Apakah Komputasi Kuantum Memiliki Kasus Penggunaan Dunia Nyata Pertama?

Quantum, AI & Photonics: Revolusi Komputasi Baru

Computing and information technologies are undergoing several technological revolutions at once: the rise of AI, the emergence of quantum computing, and the turn to photonics to overcome the limitations of classic silicon computing.

Sejauh ini, masing‑masing sektor baru ini sebagian besar bekerja dalam silo terpisah: pelatihan dan komputasi AI dilakukan pada chip silikon klasik, komputasi kuantum berupaya meningkatkan teknologinya hingga menemukan penggunaan praktis, dan teknologi fotonik masih bereksperimen dengan desain dan aplikasi.

Mungkin tidak mengherankan, bahwa dengan menggabungkan bidang‑bidang ini bersama‑sama muncul kemungkinan baru. Tampaknya komputasi kuantum baru saja menemukan kasus penggunaan praktis, dan bahkan tidak memerlukan perbaikan lebih lanjut sebelum menjadi berguna.

Peneliti di Vienna Center for Quantum Science and Technology (VCQ) (Austria), Politecnico di Milano (Italia), Consiglio Nazionale delle Ricerche (IFN-CNR) (Italia), dan perusahaan Quantinuum (Inggris) menemukan bahwa komputer kuantum yang ada dapat mengungguli komputer klasik dalam pelatihan AI, menggunakan prosesor fotonik.

Mereka mempublikasikan hasil mereka di Nature Photonics¹, dengan judul “Experimental quantum-enhanced kernel-based machine learning on a photonic processor”.

Mengapa Pelatihan AI dan Komputasi Kuantum Menghadapi Batasan

Biaya dan Permintaan Energi Pelatihan AI yang Melonjak

Baru‑baru ini, teknologi AI telah membuat kemajuan luar biasa. Namun hal ini hanya tercapai melalui penggunaan daya komputasi yang luar biasa besar, menghabiskan puluhan miliar dolar untuk chip dan listrik.

Tentu saja, beberapa kemajuan dapat dicapai dalam efisiensi, seperti yang ditunjukkan oleh DeepSeek AI yang dilatih dengan biaya ultra‑rendah baik dalam komputasi maupun uang, mengalahkan pesaing Baratnya dengan selisih satu orde besaran. Namun pada akhirnya, perbaikan perangkat lunak hanya dapat membantu sejauh itu dalam membuat pelatihan AI kurang intensif komputasi dan energi.

Tantangan Skalabilitas dan Kebisingan pada Komputasi Kuantum

Sementara itu, komputasi kuantum adalah teknologi yang menjanjikan, namun hingga kini masih menderita cacat fatal. Keadaan materi yang sangat rapuh yang harus dipertahankan agar komputasi kuantum berfungsi membuatnya mahal dan tidak terlalu skalabel.

Ini juga berarti bahwa hasil yang diperoleh “berisik”, dengan kesalahan reguler, penundaan, dan hasil yang tidak dapat diandalkan.

Di sini juga, inovasi dapat berarti bahwa baik jaringan komputer kuantum yang lebih kecil atau arsitektur desain perangkat keras baru, menggunakan keadaan materi baru yang disebut topokonduktor, memungkinkan skalabilitas, dapat menyelesaikan masalah.

Sampai hal ini dikonfirmasi, hal tersebut tetap menimbulkan pertanyaan tentang relevansi komputasi kuantum, yang masih merupakan teknologi yang mencari kasus penggunaan praktis yang masuk akal secara ekonomi.

Metode Kernel yang Ditingkatkan Kuantum untuk AI

Bagaimana Kernel Kuantum Menambahkan Kekuatan Dimensional pada Pembelajaran Mesin

Metode kernel adalah alat yang banyak digunakan dalam pembelajaran mesin, dan menggunakan metode matematis untuk menambah dimensi pada dataset guna identifikasi pola tersembunyi yang lebih baik.

Sumber: MDPI

Ini, tentu saja, melibatkan matematika yang cukup kompleks, yang sebagian besar hanya dapat dipahami oleh sejumlah kecil spesialis yang sudah bekerja di bidang ini. Anda dapat melihat representasi visual cara kerjanya dalam video ini:

Dan perhitungan kompleks semacam itu dapat menjadi cocok sempurna untuk kapasitas unik komputer kuantum.

Prosesor Fotonik Bertemu Kernel Kuantum untuk AI

Prosesor fotonik terintegrasi, yang dibuat melalui penulisan laser femtosekon pada substrat kaca borosilikat, digunakan dalam percobaan ini untuk mengkodekan data ke dalam keadaan yang dapat diproses oleh komputer kuantum.

Sumber: Nature Photonics

Dengan cara ini, kernel yang menampilkan interferensi kuantum digunakan untuk perhitungan dan dibandingkan dengan metode klasik.

Sumber: Nature Photonics

Hasil Eksperimen: Kernel Kuantum vs. Kernel Klasik

Para ilmuwan menguji empat ukuran dataset yang berbeda, berkisar antara 40 hingga 100 titik data, di mana kernel kuantum (berwarna biru) dibandingkan dengan kernel klasik (berwarna oranye).

Sumber: Nature Photonics

Dalam kedua percobaan, kernel kuantum tampil lebih baik daripada kernel komputasi klasik.

“Kami menemukan bahwa untuk tugas tertentu algoritma kami membuat lebih sedikit kesalahan dibandingkan dengan rekan klasiknya.”

Philip Walther – Professor at the University of Vienna.

Langkah Selanjutnya Menuju Pelatihan AI Kuantum di Dunia Nyata

Berpindah dari Demo ke Produksi: Pelatihan AI Kuantum

Percobaan ini menunjukkan bahwa komputer kuantum, yang ada saat ini, dapat mengungguli komputer klasik dalam tugas yang umum digunakan dalam pelatihan jaringan saraf.

Ini merupakan hal penting karena hingga kini, diasumsikan bahwa hanya komputer kuantum yang lebih dapat diandalkan yang dapat digunakan untuk jenis aplikasi ini. Sekarang setelah terbukti secara eksperimental bahwa hal itu tidak benar, langkah selanjutnya adalah melakukan bahkan percobaan terbatas pelatihan AI dunia nyata dengan teknologi tersebut.

Untuk ini, algoritma baru yang terinspirasi oleh arsitektur kuantum dapat dirancang, mencapai kinerja yang lebih baik.

“Ini menyiratkan bahwa komputer kuantum yang ada dapat menunjukkan kinerja yang baik tanpa harus melampaui teknologi mutakhir”

Zhenghao Yin – PhD Student at the University of Vienna.

Bagaimana Quantum-Photonics Mengurangi Penggunaan Energi AI

Platform fotonik dapat menghasilkan output komputasi yang sama atau lebih unggul dengan konsumsi energi yang jauh lebih rendah. Karena energi semakin menjadi kendala utama industri AI, lebih dari kapasitas komputasi atau inovasi, hal ini dapat membuat penemuan komputer kuantum-fotonik menjadi sangat penting.

“Ini dapat menjadi krusial di masa depan, mengingat algoritma pembelajaran mesin menjadi tidak layak karena permintaan energi yang terlalu tinggi”.

Iris Agresti – PhD Student at the University of Vienna.

 Trapped-Ion vs. Teknologi Kuantum Superkonduktor: Apa Selanjutnya?

Hal ini dapat memiliki konsekuensi penting bagi arah industri komputasi kuantum.

Sejauh ini, bidang ini terbagi antara teknologi trapped-ion, yang memiliki keandalan tinggi tetapi kapasitas komputasi kuantum (qubit) per perangkat rendah, versus desain yang lebih kompleks yang mengandalkan superkonduktivitas, yang sejauh ini sangat berisik, namun lebih mungkin pada akhirnya dapat diskalakan ke volume qubit yang besar.

Penelitian ini dihasilkan dalam kemitraan yang sangat dekat dengan Quantinuum, dengan 4 dari 12 ilmuwan dalam artikel tersebut bekerja di perusahaan ini. Sebagai spesialis teknologi trapped-ion, masuk akal bagi Quantinuum untuk mencari situasi di mana jumlah qubit yang rendah pada komputernya sudah dapat menjalankan kasus bisnis yang relevan.

Jika hal ini terbukti benar, hal itu dapat menjadikan perusahaan sebagai penyedia utama kapasitas komputasi bagi industri AI, mungkin meniru setidaknya sebagian pencapaian Nvidia’s (NVDA ) achievements.

Berinvestasi dalam Komputasi Kuantum

Honeywell / Quantinuum

Quantinuum adalah hasil penggabungan Honeywell Quantum Solutions dan Cambridge Quantum.

Honeywell tetap menjadi pemegang saham mayoritas perusahaan (kemungkinan 52% kepemilikan) setelah putaran penggalangan dana yang menilai perusahaan sebesar $5B. Pendiri Ilyas Khan dilaporkan memiliki sekitar 20% perusahaan. Pemegang saham lainnya termasuk JSR Corporation, Mitsui, Amgen, IBM, dan JP Morgan.

IPO potensial Quantinuum di masa depan, mungkin sebagai bagian dari restrukturisasi korporasi yang lebih besar, diperkirakan bernilai hingga $20B dan mungkin terjadi antara 2026 hingga 2027.

Komputasi kuantum bukan bagian utama bisnis Honeywell, yang lebih berfokus pada produk di bidang dirgantara, otomasi, serta bahan kimia & material khusus.

Setiap domain ini mungkin, bagaimanapun, mendapat manfaat dari komputasi kuantum, terutama kimia komputasional dan keamanan siber kuantum, yang berpotensi memberi Honeywell keunggulan dibandingkan pesaingnya.

Model utama perusahaan saat ini adalah H2, chip trapped-ion 56 qubit, dengan fidelitas gerbang dua-qubit sebesar 99,895%.

Perusahaan telah mengejar komputasi berkualitas tinggi dengan sangat sedikit kesalahan lebih dari sekadar menambah sebanyak mungkin qubit, menciptakan apa yang disebut “komputasi kuantum toleran terhadap kesalahan”.

Pendekatan ini dilabeli oleh perusahaan sebagai “Qubit lebih baik, hasil lebih baik”, dengan jumlah qubit serupa menghasilkan hasil yang 100‑1.000 kali lebih dapat diandalkan.

Sumber: Quantinuum

Hal ini secara khusus dapat membuat perbedaan dalam kriptografi tahan kuantum yang sangat dibutuhkan, dengan perusahaan pertahanan Thales (HO.PA -0.96%) yang sudah berkolaborasi dengan Quantinuum serta bank internasionals HSBC dan JP Morgan.

Quantinuum juga menawarkan kimia komputasional kuantum proprieternya InQuanto, dapat digunakan untuk farmasi, ilmu material, kimia, energi, dan aplikasi dirgantara.

Seperti banyak perusahaan komputasi kuantum lainnya, Quantinuum menawarkan Helios, sebuah “hardware-as-a-service”, memungkinkan pengguna memanfaatkan komputasi kuantum tanpa harus menangani kompleksitas mengoperasikan sistem tersebut sendiri.

Quantinuum menandatangani pada November 2024 kemitraan dengan Infineon Jerman, produsen semikonduktor terbesar di Eropa. Infineon akan membawa teknologi fotonik terintegrasi dan elektronik kontrolnya untuk membantu menciptakan generasi berikutnya dari komputer kuantum trapped-ion.

Seiring fotonik terintegrasi semakin mendekati kasus penggunaan praktis, kini menjadi jelas betapa pentingnya kemitraan ini bagi masa depan Quantinuum. Pada titik ini, tampaknya langkah selanjutnya bagi perusahaan adalah merilis chip fotonik-kuantum pertama di dunia yang berfokus pada AI.

Dalam beberapa bulan mendatang, Quantinuum akan membagikan hasil dari kolaborasi yang sedang berlangsung, menampilkan potensi terobosan dari kemajuan berbasis kuantum dalam AI Generatif.

Kemampuan Gen QAI yang inovatif akan meningkatkan dan mempercepat penggunaan Kerangka Organik Logam untuk pengiriman obat, membuka jalan bagi opsi perawatan yang lebih efisien dan dipersonalisasi, dengan detail yang akan diungkap pada peluncuran Helios.

Quantinuum Mengumumkan Terobosan AI Kuantum Generatif dengan Potensi Komersial Besar

Pengumuman dalam publikasi ini merupakan bagian dari rangkaian berita terkait kemajuan cepat hubungan AI‑komputasi kuantum yang dibuat di Quantinuum.

Lebih banyak kasus penggunaan yang sedang berlangsung dapat secara kuat meningkatkan nilai masa depan perusahaan, dan dengan demikian, posisi Honeywell di dalamnya serta potensi keuntungan yang dapat diperoleh investor darinya.

Berita dan Perkembangan Saham Honeywell / Quantinuum (HON) Terbaru

Studi yang Dirujuk

^{1. Yin, Z., Agresti, I., de Felice, G. et al. Experimental quantum-enhanced kernel-based machine learning on a photonic processor. Nature Photonics. (2025). https://doi.org/10.1038/s41566-025-01682-5}