadas pelos bancos de dados quânticos são significativas. À medida que a tecnologia de computação quântica continua a se desenvolver, podemos esperar mais avanços nesse campo.

 

Referências:
Quantum Databases: A Survey, by Karthik Natarajan and Geetha Manjunath (2017)
Quantum Databases and Information Retrieval, by Hiroyuki Sato and Masanori Ohya (2013)
Quantum Databases: Theory and Applications, edited by Jacob Biamonte, Giovanni Sicuro, and Peter Wittek (2021)
Quantum Databases, by Jonathan Carter and Barry Sanders (2013)
Quantum Databases, by Amr Sabry and Radha Jagadeesan (2005)
Quantum Databases, by Zixiang Xiong and Zhihao Cao (2019)
Quantum Database Searching and Access Control, by Vladimir Nesov, Vitaly Shmatikov, and Avi Wigderson (2006)
Quantum Databases and Data Structures, by Andris Ambainis, Martin Beaudry, and Yosuke Kanada (2010)
Quantum Databases and Information Retrieval: Theory, Algorithms, and Applications, by Xiaodong Li, Wei Li, and Zengxiang Li (2020)
Quantum Databases, by Jianying Zhou and Liqun Chen (2008)
“Quantum Databases: A Survey” by Atul Kumar et al. (2018)
“Quantum Database Search: An Overview” by Anupam Prakash (2013)
“Quantum Databases and Information Retrieval” by Tsutomu Sasao (2006)
“Quantum databases: efficient search and data organization using quantum algorithms” by Almutairi et al. (2020)
“Quantum Computation of Database Search” by Lov Grover (1996)
“Quantum Database Tomography” by Andrew M. Childs et al. (2001)
“Quantum Database Compression” by Aram W. Harrow et al. (2005)

 

Autor:
José Alexandro Acha Gomes
Trabalha na Universidade Federal Fluminense – RJ
Pesquisador Autônomo

/0 Comentários/por

Bancos de Dados Clássicos Versus Bancos de Dados Quânticos

Abstract: O campo da ciência da computação testemunhou uma evolução notável ao longo dos anos, e um dos avanços mais significativos nos últimos tempos foi o desenvolvimento da computação quântica. A computação quântica é uma forma de computação que usa fenômenos da mecânica quântica, como superposição e emaranhamento, para executar operações em dados. Como resultado, a computação quântica tem o potencial de revolucionar muitos campos, incluindo o sistema de gerenciamento de banco de dados. Neste artigo, discutiremos as diferenças entre bancos de dados clássicos e bancos de dados quânticos, e suas respectivas vantagens e limitações.

Introdução: A principal diferença entre um banco de dados quântico e um banco de dados clássico é a maneira como eles armazenam e processam informações. Em um banco de dados clássico, as informações são armazenadas e processadas usando bits clássicos, que podem ter um valor de 0 ou 1. Isso significa que os dados são armazenados em uma série de dígitos binários e as operações executadas nos dados também são baseadas em lógica clássica. Em contraste, um banco de dados quântico usa bits quânticos, ou qubits, para armazenar e processar informações. Ao contrário dos bits clássicos, os qubits podem existir em vários estados simultaneamente, o que permite que os bancos de dados quânticos processem grandes quantidades de informações em paralelo. Além disso, os bancos de dados quânticos podem usar o emaranhamento quântico, um fenômeno no qual dois qubits se correlacionam de uma maneira que os bits clássicos não podem, para executar certos tipos de cálculos com mais eficiência.

Bancos de dados clássicos: Um banco de dados clássico, também conhecido como banco de dados tradicional, é uma coleção de dados estruturados organizados e armazenados em um formato específico para permitir armazenamento, recuperação e gerenciamento eficientes de dados. Os dados são normalmente armazenados em tabelas, com cada tabela consistindo em um conjunto de linhas e colunas. As tabelas se relacionam entre si por meio de campos comuns, que permitem que os dados sejam consultados e analisados por meio de diversas ferramentas e técnicas. Um sistema clássico de gerenciamento de banco de dados (DBMS) geralmente inclui um aplicativo de software que fornece ferramentas para criar, modificar e gerenciar o banco de dados. Exemplos de DBMS clássicos incluem Oracle, MySQL, Microsoft SQL Server e IBM DB2. Esses sistemas são amplamente utilizados em aplicações de negócios, como gerenciamento de estoque, gerenciamento de relacionamento com o cliente (CRM) e contabilidade financeira, entre outros. Uma das principais vantagens dos bancos de dados clássicos é a capacidade de lidar com grandes quantidades de dados estruturados de forma eficiente. Eles também são altamente confiáveis e seguros e podem fornecer ferramentas poderosas para análise e geração de relatórios de dados. No entanto, eles podem exigir um investimento inicial significativo em hardware e software e podem ser menos flexíveis do que as tecnologias de banco de dados mais recentes, como NoSQL e soluções de Big Data.

Bancos de dados quânticos: Um banco de dados quântico é um banco de dados que usa computação quântica para armazenar e recuperar dados. Em um banco de dados clássico, os dados são representados usando bits que podem estar em um dos dois estados (0 ou 1). No entanto, em um banco de dados quântico, os dados são representados usando bits quânticos, ou qubits, que podem existir em vários estados simultaneamente. O uso de qubits permite o potencial de executar certos tipos de operações muito mais rapidamente do que é possível com computadores clássicos, levando à possibilidade de operações de banco de dados mais eficientes e poderosas. Além disso, os bancos de dados quânticos também podem oferecer recursos de segurança aprimorados, pois as técnicas de criptografia quântica são inerentemente mais seguras do que as técnicas de criptografia clássicas. No entanto, é importante observar que os bancos de dados quânticos ainda são uma área de pesquisa em desenvolvimento e muitos desafios técnicos devem ser superados antes que possam ser amplamente implementados.

Vantagens dos bancos de dados quânticos: A principal vantagem dos bancos de dados quânticos sobre os bancos de dados clássicos é sua velocidade. Os bancos de dados quânticos podem realizar muitos cálculos simultaneamente, levando a acelerações significativas em relação aos bancos de dados clássicos. Essa propriedade é particularmente útil para aplicativos que exigem cálculos complexos, como análise de dados e aprendizado de máquina. Além disso, os bancos de dados quânticos podem realizar certos cálculos que são impossíveis para os bancos de dados clássicos. Por exemplo, bancos de dados quânticos podem realizar fatoração de grandes números em tempo polinomial, enquanto bancos de dados clássicos requerem tempo exponencial.

Vantagens dos bancos de dados clássicos: Algumas vantagens dos bancos de dados clássicos: Integridade dos dados, bancos de dados clássicos garantem a integridade dos dados por meio do uso de chaves primárias, chaves estrangeiras e outras restrições que mantêm o relacionamento entre tabelas diferentes. Isso significa que os dados são precisos, consistentes e confiáveis; Segurança, bancos de dados clássicos fornecem recursos de segurança robustos, como autenticação de usuário, controle de acesso baseado em função e criptografia. Isso garante que os dados confidenciais sejam protegidos contra acesso não autorizado e adulteração; Padronização, Bancos de dados clássicos usam uma linguagem de consulta padronizada (SQL) que é amplamente reconhecida e compreendida por desenvolvedores e administradores de banco de dados. Isso facilita o compartilhamento de dados entre diferentes sistemas e aplicativos e Confiabilidade, os bancos de dados clássicos são altamente confiáveis e podem se recuperar de falhas do sistema, corrupção de dados e outros problemas. Isso é obtido por meio de técnicas como backups e replicação. No geral, os bancos de dados clássicos fornecem uma tecnologia madura e comprovada que pode lidar com as necessidades de gerenciamento de dados mais exigentes.

Limitações dos bancos de dados quânticos: Apesar de suas vantagens, os bancos de dados quânticos também apresentam várias limitações. Uma das limitações mais significativas é sua suscetibilidade a erros. A computação quântica é um processo frágil e mesmo pequenas perturbações podem levar a erros na computação. Como resultado, os bancos de dados quânticos requerem mecanismos de correção de erros, que podem ser difíceis de implementar. Além disso, os bancos de dados quânticos ainda estão nos estágios iniciais de desenvolvimento e existem ferramentas e recursos limitados disponíveis para seu uso.

Conclusão: Os bancos de dados clássicos são uma realidade e são utilizados no mundo todo hoje com vários problemas relativos à segurança. Como cada vez mais temos maior volume de dados sendo armazenado cada dia que passa, temos por consequência o surgimento de BIG DATA. Nesse contexto os bancos de dados quânticos são uma aposta para o futuro. No entanto, os bancos de dados quânticos ainda estão nos estágios iniciais de desenvolvimento e ainda não são amplamente utilizados em aplicações práticas. Além disso, os bancos de dados quânticos exigem hardware e software especializados para operar, o que pode ser caro e difícil de implementar, incluindo sua suscetibilidade a erros e recursos limitados para seu uso. À medida que a tecnologia de computação quântica continua a se desenvolver, podemos esperar que os bancos de dados quânticos se tornem cada vez mais importantes em muitos campos, incluindo finanças, saúde e pesquisa científica. Em resumo, um banco de dados clássico é uma coleção de dados gerenciados usando tecnologias de computação tradicionais, enquanto um banco de dados quântico é um conceito teórico que usa os princípios da mecânica quântica para armazenar e manipular dados.

 

Referências:
“Quantum Databases” edited by Andreas Wichert and Christian Duta. This book provides an overview of the state-of-the-art research on quantum databases and includes contributions from experts in the field.
“Quantum Computing for Computer Scientists” by Noson S. Yanofsky and Mirco A. Mannucci. While not specifically focused on databases, this book covers the fundamentals of quantum computing and its potential applications in various fields, including databases.
“Quantum Information Science” by David Mermin. This book provides an introduction to the principles of quantum information science, including quantum computing and quantum cryptography, and their potential impact on various areas of science and technology, including databases.
“Database Systems: A Practical Approach to Design, Implementation, and Management” by Thomas Connolly and Carolyn Begg. This book provides a comprehensive overview of traditional database systems and their design and implementation. While not specifically focused on quantum databases, it may be useful as a point of comparison and to understand the differences between classical and quantum databases.
Quantum search without entanglement – Seth Lloyd – Phys. Rev. A 61, 010301(R) – Published 8 December 1999
PubChemQC Project: A Large-Scale First-Principles Electronic Structure Database for Data-Driven Chemistry – Maho Nakata*†Orcid – Model. 2017, 57, 6, 1300–1308 – Publication Date:May 8, 2017
Performing private database queries in a real-world environment using a quantum protocol – Philip Chan, Itzel Lucio-Martinez, Xiaofan Mo, Christoph Simon & Wolfgang Tittel – Scientific Reports volume 4, Article number: 5233 (2014) Cite this article
Quantum search of spatial regions – S. Aaronson University of California, Berkeley, USA A. Ambainis University of Latvia, Latvia – Published in: 44th Annual IEEE Symposium on Foundations of Computer Science, 2003. Proceedings
Circuit-Based Quantum Random Access Memory for Classical Data – Daniel K. Park, Francesco Petruccione & June-Koo Kevin Rhee – Scientific Reports volume 9, Article number: 3949 (2019) Cite this article
Quantum Physics Education Research over the Last Two Decades: A Bibliometric Analysis – by Philipp BitzenbauerORCID Physics Education, Department of Physics, Friedrich-Alexander-Universität Erlangen-Nürnberg, Staudtstr. 7, 91058 Erlangen, Germany – Educ. Sci. 2021, 11(11), 699; https://doi.org/10.3390/educsci11110699 – Received: 9 October 2021 / Revised: 28 October 2021 / Accepted: 29 October 2021 / Published: 1 November 2021
Is Machine Translation a Reliable Tool for Reading German Scientific Databases and Research Articles? – Sonia Zulfiqar, M. Farooq Wahab*, Muhammad Ilyas Sarwar, and Ingo Lieberwirth – Cite this: J. Chem. Inf. Model. 2018, 58, 11, 2214–2223 Publication Date:October 25, 2018 https://doi.org/10.1021/acs.jcim.8b00534

 

Autor:
José Alexandro Acha Gomes
Trabalha na Universidade Federal Fluminense – RJ
Pesquisador Autônomo

/0 Comentários/por
,

Cooperação em telecom, espaço e economia digital: os novos acordos entre Brasil e China

A viagem à China da comitiva brasileira liderada pelo presidente Lula resultou na assinatura de 15 acordos de cooperação bilateral. Na pauta da cadeia de TICs estão temas como 5G, infraestrutura para economia digital, tecnologias emergentes, semicondutores e setor espacial, além do intercâmbio de informações setoriais de telecom entre os dois países.

A lista de compromissos em TICs ficará a cargo de diferentes ministérios – como as pastas da Ciência, Tecnologia e Inovações (MCTI), do Desenvolvimento, Indústria e Comércio (MDIC) e das Comunicações (MCom). A extensa relação de acordos ainda passa por temas como cooperação industrial, agronegócio, comércio, finanças e comunicação social.

Na área de telecom, um memorando de entendimento cuja assinatura já fora anunciada pelo MCom foi o de intercâmbio de informações setoriais entre a pasta, a Anatel e o Ministério da Indústria e Tecnologia da China.

A troca de experiências sobre políticas públicas, regulamentos e padrões técnicos será o foco do acordo de cinco anos. Um dos pontos do compromisso prevê a comunicação e intercâmbio de pontos de vista sobre “questões chave de interesse comum” no âmbito da União Internacional de Telecomunicações (UIT), no G20 no bloco dos BRICS.

Tal intercâmbio deve passar por tecnologias de comunicação móvel, computação em nuvem e de borda, big data, IoT, energia fotovoltaica, inteligência artificial, software industrial, segurança e integridade de rede, universalização de serviços, testes, gerenciamento de espectro (com compartilhamento de informações relacionadas a itens da Conferência Mundial de Radiocomunicação, ou WRC), soluções para monitoramento e controle de satélites e capacitação, segundo o texto do acordo.

MCTI e MDIC

Em paralelo, um dos compromissos liderados pelo MCTI também versa diretamente sobre cooperação em tecnologias da informação e comunicação – mais uma vez ao lado do Ministério da Indústria e Tecnologia da Informação chinês.

Neste caso, espera-se que institutos de pesquisa e empresas de ambos os países atuem juntos no desenvolvimento de tecnologias 5G e de “próxima geração”, de semicondutores, de aplicações para Internet das Coisas, energia fotovoltaica, inteligência artificial, algoritmos, segurança cibernética e tecnologias quânticas. A estruturação de clusters e ecossistemas de inovação em TIC também está prevista no acordo de cinco anos.

Outra pasta a liderar iniciativa que passa diretamente por telecomunicações é o MDIC, que celebrou acordo para cooperação em investimentos na economia digital ao lado do Ministério do Comércio chinês. Desta vez, a construção de infraestrutura econômica digital deve ser um dos focos.

O escopo inclui redes de banda larga, de navegação de satélites, infraestrutura computacional (como centros de processamento de dados e computação em nuvem) e também a chamada “infraestrutura inteligente” – abrangendo inteligência artificial, big data, redes 5G, redes privativas e cidades inteligentes.

“As partes fortalecerão a cooperação em novos formatos e modelos de negócios [e] encorajarão seus setores privados a integrar tecnologias interativas inteligentes […] a atividades como manufatura avançada, circulação de mercadorias, transportes, negócios, finanças, educação e saúde, entre outras”, afirma o texto do acordo – que também prevê cooperação em treinamento e capacitação relativa a habilidades digitais.

Este não é o único dos 15 novos acordos a cargo do MDIC – que também atuará ao lado do Itamaraty (MRE) em um grupo de trabalho para facilitação do comércio com a China. A pasta ainda servirá de interface em um terceiro compromisso, focado especificamente na cooperação industrial (com destaque para mineração, energia, infraestrutura, logística, alta tecnologia e indústria agrícola).

Já a Ciência e Tecnologia ainda realizará uma cooperação focada em pesquisa e inovação com o Ministério da Ciência e Tecnologia chinês. Neste caso, as atividades científicas devem passar por nanotecnologia, energia limpa, inteligência artificial, biotecnologia, cidades inteligentes, novos materiais, TICs, indústria 4.0, saúde, tecnologia agrícola, mudanças climáticas e tecnologia espacial.

Espaço

A área espacial foi um dos destaques entre os compromissos firmados. Uma das novidades foi a assinatura de novo plano de cooperação espacial pela Agência Espacial Brasileira (AEB) e a Administração Espacial Nacional da China (CNSA), para o período entre 2023 e 2032.

Uma versão anterior do compromisso (para o intervalo 2013-2022) venceu em dezembro do ano passado. Até agora, um detalhamento do novo compromisso ainda não foi fornecido pelo Itamaraty; o conteúdo do plano ainda deverá ser negociado em maior profundidade pelos respectivos órgãos espaciais.

Já algo esperado pelo governo federal e agora sacramentado foi a assinatura de protocolo complementar para desenvolvimento conjunto do novo satélite de observação da Terra CBERS-6, a ser lançado em 2028.

A continuidade do programa manterá a divisão de 50% dos custos de desenvolvimento e financiamento para cada país. O módulo de serviço do artefato será fornecido e montado pelo Brasil. Já o módulo de carga útil do CBERS-6 será fornecido pela China, também responsável pelo lançamento do satélite (mas com divisão dos custos). Vale lembrar que Brasil e China cooperam em aplicações pacíficas para o espaço desde 1994.

Macroeconomia

O Ministério da Fazenda brasileiro e o Ministério das Finanças chinês ainda celebraram memorando de entendimento para fortalecer diálogo na área econômica em meio a uma dinâmica de crescimento global “desafiadora” e de “tendência negativa”, com vulnerabilidades maiores para emergentes em ambiente de taxa de política monetária mais alta.

Segundo o compromisso, Brasil e China aprofundarão cooperação na Trilha de Finanças do G20, com coordenação em questões de interesse comum como políticas macroeconômicas, dívida, segurança alimentar e energética, mudança climática, investimento em infraestrutura, finanças sustentáveis e também tributação global.

“A China aguarda com ansiedade a Presidência brasileira do G20 em 2024. As partes trabalharão para a coordenação de políticas macroeconômicas e cooperação financeira tangível no âmbito do BRICS, incluindo a implementação dos resultados financeiros alcançados durante a Presidência chinesa em 2022”, afirmou o texto do memorando. Bancos multilaterais de desenvolvimento (como o NDB, agora presidido por Dilma Rousseff) também devem fazer parte da equação.

Outros setores

A lista de compromissos firmados com a China ainda incluiu um plano de trabalho para certificação eletrônica de produtos de origem animal exportados pelo Brasil, em outra iniciativa relacionada com a digitalização da economia. Requisitos sanitários para proteínas importadas pela China também foram tema de acordo.

Um outro compromisso entre as nações mira a cooperação para combate à fome e à pobreza, tendo o Ministério do Desenvolvimento e Assistência Social, Família e Combate à Fome e o Ministério do Desenvolvimento Agrário e Agricultura Familiar como interfaces brasileiras.

A área da comunicação social também foi contemplada, seja com acordo para cooperação entre as agências públicas de notícias EBC e Xinhua e para coprodução televisiva entre os dois países. Neste último caso, a autoridade competente no Brasil será a Ancine. Já a Secretaria de Relações Institucionais brasileira firmou memorando com o Grupo de Mídia da China (CMG) para trocas e cooperação em conteúdos. Veja aqui a íntegra de todos os acordos divulgada pelo Itamaraty.

Fonte: Teletime

/0 Comentários/por
,

Cidades de São Paulo podem receber 5G, mas precisam atualizar leis

Região do interior de São Paulo já está está liberada pela Anatel para receber o sinal 5G, mas falta de atualização na legislação atrapalha.

Quatro cidades do estado de São Paulo estão aptas a receber o sinal 5G. Localizados na região de Piracicaba, os municípios tiveram a liberação de sinal pela Agência Nacional de Telecomunicações, a Anatel, mas ainda precisam fazer atualizações na legislação. Somente após isso os moradores das localidades poderão ter acesso a nova rede móvel.

Piracicaba, Santa Bárbara d’Oeste, Rio das Pedras e Saltinho são as cidades que ainda não atualizaram suas leis de antenas, segundo uma compilação realizada pela InvestSP, agência de promoção de investimentos do estado.

/0 Comentários/por
,

Nova Ceitec e prorrogação do Padis estimulam indústria nacional de semicondutores

Medidas anunciadas nos 100 primeiros dias de governo do MCTI marcam início do processo de atualização da política nacional para o setor
A busca pelo desenvolvimento da indústria nacional de semicondutores, setor estratégico para a agenda de reindustrialização do país, avançou com duas importantes medidas implementadas nos cem primeiros dias de governo do Ministério da Ciência, Tecnologia e Inovação (MCTI). As iniciativas marcam o início do processo de atualização da política nacional de semicondutores e um estímulo à indústria do setor.Na primeira ação, em fevereiro, a presidência da República instituiu um grupo de trabalho interministerial para estudar a reversão do processo de desestatização e liquidação do Centro Nacional de Tecnologia Eletrônica Avançada S.A (Ceitec). Vinculada ao MCTI, a Ceitec atua no desenvolvimento e na fabricação de semicondutores (chips).

Em outra iniciativa voltada, um decreto presidencial prorrogou o Programa de Apoio ao Desenvolvimento Tecnológico da Indústria de Semicondutores (Padis) até 31 de dezembro de 2026 e acrescentou novos itens à lista de insumos contemplados pelo programa. Com isso, passam a fazer parte do programa do MCTI peças e equipamentos usados na fabricação de painéis solares.

“É inconcebível que a gente desmonte aquilo que é a nata da inovação no mundo. Vamos definir claramente o papel e a missão da Ceitec para recompormos a política nacional de semicondutores, que é estratégica para a soberania nacional”, afirmou a ministra Luciana Santos.

A Ceitec é a única empresa na América Latina capaz de desenvolver um chip da concepção à aplicação final. A empresa projeta, fabrica e comercializa circuitos integrados para diferentes aplicações, desempenhando papel estratégico no desenvolvimento da indústria de microeletrônica do Brasil.

Durante o governo anterior, a Ceitec foi incluída no Programa de Parcerias e Investimentos para ser privatizada, e um decreto autorizou a sua liquidação em 2020. Agora, um grupo de trabalho coordenado pelo MCTI vai apresentar alternativas para reversão do processo de desestatização e liquidação da empresa.

 

Padis

A fabricação de chips no Brasil ganhou estímulo com o decreto, de 29 de março, que prorrogou o Padis até 2026. Além disso, incluiu componentes para a produção de painéis solares na lista de itens que poderão receber benefícios fiscais. A medida integra os esforços do governo de atualizar a política nacional de semicondutores.

“Com a redução de impostos aplicada a esses materiais, estimulamos a indústria nacional a fabricar as placas solares aqui no país em vez de importa-los”, explicou o secretário substituto de Ciência e Tecnologia para a Transformação Digital do MCTI, Henrique de Oliveira Miguel.

O benefício fiscal do Padis incide desde a implantação da fábrica até a comercialização do produto. Em contrapartida, as empresas têm que investir 5% do faturamento em atividades de pesquisa e desenvolvimento.

Fonte: ANATEL

/0 Comentários/por

As Novas Exigências da Lei de Licitações para as Empresas de Engenharia de Telecomunicações, Redes e Instalações.

/0 Comentários/por
,

Rede 4G LTE é implantada pelo CPQD para o Projeto SemeAr

Projeto SemeAr usa rede 4G LTE criada com tecnologia do CPQD em São Miguel Arcanjo, no interior de SP. Ação beneficia mais de 40 pequenos produtores.

A implantação da rede privativa 4G LTE no Distrito Agro Tecnológico (DAT) do Projeto SemeAr em São Miguel Arcanjo, no interior de São Paulo, vem trazendo benefícios para mais de 40 pequenos produtores rurais que participam dessa iniciativa.

Em operação desde julho do ano passado, o DAT de São Miguel Arcanjo tem as atividades coordenadas pelo CPQD em parceria pelo Projeto SemeAr, tendo como foco a transformação digital do agronegócio.

O CPQD definiu um plano de conectividade para essa área que envolve a integração de várias tecnologias de comunicação sem fio. Entre elas, uma rede privativa 4G LTE operando na frequência de 250 MHz, que foi implantada utilizando equipamentos da Trópico e a solução C2n, core de rede convergente 4G/5G desenvolvido pelo CPQD.

“O C2n é uma solução destinada a reduzir o custo total de propriedade (TCO) de projetos de redes privativas 4G e 5G, de modo a suprir a necessidade de conectividade de vários segmentos de mercado, entre eles o agronegócio”, afirma Tatiana Mesquita, responsável pelo marketing do C2n no CPQD. “É uma solução flexível, robusta e com custo compatível com a realidade do país”, acrescenta.

Em São Miguel Arcanjo, a rede privativa foi implantada em parceria com um provedor local de internet, adotando uma arquitetura híbrida que integra as tecnologias 4G LTE e Wi-Fi. Com a conectividade, um grupo de 43 produtores rurais de pequeno porte passou a ter acesso a serviços e soluções digitais oferecidos por empresas e startups

Outro benefício trazido pela conectividade proporcionada pela rede privativa 4G está no uso de sensoriamento associado a maquinário de alto valor agregado. “O sensoriamento de tratores possibilita o compartilhamento desses equipamentos, até então inacessíveis ao pequeno e médio produtor rural”, observa Tatiana. “Além disso, a partir da coleta online de dados de localização dos tratores, é possível planejar melhor o trajeto a ser percorrido por essas máquinas, o que melhora a logística e ainda permite reduzir o consumo de combustível”, completa.

O Projeto SemeAr conta com recursos do Fundo para o Desenvolvimento Tecnológico das Telecomunicações (FUNTTEL), gerenciados pela Finep. A iniciativa vem sendo conduzida pelo CPQD em parceria com a EMBRAPA, Instituto Agronômico de Campinas (IAC), Instituto de Economia Agrícola (IEA), entre outras instituições. (Com assessoria de imprensa)

/0 Comentários/por
,

Novos modelos de negócios procuram democratizar acesso via Wi-Fi

A digitalização e a necessidade de reduzir o gap digital na população mundial tem acelerado a importância de uso democrático das redes, em especial pelo Wi-Fi. As operadoras de conectividade têm apostado em desenvolver novos modelos de negócios que tragam o acesso democrático às redes e obtendo lucros.

O Mobile Time conversou recentemente com dois projetos (Nomad Wi-Fi e Investools) que possuem esse cunho social do Wi-Fi por trás das suas estratégias de conectividade, desenvolvimento de redes e negócios. Além de ouvir a Qualcomm para entender a viabilidade comercial dessas iniciativas, ante os avanços da tecnologia e as necessidades de usuários e empresas.

Cenário

Com 2,2 bilhões da população sem acesso à Internet, segundo a Unicef, diminuir o gap digital se torna vital, em especial com a aceleração da digitalização em educação a partir da pandemia do novo coronavírus. Ainda de acordo com a Unicef, ao mesmo tempo que 90% dos ministérios da Educação adotaram projetos digitais ao redor do mundo, 617 milhões de crianças falharam em ter o mínimo de proficiência em matemática e leitura.

Blockchain

Um dos exemplos para combater a lacuna é o projeto Giga, uma iniciativa da Unicef junto à ITU para levar conexão às escolas de todo mundo. Recentemente, a startup carioca Investools foi uma das escolhidas para um projeto piloto do Giga na América Latina. Após meio ano de avaliações e disputa direta com mais de 350 empresas do mundo tudo, a Investools ganhou a chancela da organização e recebeu US$ 100 mil para desenvolver os testes.

A companhia criará uma rede baseada em blockchain e smartcontracts para levar conectividade às escolas brasileiras por meio de acordos entre ISPs e secretarias de Educação pelo Brasil afora. Por meio de um marketplace, o ISP escolhe a escola que deseja conectar, em contrapartida, a operadora recebe benefícios da Unicef e tokens que podem ser trocados por produtos para sua operação, como veiculação em grandes mídias.

“O marketplace ainda vai ser desenvolvido. O caso que temos hoje é o Gov.Token, no qual nos baseamos para o projeto do Giga Token”, disse. O mapeamento das escolas que precisam de conectividade é baseado no Nic.br. “A tecnologia (fibra, rede Wi-Fi, 5G com FWA) tanto faz. Não temos restrição da tecnologia de conectividade. O grande fator é a forma como a conectividade é entregue”, disse David Gibbin, CEO e fundador da Investools.

“O diferencial nosso é a expertise em Blockchain e entregar projetos públicos, mais a experiência do mercado financeiro”, completou, ao lembrar que sua empresa trabalha em outras frentes, como o BNDES Token. “Ao mesmo tempo que entregamos a tecnologia, conseguimos dar um retorno social e ter um impacto relevante”, finalizou.

Wi-Fi público em todo lugar

Em outro modelo de Wi-Fi público, a Akross planeja uma rede Wi-Fi em parceria com operadoras e ISPs. Batizada como Nomad Wi-Fi, a ideia é utilizar os pontos de redes de clientes comerciais de provedores de conectividade para criar uma segunda camada no equipamento (SSID) e com ela criar uma rede sem fio para o público.

“Tem um modelo freemium baseado em vários formatos como adbase, revenue share, subscription e voucher. Nós queremos conectar todo mundo em todo lugar e todo momento”, disse Roman Romancini, CEO da Akross. “O que falta é somar as pecinhas e conectá-las. Pegar dinheiro de fundos para abrir o Wi-Fi. Esse é o nosso papel”, completou.

Romancini compara a criação dessa rede pública da Akross com o movimento que as redes neutras trouxeram ao mercado, de “coopetição” entre os players do mercado. E enfatizou que a ideia não é ser um rival das redes móveis, mas um complemento.

Complementos e sinergias

Hamilton Mattias, diretor de produtos da Qualcomm, também acredita que a rede Wi-Fi é um complemento da rede móvel. Inclusive para adoção em meios públicos e objetivos sociais, como escolas, sendo que a rede Wi-Fi é conectada a fibra ótica, por exemplo. Contudo, cada tecnologia uma tem uma aplicação certa.

“As tecnologias são complementares. Não tem um único propósito. Fibra e 5G, cada uma tem seu espaço. A questão de distância é para cobertura mais restrita, 5G é WAN e Wi-Fi é LAN. Se você tem uma densidade grande em uma cidade, vale a pena colocar fibra ótica e Wi-Fi. Se a densidade é baixa, não vale o Wi-Fi, aí entra o FWA”, explicou Mattias. “Outro exemplo, no Carnaval ou Loopalooza, o ideal é o uso do FWA. E quando você precisa de um backup por causa de rompimento de fibra, o 5G serve para isso”, exemplificou.

Por outro lado, o executivo da Qualcomm não vê grandes mudanças nos modelos de negócios, mesmo ao falar de Wi-Fi com cunho social. Deu como exemplo o roaming em Wi-Fi e os modelos freemium, com troca de publicidade (vídeo, serviços pagos, fees pagos, retenção de clientes) em troca de acesso à rede: “Tem inúmeros modelos de negócios permitidos no Wi-Fi. Mas não veremos nada disruptivo. O ponto principal é que sempre terá a tecnologia”, complementou.

Fonte : Mobile Time

/0 Comentários/por