Perhitungan kuantum bukanlah bersaing dengan AI·HPC, melainkan saling menggabungkan... Kunci untuk menjadi umum terletak pada perangkat lunak

Ada analisis menunjukkan bahwa komputasi kuantum, kecerdasan buatan, dan komputasi berkinerja tinggi (HPC) bukanlah kompetisi “nol-angka” yang saling bersaing untuk mendapatkan posisi, melainkan menjadi “pelengkap” yang dapat memberikan kinerja maksimal saat digunakan bersama-sama. Namun, secara umum industri menganggap bahwa lingkungan pengembangan masih berada pada tahap awal, dan untuk menyebarkan teknologi kuantum serta meningkatkan aksesibilitas perangkat lunak dianggap sebagai isu inti.

Dalam acara HPE World Quantum Day dan wawancara dengan theCUBE, Dave Bellante mendiagnosis bahwa menggabungkan CPU, GPU, dan prosesor kuantum (QPU) untuk menyelesaikan masalah yang sebelumnya sulit dipecahkan akan menjadi inti inovasi teknologi generasi berikutnya. Paul Gillin juga menekankan bahwa saat ini pengembangan perangkat lunak komputasi kuantum hampir berada pada tahap “primitif”, dan diperlukan lingkungan pengembangan standar yang mudah digunakan oleh siapa saja, seperti “Python kuantum”.

Peran sebagai “percepatan” yang mendukung pekerjaan superkomputer saat ini

Para ahli berpendapat bahwa efek jangka pendek dari komputasi kuantum bukanlah untuk menggantikan alur kerja yang ada, melainkan lebih kepada berfungsi sebagai “percepatan” yang mampu menjalankan sebagian perhitungan yang diproses oleh superkomputer dengan lebih cepat. Tom Beck dari Oak Ridge National Laboratory menjelaskan bahwa menghubungkan komputer kuantum dengan HPC, sebagian perhitungan dilakukan oleh sistem yang ada, sementara bidang kuantum yang paling kompleks ditangani oleh perangkat kuantum, merupakan jalur yang realistis.

Kuncinya terletak pada kecepatan dan efisiensi transmisi informasi antar kedua sistem ini. Artinya, komputasi kuantum tidak akan langsung mengubah semua lingkungan komputasi, melainkan lebih mungkin masuk ke bidang aplikasi perusahaan sebagai bagian dari arsitektur komputasi hibrid yang secara tepat menangani masalah tertentu.

Laboratorium Nasional Argonne juga berupaya mengintegrasikan komputasi kuantum ke dalam proses penelitian nyata di bidang kimia dan ilmu material. Laura Schultz menjelaskan bahwa dalam lingkungan HPC tradisional, fenomena mekanika kuantum harus disimulasikan, sementara komputasi kuantum dapat menangani masalah ini secara lebih langsung. Strukturnya adalah: perangkat kuantum bertanggung jawab atas bagian tertentu dari perhitungan, kemudian hasilnya dikirim kembali ke sistem simulasi berbasis superkomputer untuk menyelesaikan bagian lainnya.

Hambatan penyebaran bukan pada perangkat keras, melainkan pada “rekayasa” dan tumpukan perangkat lunak

Dalam menangani masalah besar dan kompleks seperti pelacakan perilaku neutrino, komputasi kuantum memiliki potensi melampaui superkomputer saat ini. Potensi aplikasi bisnisnya, seperti optimisasi logistik atau pengembangan obat baru, juga sering disebutkan. Namun, karena batasan fisik dan tantangan rekayasa, kecepatan penyebarannya lebih lambat dari yang diperkirakan.

Kristy Beck dari Lawrence Livermore National Laboratory menunjukkan bahwa dalam masalah kimia yang mendasari interaksi obat, efek kuantum diperkirakan signifikan, tetapi masalahnya terlalu kompleks, sehingga hasil komersialnya mungkin muncul lebih lambat daripada di bidang logistik.

Amir Shehata dari Oak Ridge National Laboratory menjelaskan bahwa untuk meningkatkan aksesibilitas teknologi kuantum, seluruh tumpukan teknologi harus didesain ulang. Terutama, qubit memiliki kondisi operasi yang sangat berbeda tergantung pada hardware-nya. Metode superkonduktor memiliki umur yang pendek dan cepat menurun, membutuhkan kontrol waktu yang sangat presisi; sedangkan metode atom netral memiliki batasan lain. Ini berarti, perangkat lunak kuantum akhirnya harus mampu mengakomodasi semua kebutuhan hardware ini.

Dia menambahkan bahwa infrastruktur perangkat lunak kuantum baru mungkin tidak hanya terdiri dari teknologi yang benar-benar baru, melainkan juga akan mengadopsi bentuk yang dapat menggunakan sumber daya komputasi yang sudah dikenal, seperti GPU. Ini menunjukkan bahwa penyebaran komputasi kuantum mungkin akan mengikuti jalur yang terhubung dengan ekosistem AI-HPC yang sudah ada, bukan jalan terpisah.

Kunci terletak pada “kapan dan tugas apa yang harus diserahkan ke prosesor kuantum”

Ada juga penilaian bahwa nilai sebenarnya dari komputasi kuantum bukanlah untuk menyelesaikan semua masalah, melainkan untuk menugaskan tugas komputasi yang paling sesuai pada waktu terbaik. Berkat sifat superposisi dan keterikatan, qubit dapat menunjukkan keunggulan dalam menyelesaikan masalah matematika kompleks yang membutuhkan pemeriksaan berbagai solusi secara bersamaan.

Mikael Johansson dari Pusat Teknologi Informasi Ilmu Pengetahuan Finlandia CSC, menggunakan contoh “transisi hijau”, menunjukkan bahwa komputasi kuantum dapat berperan penting dalam mengembangkan katalis yang lebih baik, baterai generasi berikutnya, dan magnet. Ini berarti bahwa dalam industri energi dan pengembangan bahan canggih, ruang aplikasi teknologi kuantum sangat besar.

Namun, Dieter Kranzlmüller dari Leibniz Supercomputing Centre Jerman membatasi harapan, dan berpendapat bahwa komputer kuantum tidak akan menggantikan superkomputer. Ia menjelaskan bahwa yang lebih realistis adalah membangun struktur terintegrasi, di mana sistem secara otomatis mengklasifikasikan tugas, mengirimkan beberapa perhitungan ke superkomputer, dan yang lainnya ke komputer kuantum.

Pusat Superkomputer Pawsey di Perth, Australia, juga menjalankan proyek “Setonix-Q” untuk memungkinkan peneliti melakukan eksperimen mekanika kuantum. Pascal Elahi menyatakan bahwa tujuannya tidak hanya untuk peneliti kuantum, tetapi juga untuk memperluas akses bagi pengguna yang ingin menyelesaikan masalah nyata.

Meskipun komputasi kuantum belum mencapai tahap penyebaran luas, ia berkembang dengan cepat melalui integrasi dengan AI dan HPC, bukan sebagai pengganti. Pada akhirnya, titik balik pasar mungkin tidak terletak pada perangkat keras yang lebih kuat, melainkan pada kemampuan membangun lingkungan perangkat lunak dan infrastruktur integrasi yang memungkinkan lebih banyak pengembang dan peneliti menggunakannya dengan mudah.