IBM memperkenalkan rancangan arsitektur baru yang bertujuan menggabungkan komputasi kuantum dengan sistem superkomputer modern. Langkah ini menjadi bagian dari upaya mempercepat pemanfaatan komputer kuantum dalam penelitian ilmiah nyata, khususnya pada simulasi kimia, material, dan penemuan obat.
Rancangan tersebut menawarkan panduan teknis bagi pusat komputasi berkinerja tinggi atau high performance computing (HPC) agar dapat mengintegrasikan prosesor kuantum ke dalam infrastruktur yang sudah ada. Dengan pendekatan ini, organisasi penelitian tidak perlu mengganti sistem secara total. Komputer kuantum dapat ditambahkan sebagai komponen baru yang bekerja bersama CPU dan GPU dalam satu alur komputasi terpadu.
Gagasan ini sebenarnya sudah lama dibicarakan dalam dunia sains. Fisikawan legendaris Richard Feynman pernah menyatakan bahwa untuk mensimulasikan alam secara akurat, komputer harus bekerja mengikuti hukum mekanika kuantum. Komputer klasik yang digunakan saat ini memproses informasi dalam bentuk bit biner, sedangkan fenomena alam seperti interaksi atom dan molekul mengikuti aturan fisika kuantum yang jauh lebih kompleks.
Karena perbedaan ini, simulasi sistem kimia besar sering kali menjadi sangat sulit dilakukan oleh komputer tradisional. Banyak perhitungan membutuhkan sumber daya komputasi yang meningkat secara eksponensial seiring bertambahnya ukuran molekul yang dianalisis.
Komputer kuantum dirancang untuk menangani masalah tersebut secara lebih alami. Sistem ini menggunakan qubit dan rangkaian kuantum yang mampu merepresentasikan perilaku atom dan molekul secara lebih langsung. Namun teknologi ini masih menghadapi sejumlah tantangan, terutama terkait stabilitas dan kesalahan perhitungan.
Untuk mengatasi keterbatasan tersebut, pendekatan terbaru yang dikembangkan IBM menekankan kerja sama antara sistem kuantum dan komputer klasik. Model ini disebut sebagai quantum centric supercomputing, yaitu sistem komputasi hybrid di mana beberapa bagian perhitungan dijalankan di prosesor kuantum, sementara bagian lain diproses oleh CPU atau GPU.
Dalam praktiknya, GPU dapat membantu mengurangi kesalahan perhitungan kuantum melalui teknik mitigasi noise. Sementara itu algoritma baru memungkinkan pembagian beban kerja antara perangkat kuantum dan sistem klasik sehingga simulasi kompleks dapat dijalankan secara lebih efisien.
Salah satu algoritma yang menjadi sorotan adalah Sample based Krylov Quantum Diagonalization atau SKQD. Metode ini memungkinkan penentuan energi dasar suatu sistem molekul menggunakan kombinasi pemrosesan kuantum dan tensor matematika pada GPU. Dalam pengujian terbaru, pendekatan ini berhasil menyelesaikan beberapa masalah simulasi yang gagal ditangani metode klasik.
Walau masih dalam tahap eksperimen, hasil awal menunjukkan bahwa kombinasi komputasi kuantum dan klasik berpotensi membuka kemampuan simulasi baru. Dalam beberapa studi, peneliti telah menggunakan teknik ini untuk mempelajari struktur protein sintetis serta karakteristik molekul baru yang sebelumnya sulit dianalisis secara komputasional.
Sebagai contoh, penelitian kolaboratif melibatkan beberapa universitas internasional berhasil merancang molekul karbon unik dengan struktur menyerupai cincin setengah Möbius. Sifat elektronik molekul tersebut diprediksi menggunakan algoritma berbasis komputasi kuantum sebelum diuji melalui eksperimen laboratorium.
Kasus lain menunjukkan simulasi energi pada protein mini berukuran ratusan atom yang sering digunakan sebagai model penelitian biologi komputasional. Simulasi molekul sebesar ini biasanya membutuhkan sumber daya komputasi sangat besar jika hanya mengandalkan metode klasik.
Melihat perkembangan ini, IBM menilai integrasi komputer kuantum ke dalam sistem HPC menjadi langkah penting untuk memperluas penggunaan teknologi tersebut dalam penelitian ilmiah.
Arsitektur yang diperkenalkan IBM juga mencakup berbagai lapisan perangkat lunak. Lapisan ini mengatur bagaimana aplikasi ilmiah memanfaatkan pustaka kuantum dan klasik, bagaimana data disiapkan untuk diproses, hingga bagaimana sumber daya komputasi dialokasikan ke CPU, GPU, atau prosesor kuantum.
Selain itu, IBM juga memperkenalkan antarmuka manajemen sumber daya kuantum yang memungkinkan pusat HPC memantau dan mengendalikan penggunaan perangkat kuantum secara lebih terstruktur.
Pendekatan ini diharapkan memudahkan para ilmuwan komputasi untuk bereksperimen dengan algoritma kuantum tanpa harus membangun infrastruktur baru dari nol.
Jika perkembangan teknologi ini terus berlanjut, komputer kuantum berpotensi menjadi alat penting dalam berbagai bidang riset. Mulai dari perancangan material penyimpan energi, katalis industri, hingga molekul baru yang dapat digunakan untuk terapi penyakit.
Dengan menghadirkan arsitektur komputasi hybrid tersebut, IBM mencoba mempercepat transisi dari penelitian kuantum eksperimental menuju pemanfaatan praktis dalam sains dan industri.