Peneliti Google telah menemukan teknik baru yang akhirnya dapat membuat komputasi kuantum praktis di kehidupan nyata, menggunakan kecerdasan buatan untuk menyelesaikan salah satu tantangan paling persisten dalam sains: keadaan yang lebih stabil.
Dalam sebuah makalah penelitian yang diterbitkan di Nature, ilmuwan Google Deepmind menjelaskan bahwa sistem AI baru mereka, AlphaQubit, telah terbukti sangat sukses dalam memperbaiki kesalahan persisten yang telah lama mengganggu komputer kuantum.
"Komputer kuantum memiliki potensi untuk merevolusi penemuan obat, desain material, dan fisika dasar—itu jika kita bisa membuatnya berfungsi dengan andal," bunyi pengumuman Google. Namun, tidak ada yang sempurna: sistem kuantum sangat rapuh. Bahkan interferensi lingkungan terkecil—dari panas, getaran, medan elektromagnetik, atau bahkan sinar kosmik—dapat mengganggu keadaan kuantum mereka yang halus, menyebabkan kesalahan yang membuat perhitungan tidak dapat diandalkan.
Sebuah makalah penelitian bulan Maret menyoroti tantangannya: komputer kuantum membutuhkan tingkat kesalahan hanya satu dalam triliun operasi (10^-12) untuk penggunaan praktis. Namun, perangkat keras saat ini memiliki tingkat kesalahan antara 10^-3 dan 10^-2 per operasi, menjadikan koreksi kesalahan sangat penting.
"Masalah tertentu, yang akan memakan waktu miliaran tahun untuk diselesaikan oleh komputer konvensional, hanya akan memakan waktu beberapa jam untuk diselesaikan oleh komputer kuantum," kata Google. "Namun, prosesor baru ini lebih rentan terhadap noise dibandingkan yang konvensional."
"Jika kita ingin membuat komputer kuantum lebih andal, terutama dalam skala besar, kita perlu secara akurat mengidentifikasi dan memperbaiki kesalahan ini."
Sistem AI baru Google, AlphaQubit, ingin mengatasi masalah ini. Sistem AI ini menggunakan arsitektur jaringan saraf yang canggih yang telah menunjukkan akurasi yang belum pernah terjadi sebelumnya dalam mengidentifikasi dan memperbaiki kesalahan kuantum, menunjukkan 6% lebih sedikit kesalahan dibandingkan metode terbaik sebelumnya dalam eksperimen berskala besar dan 30% lebih sedikit kesalahan dibandingkan teknik tradisional.
Ini juga mempertahankan akurasi tinggi di seluruh sistem kuantum yang berkisar dari 17 qubit hingga 241 qubit—yang menunjukkan bahwa pendekatan ini dapat diskalakan ke sistem yang lebih besar yang dibutuhkan untuk komputasi kuantum praktis.
Di Balik Layar
AlphaQubit menerapkan pendekatan dua tahap untuk mencapai akurasi tinggi.
Sistem ini pertama-tama dilatih pada data noise kuantum simulasi, mempelajari pola umum kesalahan kuantum, kemudian beradaptasi dengan perangkat keras kuantum nyata menggunakan jumlah data eksperimen yang terbatas.
Pendekatan ini memungkinkan AlphaQubit untuk menangani efek noise kuantum yang kompleks di dunia nyata, termasuk cross-talk antar qubit, kebocoran (ketika qubit keluar dari keadaan komputasinya), dan korelasi halus antara berbagai jenis kesalahan.
Tapi jangan terlalu bersemangat; Anda tidak akan memiliki komputer kuantum di garasi Anda segera.
Meskipun akurasinya, AlphaQubit masih menghadapi hambatan signifikan sebelum implementasi praktis. "Setiap pemeriksaan konsistensi dalam prosesor kuantum superkonduktor cepat diukur satu juta kali setiap detik," catat para peneliti. "Sementara AlphaQubit sangat baik dalam mengidentifikasi kesalahan secara akurat, ia masih terlalu lambat untuk memperbaiki kesalahan dalam prosesor superkonduktor secara real-time."
"Pelatihan pada jarak kode yang lebih besar lebih menantang karena contoh-contohnya lebih kompleks, dan efisiensi sampel tampak lebih rendah pada jarak yang lebih besar," kata juru bicara Deepmind kepada Decrypt, " Ini penting karena tingkat kesalahan meningkat secara eksponensial dengan jarak kode, jadi kami berharap perlu menyelesaikan jarak yang lebih besar untuk mendapatkan tingkat kesalahan ultra-rendah yang dibutuhkan untuk komputasi toleran kesalahan pada sirkuit kuantum yang besar dan dalam.
Para peneliti fokus pada optimisasi kecepatan, skalabilitas, dan integrasi sebagai area kritis untuk pengembangan di masa depan.
AI dan komputasi kuantum membentuk hubungan sinergis, meningkatkan potensi satu sama lain. "Kami berharap AI/ML dan komputasi kuantum akan tetap menjadi pendekatan komplementer untuk komputasi. AI dapat diterapkan di area lain untuk mendukung pengembangan komputer kuantum toleran kesalahan, seperti kalibrasi dan kompilasi atau desain algoritma," kata juru bicara kepada Decrypt, "pada saat yang sama, orang-orang sedang meneliti aplikasi ML kuantum untuk data kuantum, dan yang lebih spekulatif, untuk algoritma ML kuantum pada data klasik.
Konvergensi ini mungkin mewakili titik balik krusial dalam ilmu komputer. Ketika komputer kuantum menjadi lebih andal melalui koreksi kesalahan yang dibantu AI, mereka dapat, pada gilirannya, membantu mengembangkan sistem AI yang lebih canggih, menciptakan umpan balik yang kuat dari kemajuan teknologi.
Era komputasi kuantum praktis, yang lama dijanjikan tetapi tidak pernah terealisasi, mungkin akhirnya lebih dekat—meskipun belum cukup dekat untuk mulai khawatir tentang kiamat cyborg.
Diedit oleh Sebastian Sinclair