Memahami Komputasi Kuantum: Perkembangan, Aplikasi, dan Implikasi Masa Depan

Komputasi kuantum merepresentasikan sebuah lompatan paradigmatik dalam teknologi informasi, yang berpotensi mengubah secara fundamental cara pemrosesan data. Teknologi ini memanfaatkan prinsip-prinsip mekanika kuantum untuk melakukan perhitungan yang secara inheren tidak mungkin dilakukan oleh komputer klasik, menjanjikan solusi yang jauh lebih cepat dan akurat untuk masalah-masalah yang sangat kompleks. Kemampuan ini menandakan pergeseran signifikan dari sekadar peningkatan kecepatan komputasi menuju kapasitas untuk mengatasi kelas masalah yang sebelumnya tidak terpecahkan. Meskipun demikian, teknologi ini masih dalam tahap awal pengembangan, dan terdapat tantangan teknis serta praktis yang substansial yang perlu diatasi sebelum adopsi secara luas dapat terwujud.

Apa itu Komputasi Kuantum?

Secara inti, komputasi kuantum adalah jenis komputasi yang menggunakan fenomena mekanika kuantum, seperti superposisi dan keterikatan, untuk melakukan operasi pada data. Pendekatan ini didasarkan pada prinsip-prinsip fisika kuantum, yang menjelaskan perilaku materi dan energi pada skala yang sangat kecil, seperti tingkat atom dan partikel subatom. Dengan memanfaatkan sifat-sifat unik ini, komputer kuantum dapat menjelajahi ruang solusi yang sangat besar secara simultan, sebuah kemampuan yang melampaui batasan fundamental komputer klasik.

Bit Klasik vs. Qubit: Revolusi Representasi Informasi

Dalam komputasi tradisional, unit dasar informasi adalah bit, yang hanya dapat merepresentasikan salah satu dari dua keadaan diskrit: 0 atau 1. Komputer klasik memproses informasi secara berurutan, melakukan perhitungan langkah demi langkah untuk mencapai satu hasil spesifik.

Sebaliknya, komputasi kuantum memperkenalkan konsep qubit (bit kuantum). Perbedaan mendasar qubit terletak pada kemampuannya untuk merepresentasikan 0 dan 1 secara bersamaan, sebuah keadaan yang dikenal sebagai superposisi. Kemampuan qubit untuk berada dalam superposisi ini adalah fondasi utama yang memungkinkan komputer kuantum melakukan jenis perhitungan tertentu jauh lebih cepat daripada komputer klasik. Ini bukan sekadar peningkatan kecepatan pemrosesan, melainkan kemampuan untuk menjelajahi banyak kemungkinan solusi secara paralel, yang secara inheren tidak dapat dilakukan oleh bit klasik yang hanya dapat berada dalam satu keadaan pada satu waktu. Dengan demikian, qubit dapat menyimpan informasi secara eksponensial lebih banyak dibandingkan bit klasik.

Tabel 1.1: Perbandingan Bit Klasik dan Qubit

 Prinsip Mekanika Kuantum dalam Komputasi

Komputasi kuantum dibangun di atas empat prinsip utama mekanika kuantum yang mendasari operasi dan manipulasi qubit: superposisi, keterikatan (entanglement), interferensi, dan dekoherensi.

Superposisi: Keadaan Ganda dalam Satu Waktu

Superposisi adalah prinsip yang memungkinkan qubit untuk berada dalam kombinasi linier dari keadaan dasar ∣0⟩ dan ∣1⟩ secara bersamaan. Ini berarti sebuah qubit dapat merepresentasikan 0 dan 1 pada saat yang sama. Namun, ketika sebuah qubit diukur, ia akan “runtuh” ke salah satu dari dua keadaan dasarnya (∣0⟩ atau ∣1⟩) dengan probabilitas tertentu.

Secara fundamental, superposisi kuantum berbeda dari superposisi gelombang klasik. Sebuah komputer kuantum yang terdiri dari n qubit dapat berada dalam superposisi 2n keadaan, sedangkan superposisi gelombang klasik hanya dapat memberikan superposisi n frekuensi. Perbedaan ini menunjukkan bahwa penambahan gelombang klasik berskala linier, sementara superposisi keadaan kuantum berskala eksponensial. Skala eksponensial ini adalah sumber utama kekuatan komputasi kuantum, memungkinkan komputer kuantum untuk mengevaluasi atau memproses banyak kemungkinan secara simultan, bukan satu per satu, yang menjadi dasar untuk

Keterikatan (Entanglement): Korelasi Misterius

Keterikatan adalah fenomena di mana dua atau lebih partikel kuantum terhubung sedemikian rupa sehingga keadaan satu partikel memengaruhi keadaan partikel lainnya, tidak peduli seberapa jauh jaraknya. Keadaan kuantum dari sistem secara keseluruhan dapat dijelaskan, meskipun bagian-bagian sistem tidak dapat dijelaskan secara independen. Fenomena ini sangat berguna untuk pengembangan dalam bidang pemrosesan informasi, termasuk komputasi kuantum, kriptografi kuantum,dense coding, dan teleportasi kuantum, dan bertindak sebagai bahan dasar informasi kuantum.

Keterikatan memungkinkan sirkuit kuantum untuk melakukan operasi pada beberapa qubit secara bersamaan. Fenomena ini, bersama superposisi, adalah yang membuat komputer kuantum lebih kuat daripada komputer klasik. Meskipun sering disalahpahami bahwa keterikatan dapat digunakan untuk mengirim informasi secara instan, hal ini tidak mungkin karena hasil pengukuran individu bersifat acak. Kekuatan keterikatan terletak pada korelasi dan pemrosesan paralel yang dimungkinkannya, bukan komunikasi superluminal.

Interferensi Kuantum

Interferensi adalah fenomena di mana keadaan kuantum yang terjerat dapat berinteraksi untuk menghasilkan probabilitas yang lebih besar atau lebih kecil. Prinsip interferensi kuantum sangat penting dalam algoritma kuantum. Ini memungkinkan komputer kuantum untuk secara konstruktif memperkuat probabilitas hasil yang benar dan secara destruktif membatalkan probabilitas hasil yang salah. Ini adalah mekanisme kunci di balik efisiensi algoritma kuantum seperti Algoritma Shor dan Grover, yang memungkinkan mereka menemukan solusi jauh lebih cepat daripada pendekatan klasik.

Dekoherensi: Tantangan Stabilitas Qubit

Dekoherensi adalah proses di mana sistem kuantum kehilangan koherensi kuantumnya, yang melibatkan hilangnya informasi dari sistem ke lingkungannya. Qubit sangat rentan terhadap gangguan lingkungan seperti suhu, radiasi, dan medan magnet.

Dampak dekoherensi adalah qubit kehilangan informasi sebelum perhitungan selesai. Ini merupakan tantangan utama dalam komputasi kuantum karena mesin tersebut sangat bergantung pada evolusi koherensi kuantum yang tidak terganggu. Tantangan fisik fundamental ini membatasi waktu perhitungan yang dapat dilakukan oleh komputer kuantum. Kondisi ini secara langsung mendorong penelitian intensif dalam teknik mitigasi kesalahan dan koreksi kesalahan kuantum , serta pengembangan jenis qubit yang lebih stabil. Ini menunjukkan bahwa kemajuan dalam komputasi kuantum tidak hanya bergantung pada penambahan jumlah qubit, tetapi juga pada peningkatan kualitas dan stabilitasnya.

Perbandingan Fundamental Komputasi Kuantum dan Klasik

Komputasi kuantum dan klasik memiliki perbedaan fundamental dalam arsitektur, metode pemrosesan, dan pendekatan pemecahan masalah.

Arsitektur dan Pemrosesan Data

Komputer klasik memproses informasi secara berurutan, melakukan perhitungan langkah demi langkah. Sebaliknya, komputer kuantum dapat memproses kumpulan data yang sangat besar secara bersamaan menggunakan operasi yang berbeda, yang meningkatkan efisiensi untuk masalah tertentu. Perbedaan utama terletak pada unit dasar informasi: komputer klasik menggunakan bit, sedangkan komputer kuantum menggunakan qubit yang dapat menyimpan lebih banyak informasi secara eksponensial.

Pendekatan Pemecahan Masalah

Komputer tradisional bersifat deterministik, memerlukan perhitungan yang melelahkan untuk menghasilkan satu hasil yang spesifik. Komputer kuantum bersifat probabilistik, menemukan solusi yang paling mungkin untuk suatu masalah. Sebagai perumpamaan, komputer klasik yang memecahkan labirin akan mencoba setiap jalur yang mungkin secara berurutan, sementara komputer kuantum dapat mengambil pandangan menyeluruh dan menguji beberapa jalur secara bersamaan.

Batasan dan Keunggulan Relatif

Komputer klasik akan terus digunakan untuk sebagian besar aplikasi yang ada saat ini. Komputasi kuantum lebih unggul dalam memecahkan masalah kompleks tertentu yang membutuhkan kumpulan data besar atau untuk memecahkan masalah seperti faktorisasi prima tingkat lanjut, yang seringkali tidak dapat dipecahkan oleh superkomputer karena keterbatasan teknologi transistor.

Penelitian terbaru menegaskan bahwa perlombaan antara komputer kuantum dan superkomputer klasik masih jauh dari selesai. Sementara komputer kuantum menunjukkan potensi luar biasa dalam menangani masalah yang sangat kompleks, superkomputer klasik terus berkembang dengan algoritma yang semakin efisien. Perbandingan ini menunjukkan bahwa komputasi kuantum bukanlah pengganti universal untuk komputasi klasik, melainkan pelengkap yang unggul dalam memecahkan jenis masalah tertentu yang di luar jangkauan komputasi klasik. “Perlombaan” antara keduanya menggarisbawahi bahwa keunggulan kuantum bersifat spesifik masalah, dan pengembangan algoritma klasik yang efisien terus menjadi area penelitian aktif, menunjukkan ekosistem komputasi yang semakin terdiversifikasi.

Tabel 1.2: Perbandingan Komputasi Klasik dan Kuantum

Teknologi Qubit dan Arsitektur Komputer Kuantum

Pengembangan komputer kuantum sangat bergantung pada realisasi qubit yang stabil dan dapat dikontrol. Berbagai pendekatan fisik sedang dieksplorasi untuk menciptakan qubit, masing-masing dengan keunggulan dan tantangan uniknya.

Jenis-Jenis Qubit Utama

Qubit Superkonduktor: Desain dan Perkembangan (Charge, Flux, Phase, Transmon)

Qubit superkonduktor adalah unit dasar komputasi kuantum yang beroperasi berdasarkan prinsip superkonduktivitas. Material ini menghantarkan listrik tanpa hambatan pada suhu sangat rendah (mendekati nol mutlak, -273°C), sehingga qubit dapat menciptakan dan mempertahankan kondisi kuantum yang stabil dan koheren untuk perhitungan kompleks. Qubit ini dibuat dari logam seperti aluminium menjadi sirkuit mikroskopis dan dikendalikan melalui medan elektromagnetik, seperti gelombang mikro, untuk memanipulasi keadaan kuantumnya.

Beberapa jenis qubit superkonduktor telah dikembangkan, masing-masing dengan karakteristiknya:

• Qubit Muatan (Charge Qubit): Menggunakan jumlah pasangan Cooper di sebuah superkonduktor kecil sebagai status qubit, dikendalikan melalui gate voltage. Desain ini sederhana namun sangat rentan terhadap fluktuasi muatan acak yang mengganggu koherensinya.
• Qubit Fluks (Flux Qubit): Mengodekan status kuantum berdasarkan arah arus sirkulasi dalam loop superkonduktor dengan sambungan Josephson. Qubit ini memiliki koherensi lebih tinggi dari qubit muatan, tetapi rentan terhadap derau fluks magnetik. Varian yang lebih stabil adalah fluksonium.
• Qubit Fase (Phase Qubit): Menyimpan informasi dalam bentuk fase kuantum di sambungan Josephson. Sempat populer, namun proses pembacaannya yang invasif membuatnya kurang ideal, dan perannya sebagian besar digantikan oleh transmon.
• Qubit Transmon: Merupakan evolusi dari charge qubit dengan kapasitor shunt besar untuk menurunkan energi pengisian, menjadikannya sangat tahan terhadap derau pengisian daya. Ini adalah jenis qubit yang paling stabil dan akurat saat ini, digunakan secara luas oleh IBM dan Google. Varian transmon meliputi Xmon (digunakan Google), Gatemon, dan Unimon.

Perkembangan dari charge qubit ke transmon menunjukkan upaya berkelanjutan dalam rekayasa kuantum untuk mengatasi masalah dekoherensi dan meningkatkan stabilitas qubit. Ini adalah contoh nyata bagaimana tantangan fisika fundamental mendorong inovasi desain perangkat keras yang signifikan.

Qubit Perangkap Ion: Presisi dan Stabilitas

Komputer kuantum perangkap ion mengambil pendekatan yang sangat berbeda dengan menggunakan atom-atom asli sebagai qubit. Ion-ion individu (atom bermuatan, seringkali dari elemen seperti ytterbium atau barium) ditangguhkan dalam perangkap vakum menggunakan medan elektromagnetik, memungkinkan manipulasi tanpa kontak fisik.

Teknologi ini memiliki beberapa keunggulan menonjol:

• Kualitas Qubit Tinggi: Qubit hampir merupakan salinan sempurna satu sama lain karena setiap atom isotop tertentu identik, menghilangkan variabilitas manufaktur.
• Stabilitas Sangat Tinggi: Qubit dapat mempertahankan koherensi kuantum untuk waktu yang jauh lebih lama (detik atau bahkan menit) daripada qubit superkonduktor.
• Konektivitas Penuh (All-to-all): Semua ion dalam perangkap dapat berinteraksi satu sama lain (melalui gerakan kolektif), memberikan register qubit yang terhubung sepenuhnya, yang dapat sangat menyederhanakan algoritma kuantum dan skema koreksi kesalahan.
• Fidelitas Gerbang Tertinggi: Telah mencapai beberapa fidelitas gerbang tertinggi dari platform mana pun.

Namun, terdapat juga kekurangan yang signifikan:

• Kecepatan Lambat: Operasi pada ion biasanya jutaan kali lebih lambat daripada pada sirkuit superkonduktor (pulsa gerbang dua-qubit bisa memakan waktu puluhan mikrodetik hingga milidetik).
• Ukuran dan Kompleksitas: Pengaturan perangkap ion saat ini relatif besar dan kompleks, membutuhkan ruang vakum ultra-tinggi, rak optik laser, dan sistem kontrol.
• Kesulitan Skalabilitas: Secara teknis menantang untuk menjebak sejumlah besar ion dan memerlukan jaringan laser yang kompleks untuk mengontrol setiap qubit.

Qubit perangkap ion menawarkan fidelitas dan waktu koherensi yang unggul, yang sangat penting untuk koreksi kesalahan, tetapi mengorbankan kecepatan dan skalabilitas. Ini menunjukkan adanya kompromi mendasar dalam desain perangkat keras kuantum saat ini, di mana tidak ada satu pun teknologi yang secara universal unggul dalam semua metrik kinerja.

Qubit Fotonik: Potensi Skalabilitas dan Konektivitas

Qubit fotonik menggunakan foton (partikel cahaya) sebagai pembawa informasi kuantum. Pendekatan ini menawarkan beberapa keunggulan yang menarik:

• Konektivitas Luas: Qubit fotonik dapat ditransfer jarak jauh melalui serat optik, memungkinkan komputer kuantum modular dan terdistribusi untuk menciptakan superkomputer kuantum yang lebih besar.
• Tidak Perlu Pendinginan Ekstrem: Dapat beroperasi pada suhu kamar atau suhu kriogenik yang relatif ringan.
• Skalabilitas yang Sangat Baik: Memanfaatkan manufaktur semikonduktor silikon fotonik yang sudah ada, memungkinkan produksi chip kuantum secara massal.
• Waktu Koherensi Panjang: Qubit fotonik dapat memiliki waktu koherensi yang lama.
• Terobosan Terbaru: Tim ilmuwan China berhasil mengembangkan chip kuantum fotonik skala ultra besar yang mengintegrasikan sekitar 2.500 komponen, menyediakan inti yang terukur dan stabil bagi komputer kuantum di masa depan.

Meskipun demikian, ada juga kekurangan yang perlu diperhatikan:

• Probabilitas Interaksi Rendah: Foton tidak berinteraksi satu sama lain secara alami, sehingga gerbang kuantum yang memerlukan interaksi dua-qubit menjadi sulit dan bergantung pada probabilitas rendah atau memakan banyak sumber daya.
• Kesulitan dalam Penyimpanan Qubit: Foton bergerak dengan kecepatan cahaya, yang membuat penyimpanan dan sinkronisasi qubit menjadi tantangan.
• Maturitas Teknologi: Qubit fotonik saat ini berada di belakang superkonduktor dan perangkap ion dalam hal jumlah qubit dan kematangan teknologi.

Meskipun saat ini kurang matang dibandingkan pesaingnya, qubit fotonik memiliki potensi jangka panjang yang signifikan, terutama dalam skalabilitas toleran-kesalahan dan kemampuan jaringan kuantum. Kemampuan untuk beroperasi pada suhu yang lebih tinggi dan memanfaatkan manufaktur chip yang sudah ada dapat menjadikannya “pemenang jangka panjang” jika tantangan interaksi foton dapat diatasi.

Kelebihan dan Kekurangan Masing-masing Teknologi

Setiap platform qubit memiliki karakteristik unik yang membuatnya cocok untuk aplikasi atau tahapan pengembangan tertentu.

• Qubit Superkonduktor: Dikenal karena kecepatan operasi yang sangat cepat (puluhan nanodetik), kemudahan manufaktur dan skalabilitas (menggunakan teknik chip silikon), serta desain yang dapat disesuaikan dan disetel. Namun, membutuhkan perawatan tinggi (suhu millikelvin), memiliki waktu dekoherensi singkat (mikrodetik hingga milidetik), pengaturan yang kompleks dan mahal, serta konektivitas terbatas (umumnya hanya dengan tetangga terdekat).
• Qubit Perangkap Ion: Unggul dalam kualitas qubit yang sangat tinggi (atom identik), stabilitas sangat tinggi (koherensi hingga detik/menit), konektivitas penuh (all-to-all), dan fidelitas gerbang tertinggi. Kelemahannya adalah kecepatan operasi yang lambat (jutaan kali lebih lambat dari superkonduktor), ukuran dan kompleksitas (membutuhkan ruang vakum ultra-tinggi, rak optik laser), serta kesulitan skalabilitas.
• Qubit Fotonik: Menawarkan konektivitas luas (melalui serat optik), tidak perlu pendinginan ekstrem (suhu kamar atau kriogenik ringan), skalabilitas sangat baik (manufaktur silikon fotonik), dan waktu koherensi yang panjang. Tantangannya meliputi probabilitas interaksi foton yang rendah (gerbang dua-qubit sulit), kesulitan dalam penyimpanan dan sinkronisasi qubit, serta tingkat pengembangan yang kurang mapan.

Keberadaan dan pengembangan aktif berbagai platform qubit menunjukkan bahwa industri komputasi kuantum masih dalam tahap eksplorasi. Setiap teknologi memiliki kekuatan unik yang membuatnya cocok untuk aplikasi atau tahapan pengembangan tertentu. Hal ini menyiratkan bahwa mungkin tidak ada satu “pemenang” tunggal, melainkan ekosistem yang beragam atau bahkan arsitektur hibrida yang menggabungkan keunggulan dari berbagai jenis qubit.

Pemain Utama dalam Pengembangan Qubit

Keterlibatan raksasa teknologi bersama dengan startup inovatif menunjukkan persaingan yang sangat ketat dan investasi besar dalam pengembangan perangkat keras, yang merupakan indikator kesehatan pasar dan percepatan inovasi.

• Superkonduktor: IBM (dengan prosesor Eagle dan Sycamore), Google (dengan chip Sycamore dan Willow), dan Rigetti adalah pemain utama.13 IQM Quantum Computers juga berfokus pada teknologi ini.
• Perangkap Ion: IonQ, Quantinuum (anak perusahaan Honeywell), AQT (Alpine Quantum Technologies), Oxford Ionics, dan Universal Quantum adalah pemimpin di bidang ini.
• Fotonik: PsiQuantum, Xanadu, dan ORCA Computing adalah inovator yang mendorong pendekatan fotonik. Tim ilmuwan China dari Universitas Peking dan Universitas Shanxi juga telah membuat terobosan signifikan.
• Lainnya: Selain itu, qubit spin, atom netral, dan qubit ESR juga disebutkan sebagai arsitektur yang menjanjikan dalam pengembangan komputasi kuantum.

Tabel 2.1: Perbandingan Platform Qubit Utama

Tantangan Skalabilitas dalam Pengembangan Perangkat Keras

Secara umum, komputasi kuantum saat ini masih dalam skala terbatas dan sulit untuk diskalakan ke ukuran yang lebih besar. Memperbesar jumlah qubit sambil mempertahankan stabilitasnya merupakan tantangan teknis yang signifikan.

Faktor Bentuk dan Miniaturisasi

Salah satu tantangan utama adalah meminimalkan kebutuhan ruang untuk komputer kuantum skala besar guna menskalakan peralatan kontrol. Elektronik yang ada saat ini, jika diskalakan untuk satu juta qubit, akan membutuhkan ruang yang sangat besar. Tantangan faktor bentuk ini secara langsung mencerminkan batasan fisik dan rekayasa saat ini. Solusi untuk mengatasi masalah ini adalah miniaturisasi setiap komponen kontrol melalui arsitektur kontrol yang inovatif, seperti mendesain ulang pada tingkat chip. Pendekatan ini menunjukkan pergeseran dari perakitan komponen besar ke integrasi yang lebih padat, yang merupakan tren umum dalam industri semikonduktor klasik, namun dengan kompleksitas kuantum yang jauh lebih tinggi.

Interkonektivitas dan Komunikasi Qubit

Interkonektivitas untuk mendukung komunikasi berkecepatan tinggi yang efisien antar modul sangat penting dalam komputasi skala besar. Tantangan interkonektivitas ini menyoroti bahwa membangun komputer kuantum skala besar tidak hanya tentang memiliki banyak qubit, tetapi juga tentang bagaimana qubit-qubit tersebut dapat berkomunikasi dan berinteraksi secara efisien. Merancang

loop tertutup antara kontrol dan elektronik pembacaan untuk meningkatkan koreksi kesalahan kuantum secara real-time dan meningkatkan propagasi sinyal dapat meningkatkan interkonektivitas. Ini mirip dengan tantangan jaringan dalam superkomputer klasik, tetapi dengan persyaratan koherensi kuantum yang jauh lebih ketat.

Kebutuhan Daya dan Infrastruktur Kriogenik

Komputer kuantum berbasis superkonduktor membutuhkan suhu mendekati nol absolut (-273°C) agar tetap stabil. Pendinginan ekstrem ini memerlukan energi yang sangat besar. Jika sistem yang ada diskalakan untuk satu juta qubit tanpa mengubah desainnya, masing-masing akan membutuhkan stasiun listrik yang besar hanya untuk menyalakannya. Kebutuhan daya dan pendinginan ekstrem ini adalah kendala fisik dan ekonomi yang signifikan. Ini tidak hanya meningkatkan biaya pengembangan dan operasional, tetapi juga membatasi lokasi dan skala di mana komputer kuantum dapat dibangun. Oleh karena itu, dibutuhkan pengembangan teknologi yang lebih hemat energi dan lebih stabil di suhu yang lebih tinggi. Inovasi dalam arsitektur kontrol juga dapat mengurangi kebutuhan daya.

Era Komputasi Kuantum Saat Ini: NISQ (Noisy Intermediate-Scale Quantum)

Era komputasi kuantum saat ini dikenal sebagai era Noisy Intermediate-Scale Quantum (NISQ). Istilah ini diciptakan oleh John Preskill pada tahun 2018 untuk menggambarkan lanskap komputasi kuantum dalam waktu dekat.

Karakteristik dan Batasan Era NISQ

Perangkat NISQ dicirikan oleh beberapa fitur utama:

• Jumlah Qubit: Umumnya berkisar dari puluhan hingga beberapa ratus qubit, dengan batas atas sekitar 1.000 qubit.
• Operasi Bising: Prosesor kuantum ini sangat sensitif terhadap lingkungannya dan rentan terhadap dekoherensi kuantum. Operasi gerbang kuantum dan pengukuran yang dilakukan pada perangkat ini juga rentan terhadap kesalahan.
• Koherensi Terbatas: Qubit hanya mempertahankan keadaan kuantumnya untuk waktu yang singkat, membatasi durasi perhitungan yang dapat dilakukan.
• Kurangnya Koreksi Kesalahan: Perangkat NISQ belum cukup canggih untuk toleransi kesalahan penuh atau koreksi kesalahan kuantum berkelanjutan, yang diperlukan untuk komputasi skala besar yang andal.

Batasan-batasan ini menimbulkan beberapa tantangan signifikan bagi teknologi NISQ:

• Akumulasi Kesalahan: Kesalahan menumpuk dengan cepat seiring bertambahnya kompleksitas sirkuit, membatasi kedalaman sirkuit kuantum yang dapat dijalankan.
• Aplikasi Algoritmik Terbatas: Banyak algoritma kuantum yang diusulkan membutuhkan qubit yang dikoreksi kesalahan untuk beroperasi pada skala yang berguna, sehingga aplikasi praktis perangkat NISQ masih terbatas.
• Variabilitas Hasil: Hasil perhitungan dapat tidak konsisten karena kebisingan dan ketidakstabilan perangkat.
• Persaingan Klasik: Algoritma klasik yang ditingkatkan terkadang masih mengungguli perangkat NISQ untuk masalah tertentu.
• Tantangan Skalabilitas: Meningkatkan jumlah qubit sambil mempertahankan atau meningkatkan kualitas qubit tetap menjadi tugas yang sulit.

Era NISQ adalah fase transisi yang krusial. Perangkat saat ini cukup kuat untuk menunjukkan “supremasi kuantum” pada tugas-tugas spesifik , tetapi belum cukup andal atau besar untuk komputasi universal yang toleran kesalahan. Ini berarti fokus saat ini adalah pada algoritma hibrida klasik-kuantum dan teknik mitigasi kesalahan untuk mendapatkan nilai praktis dari perangkat yang bising ini.

Algoritma Kuantum untuk Era NISQ

Algoritma NISQ dirancang khusus untuk prosesor kuantum di era NISQ. Algoritma ini seringkali mengalihkan beberapa perhitungan ke prosesor klasik, membentuk apa yang disebut algoritma hibrida. Karena toleransi kesalahan yang rendah, algoritma NISQ harus mampu berkinerja dengan jumlah qubit yang kecil dan sirkuit kuantum yang dangkal.

Variational Quantum Eigensolver (VQE) dan Aplikasinya

Variational Quantum Eigensolver (VQE) adalah salah satu algoritma NISQ terkemuka. Dasar matematikanya beroperasi pada prinsip variasi mekanika kuantum, yang menyatakan bahwa nilai ekspektasi dari setiap fungsi gelombang percobaan memberikan batas atas pada energi keadaan dasar yang sebenarnya. Algoritma ini membangun sirkuit kuantum berparameter (ansatz) untuk memperkirakan keadaan dasar dari Hamiltonian molekuler. Prosesor kuantum menyiapkan keadaan ansatz dan mengukur nilai ekspektasi Hamiltonian, sementara pengoptimal klasik secara iteratif menyesuaikan parameter untuk meminimalkan energi.

VQE telah berhasil ditunjukkan pada berbagai sistem molekuler, mulai dari molekul diatomik sederhana seperti H₂ dan LiH hingga sistem yang lebih kompleks termasuk molekul air dan senyawa organik kecil. Implementasi VQE telah mencapai akurasi kimia (dalam 1 kkal/mol) untuk molekul kecil, menunjukkan potensi keunggulan kuantum dalam penemuan material dan aplikasi pengembangan obat. VQE sangat unggul dalam masalah di mana korelasi elektron kuat, seperti katalis logam transisi, superkonduktor suhu tinggi, dan situs aktif enzim. VQE adalah contoh utama bagaimana algoritma hibrida dapat memanfaatkan kekuatan perangkat NISQ saat ini. Dengan membagi beban komputasi antara komputer kuantum dan klasik, VQE memungkinkan eksplorasi masalah kimia dan material yang kompleks  meskipun perangkat kuantum masih bising. Ini menunjukkan jalur yang jelas menuju aplikasi praktis di era NISQ.

Quantum Approximate Optimization Algorithm (QAOA) dan Potensinya

Quantum Approximate Optimization Algorithm (QAOA) adalah kandidat menjanjikan lainnya untuk memecahkan masalah optimasi. Algoritma ini membangun sirkuit kuantum yang terdiri dari p lapisan, yang masing-masing berisi evolusi Hamiltonian biaya diikuti oleh evolusi Hamiltonian mixer. Pengoptimalan klasik menyesuaikan sudut-sudut untuk memaksimalkan kemungkinan mengukur solusi yang baik.

QAOA sangat relevan untuk memecahkan masalah optimasi kombinatorial seperti masalah Max Cut, Traveling Salesman Problem (TSP), masalah penjadwalan, optimasi portofolio, dan pewarnaan grafik. Pekerjaan teoretis dan eksperimental baru-baru ini menunjukkan potensi QAOA untuk keunggulan kuantum pada kelas masalah tertentu. Misalnya, untuk masalah Max Cut pada grafik acak, QAOA pada kedalaman p=11 telah terbukti mengungguli algoritma pemrograman semidefinit standar. Algoritma ini menjanjikan percepatan eksponensial untuk masalah-masalah tersebut. Kemampuan QAOA untuk menangani masalah optimasi yang kompleks secara efisien menjadikannya sangat relevan untuk berbagai industri, mulai dari logistik hingga keuangan. Ini menunjukkan bahwa bahkan dengan perangkat NISQ yang terbatas, komputasi kuantum dapat memberikan nilai bisnis yang signifikan dalam memecahkan masalah efisiensi dunia nyata.

Teknik Mitigasi Kesalahan dalam Sistem NISQ

Karena perangkat NISQ tidak memiliki koreksi kesalahan kuantum penuh, teknik mitigasi kesalahan menjadi esensial untuk mendapatkan hasil yang bermakna dari komputasi kuantum yang bising. Teknik-teknik ini beroperasi melalui post-processing data terukur daripada mengoreksi kesalahan secara aktif selama komputasi, sehingga cocok untuk implementasi perangkat keras dalam waktu dekat.

Zero-Noise Extrapolation (ZNE)

Zero-Noise Extrapolation (ZNE) adalah salah satu teknik mitigasi kesalahan yang paling banyak digunakan. Ini secara artifisial memperkuat kebisingan sirkuit dan mengekstrapolasi hasilnya ke batas nol-kebisingan. Metode ini mengasumsikan bahwa kesalahan meningkat secara terukur dengan tingkat kebisingan, memungkinkan para peneliti untuk menyesuaikan fungsi polinomial atau eksponensial dengan data yang bising dan menyimpulkan hasil bebas kebisingan. Implementasi terbaru dari ZNE yang dibantu kemurnian telah menunjukkan peningkatan kinerja. ZNE unggul untuk masalah optimasi dengan simetri yang lebih sedikit. ZNE menunjukkan pendekatan cerdas untuk mengatasi kebisingan perangkat NISQ dengan memanipulasi dan memprediksi perilaku kesalahan. Ini adalah contoh bagaimana pemahaman mendalam tentang fisika kuantum dapat dimanfaatkan untuk mengelola kesalahan.

Verifikasi Simetri dan Pembatalan Kesalahan Probabilistik

Verifikasi Simetri memanfaatkan hukum konservasi yang melekat dalam sistem kuantum untuk mendeteksi dan mengoreksi kesalahan. Untuk perhitungan kimia kuantum, simetri seperti konservasi jumlah partikel atau spin menyediakan mekanisme deteksi kesalahan yang kuat. Hasil pengukuran yang melanggar simetri dapat dibuang atau dikoreksi melalui post-selection.

Pembatalan Kesalahan Probabilistik merekonstruksi operasi kuantum ideal sebagai kombinasi linier dari operasi bising yang dapat diimplementasikan pada perangkat keras. Meskipun dapat mencapai bias nol secara prinsip, overhead sampling biasanya berskala eksponensial dengan tingkat kesalahan, membatasi aplikasi praktis pada skenario kebisingan yang relatif rendah.

Teknik mitigasi kesalahan ini adalah upaya pragmatis untuk mendapatkan nilai dari perangkat NISQ yang ada. Mereka menunjukkan bahwa meskipun koreksi kesalahan penuh masih jauh, ada cara untuk “membersihkan” sinyal dari kebisingan, memungkinkan eksplorasi aplikasi yang lebih dalam.

Overhead Kinerja dan Trade-off

Teknik mitigasi kesalahan secara inheren meningkatkan persyaratan pengukuran, dengan overhead berkisar antara 2x hingga 10x atau lebih tergantung pada tingkat kesalahan dan metode spesifik yang digunakan. Hal ini menciptakan trade-off fundamental antara akurasi dan sumber daya eksperimental, yang memerlukan optimasi yang cermat untuk setiap aplikasi. Studi benchmarking terbaru menunjukkan bahwa verifikasi simetri sering memberikan kinerja terbaik untuk aplikasi kimia, sementara ZNE unggul untuk masalah optimasi dengan simetri yang lebih sedikit.

Trade-off antara akurasi dan sumber daya adalah realitas rekayasa yang mendasar dalam komputasi kuantum saat ini. Ini menekankan bahwa kemajuan tidak hanya tentang membangun perangkat yang lebih besar, tetapi juga tentang mengembangkan strategi cerdas untuk mengelola keterbatasan yang ada, mengoptimalkan penggunaan sumber daya yang terbatas untuk mencapai hasil yang paling berarti.

Koreksi Kesalahan Kuantum (QEC) dan Jalur Menuju Toleransi Kesalahan

Pentingnya QEC untuk Komputasi Kuantum Skala Besar

Koreksi Kesalahan Kuantum (QEC) adalah teknik krusial untuk melindungi informasi kuantum dari kesalahan. Ini sangat penting untuk algoritma kuantum yang efisien pada komputer kuantum skala besar yang sensitif terhadap kebisingan. Prinsip dasarnya adalah meningkatkan jumlah bit yang digunakan untuk mengodekan informasi (redundansi), memungkinkan deteksi dan koreksi kesalahan. Tingkat kesalahan komputer kuantum saat ini berkisar antara 1% hingga 0,1% per operasi gerbang, jauh lebih tinggi daripada komputer klasik, disebabkan oleh kebisingan, dekoherensi, dan ketidaksempurnaan gerbang. QEC bukan sekadar peningkatan, melainkan prasyarat mutlak untuk komputasi kuantum universal yang andal dan skala besar. Tingkat kesalahan inheren pada qubit fisik saat ini terlalu tinggi untuk perhitungan yang kompleks tanpa perlindungan aktif. Ini adalah jembatan dari era NISQ ke komputasi kuantum toleran kesalahan penuh.

Jenis-Jenis Kesalahan Kuantum

Kesalahan dalam komputasi kuantum dapat bermanifestasi sebagai bit-flip, phase-flip, atau kombinasi keduanya.

Kesalahan Bit-Flip

Kesalahan bit-flip terjadi ketika qubit berubah dari ∣0⟩ menjadi ∣1⟩ atau sebaliknya. Kesalahan ini mirip dengan kesalahan bit-flip klasik dan juga dikenal sebagai σx​-errors.

Kesalahan Phase-Flip

Kesalahan phase-flip terjadi ketika qubit mengubah fasenya. Jenis kesalahan ini tidak memiliki analog klasik dan juga dikenal sebagai σz​-errors.  Adanya phase-flip errors, yang tidak memiliki analog klasik, menunjukkan kompleksitas unik dalam melindungi informasi kuantum. Ini memerlukan pendekatan koreksi kesalahan yang lebih canggih daripada sekadar menyalin bit, menyoroti perbedaan mendasar dalam sifat informasi kuantum.

Kode Koreksi Kesalahan Kuantum (QECCs) Terkemuka

Surface Code (Kode Permukaan)

Surface code adalah salah satu kode koreksi kesalahan kuantum yang paling banyak dipelajari dan menjanjikan, dengan tingkat ambang kesalahan yang tinggi. Informasi dienkode secara redundan di beberapa qubit fisik untuk membangun satu qubit logis yang lebih tangguh. Surface code dapat mengoreksi bit flips dan phase flips. Ia menggunakan qubit “data” (menyimpan keadaan komputasi) dan qubit “pengukuran” (ancilla) untuk pengukuran stabilizer yang mendeteksi kesalahan tanpa mengganggu superposisi data.

Demonstrasi eksperimental pertama dari surface code yang mengoreksi kesalahan (bukan hanya mendeteksi) dilakukan pada prosesor kuantum superkonduktor Zuchongzhi 2.1 dengan 17 qubit, menunjukkan pengurangan kesalahan logis setelah koreksi. Google juga menunjukkan bahwa peningkatan ukuran kode (dari 17 menjadi 49 qubit fisik) mengurangi tingkat kesalahan qubit logis, bukti bahwa qubit logis yang diperlukan untuk komputer kuantum toleran kesalahan skala besar dapat diproduksi. Kelebihannya meliputi struktur topologi lokal, ambang batas yang dapat dicapai secara eksperimental, dan dukungan untuk operasi gerbang universal (dengan magic states). Kode ini juga memiliki qubit overhead yang relatif rendah dan ketahanan yang baik. Namun, physical overhead berskala kuadrat dengan jumlah kesalahan yang dapat dikoreksi, yang bisa menjadi sangat mahal saat diskalakan. Demonstrasi eksperimental surface code yang mengoreksi kesalahan adalah tonggak penting, menunjukkan kelayakan prinsip QEC di perangkat keras nyata. Ini adalah langkah krusial dari teori ke praktik, meskipun tantangan overhead qubit masih signifikan untuk skala besar.

Kode Quantum Low-Density Parity-Check (qLDPC)

Kode Quantum Low-Density Parity-Check (qLDPC) adalah alternatif menjanjikan untuk surface code dengan qubit overhead yang berpotensi lebih rendah. Kode ini menawarkan penskalaan yang unggul dan hasil qubit logis per qubit fisik yang jauh lebih baik, bahkan hingga 10x lebih sedikit qubit fisik per qubit logis dibandingkan implementasi surface code praktis. Kode qLDPC menggunakan matriks check yang jarang, membuatnya sangat skalabel dan mampu menoleransi tingkat kesalahan yang lebih tinggi.

Meskipun secara mandiri belum memiliki jalur yang jelas untuk komputasi logis universal , dan implementasi operator Clifford logis yang efisien dalam kode qLDPC belum terbukti efisien dalam kedalaman sirkuit , penelitian terbaru memperkenalkan keluarga baru kode qLDPC yang memungkinkan kompilasi efisien dari grup Clifford penuh melalui operasi transversal, secara signifikan melampaui metode lattice surgery. IBM juga menggunakan kode qLDPC (bivariate bicycle codes) dalam arsitektur toleran kesalahannya, mengklaim pengurangan overhead hingga 90% dibandingkan kode terkemuka lainnya. Kode qLDPC mewakili arah penelitian yang menjanjikan untuk mengatasi masalah overhead qubit dari surface code. Kemampuan mereka untuk mengurangi jumlah qubit fisik yang dibutuhkan per qubit logis dapat secara drastis mempercepat garis waktu menuju komputer kuantum yang mampu menjalankan algoritma kompleks seperti Algoritma Shor. Ini menunjukkan bahwa inovasi dalam teori kode kesalahan sangat penting untuk kemajuan praktis.

 Roadmap Menuju Komputasi Kuantum Toleran Kesalahan Penuh

Perusahaan-perusahaan terkemuka telah menguraikan peta jalan yang ambisius untuk mencapai komputasi kuantum toleran kesalahan, yang merupakan tujuan akhir untuk membuka potensi penuh teknologi ini.

Roadmap IBM

IBM menargetkan pembangunan IBM Quantum Starling pada tahun 2029, sebuah sistem toleran kesalahan skala besar pertama di dunia yang mampu menjalankan sirkuit kuantum yang terdiri dari 100 juta gerbang kuantum pada 200 qubit logis. Untuk mencapai tujuan ini, IBM akan menggunakan arsitektur baru yang memanfaatkan kode koreksi kesalahan qLDPC (quantum low-density parity check) untuk mengurangi physical qubits overhead hingga sekitar 90% dibandingkan kode terkemuka lainnya.

Peta jalan ini mencakup beberapa prosesor modular yang akan dibangun untuk menguji komponen dan membangun sistem secara bertahap:

• IBM Quantum Loon (2025): Dirancang untuk menguji komponen arsitektur kode qLDPC, termasuk “C-couplers” yang menghubungkan qubit pada jarak yang lebih jauh dalam satu chip.
• IBM Quantum Kookaburra (2026): Akan menjadi prosesor modular pertama yang dirancang untuk menyimpan dan memproses informasi yang dienkode. Prosesor ini akan menggabungkan memori kuantum dengan operasi logika, yang merupakan blok bangunan dasar untuk menskalakan sistem toleran kesalahan melampaui satu chip.
• IBM Quantum Cockatoo (2027): Akan melibatkan dua modul Kookaburra menggunakan “L-couplers”. Arsitektur ini akan menghubungkan chip kuantum seperti node dalam sistem yang lebih besar, menghindari kebutuhan untuk membangun chip yang terlalu besar.

Starling akan menjadi fondasi untuk platform masa depan, IBM Quantum Blue Jay, yang dirancang untuk menskalakan hingga 2.000 qubit logis dan 1 miliar operasi. IBM juga menargetkan keunggulan kuantum pada akhir 2026. Roadmap IBM menunjukkan strategi modular yang agresif, membangun sistem secara bertahap dengan fokus pada pengurangan overhead melalui qLDPC. Ini mencerminkan pemahaman bahwa skalabilitas bukan hanya tentang jumlah qubit, tetapi juga efisiensi dalam mengelola kesalahan dan interkonektivitas.

Roadmap IQM Quantum Computers

IQM Quantum Computers juga memiliki peta jalan pengembangan yang ambisius, bertujuan untuk mencapai komputasi kuantum toleran kesalahan pada tahun 2030. Pendekatan mereka berfokus pada penggabungan dua topologi prosesor IQM, Star dan Crystal, untuk koreksi kesalahan perangkat keras yang efisien, menggunakan kode qLDPC baru untuk mengurangi overhead hingga 10 kali lipat dibandingkan surface code.

Tujuan spesifik dalam peta jalan ini meliputi penskalaan hingga 1 juta qubit dan pengembangan qubit logis presisi tinggi dengan tingkat kesalahan di bawah 10−7, yang memungkinkan keunggulan kuantum untuk aplikasi yang membutuhkan akurasi luar biasa, seperti dalam ilmu kimia dan material. Aspek lain dari peta jalan ini mencakup inovasi dalam fabrikasi dan pengepakan (melalui fasilitas cleanroom dan integrasi 3D), pengembangan elektronik kriogenik (untuk modularitas, pengurangan beban panas, dan biaya per qubit yang lebih rendah), serta integrasi perangkat lunak (melalui HPC dan SDK khusus dengan antarmuka terbuka). IQM juga akan fokus pada kasus penggunaan seperti simulasi kuantum, optimasi, dan pembelajaran mesin kuantum untuk mencapai keunggulan kuantum di berbagai domain industri. Roadmap IQM menyoroti pendekatan komprehensif yang mencakup tidak hanya perangkat keras dan koreksi kesalahan, tetapi juga fabrikasi, pendinginan, dan ekosistem perangkat lunak. Ini menunjukkan bahwa mencapai toleransi kesalahan memerlukan inovasi di seluruh tumpukan teknologi, dari fisika dasar hingga aplikasi tingkat tinggi.

Aplikasi Potensial Komputasi Kuantum

Komputasi kuantum memiliki potensi untuk merevolusi banyak bidang, seperti kriptografi, kimia, dan masalah optimasi, menjanjikan solusi yang lebih cepat dan lebih akurat untuk masalah kompleks.

Kriptografi dan Keamanan Siber

Ancaman terhadap Kriptografi Tradisional

Komputasi kuantum menimbulkan ancaman signifikan bagi kriptografi tradisional karena kemampuannya memecahkan algoritma matematika rumit yang menjadi dasar sistem keamanan tersebut.

• Pemecahan Algoritma RSA: Algoritma RSA (Rivest-Shamir-Adleman), salah satu yang paling banyak digunakan untuk enkripsi data, sangat bergantung pada kesulitan memfaktorkan bilangan besar. Komputer kuantum dengan Algoritma Shor dapat memfaktorkan bilangan besar ini dalam waktu singkat, membuat RSA menjadi tidak aman.
• Mengalahkan ECC (Elliptic Curve Cryptography): ECC adalah algoritma yang digunakan dalam sistem keamanan Bitcoin dan mengandalkan masalah logaritma diskret elips. Komputer kuantum mampu menyelesaikan masalah ini dengan sangat cepat, yang berarti kunci pribadi pengguna dapat dengan mudah diretas.
• Kerentanan Sistem Blockchain: Meskipun hashing seperti SHA-256, yang merupakan tulang punggung Bitcoin dan mata uang kripto lainnya, dianggap lebih tahan terhadap serangan kuantum, komputer kuantum tetap berpotensi untuk mengurangi keamanannya di masa depan.

Implikasi dari kemampuan ini sangat mendalam: informasi rahasia, termasuk data pribadi, catatan keuangan, dan komunikasi sensitif, berisiko jika metode enkripsi tahan kuantum tidak segera diimplementasikan. Pihak yang didukung oleh negara dan entitas jahat dapat memanfaatkan kemampuan komputasi kuantum untuk melakukan serangan siber canggih yang berpotensi mengancam infrastruktur kritis, keamanan nasional, dan data sensitif dalam skala besar. Sebagai contoh, ransomware bisa menjadi lebih efektif dan merusak. Ancaman terhadap kriptografi tradisional ini adalah salah satu implikasi paling mendesak dari komputasi kuantum. Ini menciptakan “perlombaan senjata” siber, mendorong urgensi pengembangan dan adopsi kriptografi pasca-kuantum sebelum komputer kuantum yang mampu memecahkan enkripsi saat ini menjadi kenyataan.

Kriptografi Pascakuantum (PQC) dan Solusi Keamanan Kuantum

Sebagai respons terhadap ancaman ini, para ilmuwan dan pengembang teknologi telah mulai mengembangkan solusi yang disebut kriptografi pascakuantum (PQC), yang dirancang untuk melindungi sistem kriptografi dari serangan kuantum dan tahan terhadap kemampuan komputasi kuantum.

• Algoritma Pascakuantum: Ini adalah algoritma baru yang dirancang untuk tahan terhadap kemampuan komputasi kuantum. Contohnya termasuk Lattice-based Cryptography, yang menggunakan struktur matematika kompleks untuk melindungi data.
  National Institute of Standards and Technology (NIST) AS telah memilih empat skema untuk standarisasi, tiga di antaranya dikembangkan oleh IBM: CRYSTALS-Kyber (standar enkripsi kunci publik utama), CRYSTALS-Dilithium (standar algoritma tanda tangan digital utama), Falcon (standar tanda tangan digital untuk situasi yang membutuhkan sumber daya lebih rendah), dan SPHINCS+.
• Quantum Key Distribution (QKD): Metode ini memanfaatkan sifat mekanika kuantum untuk mendistribusikan kunci enkripsi dengan aman. Jika ada pihak ketiga yang mencoba mencegat kunci, sistem akan langsung mendeteksinya.
• Peningkatan Keamanan dengan RNG Kuantum: Berbeda dengan Random Number Generator (RNG) tradisional, komputer kuantum dapat menghasilkan angka yang benar-benar acak dan tidak bisa diprediksi, membuat sistem enkripsi jauh lebih aman karena tidak ada pola yang dapat digunakan oleh peretas untuk menembusnya.
• Upgrade Sistem Blockchain: Pengembang blockchain juga sedang berupaya meningkatkan keamanan blockchain agar tetap aman dari ancaman kuantum, termasuk mengganti algoritma hashing dengan versi yang lebih kuat.

Pengembangan PQC dan QKD menunjukkan respons proaktif komunitas ilmiah dan industri terhadap ancaman kuantum. Ini bukan hanya tentang bertahan, tetapi juga tentang menciptakan fondasi keamanan baru yang lebih kuat untuk era digital di masa depan.

Penemuan Obat dan Ilmu Material

Komputasi kuantum dapat mempercepat pembuatan vaksin dan obat-obatan, membantu dokter mengetahui apa yang salah dengan pasien lebih cepat, dan menyesuaikan pengobatan. Kemampuan ini memungkinkan simulasi interaksi molekul dan kimia yang lebih akurat, membuka kemajuan signifikan dalam penemuan obat, desain katalis, dan ilmu material. Simulasi kuantum memberikan wawasan tentang sistem kuantum kompleks yang sulit dimodelkan secara klasik.

Contoh aplikasi spesifik meliputi:

• Penemuan Obat: Komputasi kuantum mempercepat proses penemuan obat dengan akurat memodelkan interaksi obat-protein, terutama untuk metaloprotein (seperti enzim Cytochrome P450 yang bertanggung jawab atas metabolisme sebagian besar obat) di mana metode tradisional seringkali gagal. Ini membantu memprediksi metabolisme obat dan interaksi potensial, secara signifikan mengurangi kegagalan pada tahap akhir pengembangan obat.
• Ilmu Material: Memungkinkan pemodelan akurat interkalasi lithium-ion, antarmuka elektrolit padat, dan kimia baterai baru untuk pengembangan baterai yang lebih baik. Para peneliti menggunakan VQE untuk menyaring bahan katoda potensial, memprediksi kurva tegangan, dan memahami mekanisme degradasi, yang sangat penting untuk inovasi baterai dan penyimpanan energi.

Kemampuan komputasi kuantum untuk mensimulasikan interaksi molekuler pada tingkat kuantum berpotensi merevolusi penelitian dan pengembangan di bidang farmasi dan material. Ini memungkinkan “pengujian virtual” yang jauh lebih cepat dan akurat, secara drastis mengurangi waktu dan biaya yang terkait dengan pekerjaan lab fisik, mempercepat inovasi di bidang-bidang vital ini.

Optimasi dan Kecerdasan Buatan (AI)

 Optimasi Rute dan Rantai Pasokan

Komputasi kuantum menawarkan kemungkinan untuk memecahkan masalah pengoptimalan dengan lebih efisien, seperti optimasi rute, optimasi portofolio, dan manajemen rantai pasokan.46 Komputasi kuantum dapat menganalisis banyak variabel secara bersamaan, mengurangi biaya dan meningkatkan efisiensi untuk perusahaan yang bergantung pada e-commerce, manufaktur, dan pengiriman. Kemampuan optimasi kuantum memiliki dampak langsung pada efisiensi operasional di berbagai industri. Ini bukan hanya tentang kecepatan, tetapi tentang menemukan solusi optimal yang mungkin tidak dapat ditemukan oleh komputer klasik dalam waktu yang wajar, menghasilkan penghematan biaya dan peningkatan produktivitas yang signifikan.

Peningkatan AI dan Machine Learning

Komputer kuantum akan mendorong AI ke tingkat yang lebih tinggi, memungkinkan akurasi dan kinerja yang lebih baik, serta pertumbuhan yang skalabel dan berkelanjutan. Teknologi kuantum menawarkan solusi yang lebih sustainable, efisien, dan berkinerja tinggi dibandingkan sistem klasik, berpotensi mengurangi biaya komputasi dan konsumsi energi secara signifikan melalui entanglement dan interference.

Model kuantum memerlukan jumlah parameter yang jauh lebih sedikit untuk dilatih daripada model klasik, yang bisa memiliki miliaran parameter dan membutuhkan daya komputasi sangat besar. Sebaliknya, model kuantum memanfaatkan properti mekanika kuantum untuk mencapai performa sebanding dengan jumlah parameter yang jauh lebih kecil. Hal ini dapat secara drastis mengurangi energi dan sumber daya komputasi yang diperlukan, membuat AI lebih sustainable.

Pengembangan teknik Machine Learning untuk Natural Language Processing (NLP) menggunakan komputer kuantum tidak hanya bertujuan memindahkan teknik klasik tetapi menata ulang metode untuk memanfaatkan fitur unik komputer kuantum. Contohnya termasuk:

• Quantum Word Embeddings (vektor kata kuantum) yang menggunakan vektor bernilai kompleks, berpotensi memberikan keuntungan dalam berbagai area karena bahasa memiliki struktur probabilistik dan hierarkis yang kaya.
• Quantum Recurrent Neural Network (RNN) yang mampu mengklasifikasikan ulasan film dengan performa setara RNN klasik hanya dengan empat qubit, menunjukkan model kuantum dapat mencapai performa kompetitif dengan ruang vektor yang jauh lebih kecil dan berpotensi menghemat energi secara signifikan.
• Eksplorasi Quantum Transformers dan Tensor Networks untuk NLP, menunjukkan performa sebanding dengan baseline klasik pada perangkat keras kuantum.

Sinergi antara komputasi kuantum dan AI/ML adalah salah satu area aplikasi paling transformasional. Komputasi kuantum dapat mengatasi batasan komputasi klasik dalam pelatihan model AI yang kompleks dan analisis data besar, membuka jalan bagi AI yang lebih cerdas, efisien, dan berkelanjutan, serta memungkinkan terobosan dalam pemrosesan bahasa alami dan pengenalan pola.

Konteks Industri dan Implikasi Masa Depan

Pemain Utama dan Investasi Global

Pemain utama dalam industri ini meliputi raksasa teknologi seperti IBM, Google, Microsoft, Intel, dan Honeywell (melalui anak perusahaannya Quantinuum), serta startup inovatif seperti IonQ, D-Wave, Rigetti, PsiQuantum, Xanadu, IQM, dan Classiq (startup Israel).

Pendanaan untuk startup komputasi kuantum mencapai rekor $2 miliar pada tahun 2024, naik empat kali lipat dalam lima tahun terakhir. Investasi di awal tahun 2025 telah mencapai 70% dari total tahun 2024, meskipun dengan putaran pendanaan yang lebih sedikit tetapi nilai rata-rata kesepakatan yang lebih besar. Tren ini menunjukkan fokus yang meningkat pada potensi komersialisasi dibandingkan sekadar inovasi ilmiah.

Pasar kriptografi kuantum global, sebagai salah satu segmen kunci, diperkirakan tumbuh secara signifikan dari USD 0,22 miliar pada tahun 2023 menjadi USD 2,26 miliar pada tahun 2030, dengan tingkat pertumbuhan tahunan gabungan (CAGR) sebesar 41,1%. Amerika Utara saat ini mendominasi pasar ini dengan pangsa 39%. Peningkatan investasi dan munculnya pemain kunci yang beragam menunjukkan bahwa pasar komputasi kuantum sedang berkembang pesat dan bergerak dari fase penelitian murni ke komersialisasi. Konsolidasi investasi ke putaran yang lebih besar mencerminkan kepercayaan investor yang meningkat terhadap potensi teknologi ini.

Tantangan Etika dan Sosial

Seperti teknologi baru lainnya yang transformatif, penggunaan komputasi kuantum juga dapat menimbulkan masalah etika dan privasi data yang serius, yang perlu dipikirkan dengan serius dan diatasi.

 Alokasi Sumber Daya dan Ketidaksetaraan Global (Quantum Divide)

Komputasi kuantum adalah teknologi yang sangat intensif sumber daya, baik dalam hal perangkat keras fisik yang kompleks maupun sumber daya manusia yang sangat terampil untuk memprogram dan mengoperasikannya. Sumber daya semacam ini saat ini hanya tersedia bagi segelintir negara. Kondisi ini berpotensi memperburuk kesenjangan sosio-ekonomi global, menciptakan apa yang disebut “Quantum Divide” antara negara-negara yang mampu berinvestasi besar dalam teknologi ini dan negara-negara yang tidak. Jika manfaat komputasi kuantum hanya mengalir ke negara-negara kaya dan maju, ini dapat memperlebar kesenjangan ekonomi dan teknologi yang sudah ada, menyoroti perlunya kerangka kerja etika dan kebijakan inklusif untuk memastikan akses yang adil terhadap teknologi ini.

Penyalahgunaan Kekuatan dan Privasi Data

Komputer kuantum yang cukup kuat suatu hari nanti dapat memecahkan banyak skema enkripsi yang digunakan saat ini, yang dapat menyebabkan pelanggaran privasi dan keamanan yang belum pernah terjadi sebelumnya. Ada kekhawatiran serius tentang praktik “Simpan Sekarang Dekripsi Nanti” (Store Now Decrypt Later), di mana informasi sensitif dengan masa simpan panjang (misalnya, catatan medis atau transaksi keuangan) dapat dicuri sekarang dan didekripsi di masa depan ketika komputer kuantum yang mampu tersedia. Ancaman terhadap privasi data dan keamanan siber ini adalah masalah eksistensial yang memerlukan perhatian segera. Ini menggarisbawasi pentingnya pengembangan kriptografi pasca-kuantum (PQC) dan regulasi yang kuat untuk mencegah penyalahgunaan teknologi ini oleh aktor jahat.

Akuntabilitas dan Transparansi Algoritma Kuantum

Kompleksitas inheren dari algoritma kuantum dapat menyebabkan kurangnya transparansi dan akuntabilitas. Jika algoritma kuantum, misalnya, membuat kesalahan atau menyebabkan kerugian, mungkin akan sangat sulit untuk memahami mengapa atau bagaimana hal itu terjadi. Memastikan “penjelasan” atau explainability adalah persyaratan utama untuk algoritma yang memutuskan hasil penting, seperti dalam aplikasi pinjaman atau diagnosis medis. Kompleksitas algoritma kuantum menimbulkan tantangan etika yang unik dalam desain dan implementasi. Ini membutuhkan penelitian yang lebih dalam tentang explainable AI (XAI) dalam konteks kuantum dan kerangka kerja tata kelola yang kuat untuk memastikan penggunaan yang bertanggung jawab.

Pergeseran Tenaga Kerja dan Kebutuhan Reskilling

Peningkatan daya pemrosesan dan efisiensi komputer kuantum dapat mengotomatiskan banyak pekerjaan yang saat ini dilakukan oleh manusia, terutama yang melibatkan pemrosesan data rutin atau tugas algoritmik kompleks, yang berpotensi menyebabkan hilangnya pekerjaan.Namun, pergeseran ini juga akan mendorong permintaan untuk keterampilan khusus terkait kuantum, menciptakan peluang kerja baru di bidang-bidang seperti pengembangan algoritma kuantum, rekayasa perangkat keras, dan keamanan kuantum. Pekerja yang terampil dalam komputasi kuantum akan menemukan diri mereka sangat diminati, berpotensi mengarah pada peluang karir yang menguntungkan. Komputasi kuantum akan menyebabkan transformasi pasar kerja yang signifikan. Meskipun ada risiko hilangnya pekerjaan rutin, akan ada penciptaan pekerjaan baru yang membutuhkan keterampilan khusus. Ini menekankan pentingnya program reskilling dan pendidikan untuk mempersiapkan tenaga kerja menghadapi era kuantum, serta mengatasi potensi kesenjangan digital yang mungkin timbul akibat kurangnya akses ke pendidikan dan sumber daya yang diperlukan.

Kesimpulan

Komputasi kuantum adalah teknologi transformatif yang memanfaatkan prinsip-prinsip mekanika kuantum seperti superposisi dan keterikatan untuk memproses informasi dengan cara yang melampaui kemampuan komputasi klasik. Meskipun masih dalam tahap awal yang dikenal sebagai era NISQ (Noisy Intermediate-Scale Quantum), dengan tantangan signifikan terkait dekoherensi, skalabilitas, dan kebutuhan daya ekstrem, kemajuan pesat dalam pengembangan qubit (superkonduktor, perangkap ion, fotonik) dan teknik koreksi kesalahan (seperti surface code dan qLDPC) terus mendorong batas-batas yang mungkin.

Aplikasi potensial komputasi kuantum sangat luas dan revolusioner. Dalam kriptografi, ia menimbulkan ancaman eksistensial terhadap skema enkripsi tradisional seperti RSA dan ECC, tetapi pada saat yang sama memicu pengembangan solusi keamanan pasca-kuantum yang tangguh. Di bidang penemuan obat dan ilmu material, komputasi kuantum menjanjikan percepatan simulasi molekuler yang akurat, secara drastis mengurangi waktu dan biaya R&D. Selain itu, sinerginya dengan Kecerdasan Buatan dan Machine Learning berpotensi menciptakan model AI yang lebih efisien dan canggih, sementara kemampuannya dalam optimasi dapat merevolusi logistik dan rantai pasokan.

Lanskap industri komputasi kuantum ditandai oleh investasi besar dan persaingan ketat antara raksasa teknologi dan startup. Namun, kemajuan ini juga menimbulkan implikasi etika dan sosial yang serius, termasuk potensi kesenjangan global dalam akses teknologi (quantum divide), risiko penyalahgunaan kekuatan yang mengancam privasi dan keamanan data, tantangan akuntabilitas algoritma yang kompleks, dan pergeseran signifikan dalam pasar kerja yang memerlukan reskilling tenaga kerja secara massal.

Secara keseluruhan, komputasi kuantum bukan hanya tentang kecepatan, tetapi tentang kemampuan untuk memecahkan masalah yang secara fundamental tidak dapat diatasi oleh komputer klasik. Meskipun jalan menuju komputasi kuantum toleran kesalahan penuh masih panjang dan penuh tantangan, potensi dampaknya terhadap sains, industri, dan masyarakat global sangat besar. Oleh karena itu, pengembangan yang bertanggung jawab, inklusif, dan proaktif, yang mempertimbangkan implikasi etika dan sosial, akan menjadi kunci untuk memanfaatkan potensi penuh teknologi ini demi kemajuan umat manusia.

Daftar Pustaka : 

1. Apa itu Komputasi Kuantum: Masa Depan Pemrosesan Informasi …, accessed August 11, 2025, https://mindthegraph.com/blog/id/apa-itu-komputasi-kuantum/
2. Apa itu Komputasi Quantum? | IBM, accessed August 11, 2025, https://www.ibm.com/id-id/topics/quantum-computing
3. Quantum Computing: Pengertian, Sejarah, dan Manfaat – Dicoding, accessed August 11, 2025, https://www.dicoding.com/blog/quantum-computing-pengertian-sejarah-dan-manfaat/
4. Memahami Dasar-dasar Komputasi Kuantum: Konsep, Prinsip, dan Keunggulannya, accessed August 11, 2025, https://www.kompasiana.com/ronybrothers/64a6554608a8b554ed78bb32/memahami-dasar-dasar-komputasi-kuantum-konsep-prinsip-dan-keunggulannya
5. Superposition and entanglement – Quantum Inspire, accessed August 11, 2025, https://www.quantum-inspire.com/kbase/superposition-and-entanglement/
6. KETERBELITAN KUANTUM (QUANTUM ENTANGLEMENT) PROGRAM STUDI FISIKA FAKULTAS SAINS DAN KOMPUTER UNIVERSITAS KRISTEN IMMANUEL YOGYA, accessed August 11, 2025, https://journal.ukrim.ac.id/index.php/JIF/article/download/312/248
7. Tantangan Besar Dalam Komputasi Kuantum Dan Apa Saja Pengaruhnya Jika Revolusi Terjadi, Apakah Siap Dunia – Kompasiana.com, accessed August 11, 2025, https://www.kompasiana.com/hajidiankusumanto19649469/67d71b48ed6415595a0bc296/tantangan-besar-dalam-komputasi-kuantum-dan-apa-ya-g-terjadi-jika-revolusi-terjadi-apakah-siap-dunia
8. Masa Depan Quantum Computing: Tren dan Tantangan – Unisbank, accessed August 11, 2025, https://www.unisbank.ac.id/v3/masa-depan-quantum-computing-tren-dan-tantangan/
9. How coherence measurements of a qubit steer its quantum environment | Phys. Rev. B, accessed August 11, 2025, https://link.aps.org/doi/10.1103/PhysRevB.110.024311
10. Quantum decoherence – Wikipedia, accessed August 11, 2025, https://en.wikipedia.org/wiki/Quantum_decoherence
11. Decoherence in Nanotech: A Guide, accessed August 11, 2025, https://www.numberanalytics.com/blog/decoherence-in-nanotech-guide
12. Komputasi Kuantum vs. Superkomputer: Siapa yang Unggul? – Cloud Computing Indonesia, accessed August 11, 2025, https://www.cloudcomputing.id/berita/komputasi-kuantum-vs-superkomputer
13. Qubit Superkonduktor: Teknologi Masa Depan Komputasi Kuantum, accessed August 11, 2025, https://www.cloudcomputing.id/pengetahuan-dasar/qubit-superkonduktor
14. Quantum Showdown: Superconducting vs Trapped Ion vs Photonic …, accessed August 11, 2025, https://ts2.tech/en/quantum-showdown-superconducting-vs-trapped-ion-vs-photonic-who-will-rule-quantum-computing/
15. Menjelajahi Tren dan Peluang dalam Teknologi Quantum-Enhanced Advanced Illumination – Universitas Airlangga Official Website, accessed August 11, 2025, https://unair.ac.id/menjelajahi-tren-dan-peluang-dalam-teknologi-quantum-enhanced-advanced-illumination/
16. Tim Ilmuwan China capai terobosan di cip kuantum fotonik terintegrasi – ANTARA News, accessed August 11, 2025, https://www.antaranews.com/berita/4663133/tim-ilmuwan-china-capai-terobosan-di-cip-kuantum-fotonik-terintegrasi
17. 8 Best Quantum Computing Stocks to Buy in 2025 | The Motley Fool, accessed August 11, 2025, https://www.fool.com/investing/stock-market/market-sectors/information-technology/ai-stocks/quantum-computing-stocks/
18. Ion Traps vs. Superconducting – Which Is the Better Quantum Technology? – Reddit, accessed August 11, 2025, https://www.reddit.com/r/QuantumComputing/comments/1i76my1/ion_traps_vs_superconducting_which_is_the_better/
19. IonQ Vs Quantum : Which is a Better Buy? AI Stock Analysis – Danelfin, accessed August 11, 2025, https://danelfin.com/stocks/IONQ-ionq-vs-QMCO-quantum-compare
20. Want to Invest in Quantum Computing? 4 Stocks That Are Great Buys Right Now, accessed August 11, 2025, https://www.fool.com/investing/2025/07/22/want-to-invest-in-quantum-computing-4-stocks-that/
21. Komputasi Kuantum POTENSI MASA DEPAN – SMKN 1 RANGKASBITUNG, accessed August 11, 2025, https://smkn1rangkasbitung.sch.id/komputasi-kuantum-potensi-masa-depan/
22. NISQ – Quantum Computing Explained – Quandela, accessed August 11, 2025, https://www.quandela.com/resources/quantum-computing-glossary/nisq-noisy-intermediate-scale-quantum-computing/
23. Quantum control’s role in scaling quantum computing | McKinsey …, accessed August 11, 2025, https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/tech-forward/understanding-quantum-controls-role-in-scaling-quantum-computing
24. Noisy intermediate-scale quantum era – Wikipedia, accessed August 11, 2025, https://en.wikipedia.org/wiki/Noisy_intermediate-scale_quantum_era
25. 2-1. NISQ algorithms and long-term algorithms – Quantum Native Dojo!, accessed August 11, 2025, https://dojo.qulacs.org/en/latest/notebooks/2.1_NISQ_and_long_term.html
26. 5 Quantum Algorithms That Could Change The World – Anastasia Marchenkova, accessed August 11, 2025, https://www.amarchenkova.com/posts/5-quantum-algorithms-that-could-change-the-world
27. Variational Quantum Eigensolver (VQE) – Classiq, accessed August 11, 2025, https://www.classiq.io/insights/variational-quantum-eigensolver-vqe
28. QAOA performance comparison according to p values. – ResearchGate, accessed August 11, 2025, https://www.researchgate.net/figure/QAOA-performance-comparison-according-to-p-values_fig5_364296540
29. [2409.12104] Performance of Quantum Approximate Optimization with Quantum Error Detection – arXiv, accessed August 11, 2025, https://arxiv.org/abs/2409.12104
30. Kode Koreksi Kesalahan Kuantum – Azure Quantum | Microsoft Learn, accessed August 11, 2025, https://learn.microsoft.com/id-id/azure/quantum/concepts-error-correction
31. Quantum computing despite decoherence – UTUPub, accessed August 11, 2025, https://www.utupub.fi/handle/10024/180547
32. Quantum talking points in 2025, accessed August 11, 2025, https://www.fujitsu.com/global/imagesgig5/2025_Predictions_Quantum_New.pdf
33. Realization of an Error-Correcting Surface Code with Superconducting Qubits | Phys. Rev. Lett. – Physical Review Link Manager, accessed August 11, 2025, https://link.aps.org/doi/10.1103/PhysRevLett.129.030501
34. Suppressing quantum errors by scaling a surface code logical qubit – Google Research, accessed August 11, 2025, https://research.google/blog/suppressing-quantum-errors-by-scaling-a-surface-code-logical-qubit/
35. Architectures for Heterogeneous Quantum Error Correction Codes – arXiv, accessed August 11, 2025, https://arxiv.org/html/2411.03202v2
36. [2502.07150] Computing Efficiently in QLDPC Codes – arXiv, accessed August 11, 2025, https://arxiv.org/abs/2502.07150
37. IBM Offers Roadmap Toward Large-Scale, Fault-Tolerant Quantum …, accessed August 11, 2025, https://thequantuminsider.com/2025/06/10/ibm-offers-roadmap-toward-large-scale-fault-tolerant-quantum-computer-at-new-ibm-quantum-data-center/
38. IBM lays out clear path to fault-tolerant quantum computing, accessed August 11, 2025, https://www.ibm.com/quantum/blog/large-scale-ftqc
39. IQM Quantum Computers unveils development roadmap focused on …, accessed August 11, 2025, https://meetiqm.com/press-releases/iqm-quantum-computers-unveils-development-roadmap-focused-on-fault-tolerant-quantum-computing-by-2030/
40. Hal yang Perlu Diketahui dari Quantum Computing vs Kriptografi, accessed August 11, 2025, https://mojok.co/kilas/ekonomi/quantum-computing-vs-kriptografi-tradisional/
41. Quantum Computing: Biang Ancaman Siber Perusak Enkripsi …, accessed August 11, 2025, https://widyasecurity.com/2024/05/24/quantum-computing-biang-ancaman-siber-perusak-enkripsi/
42. Quantum Computing Jawab Kebutuhan Manusia Akan Kecepatan & Memori, accessed August 11, 2025, https://dcs.binus.ac.id/2022/06/10/quantum-computing-jawab-kebutuhan-manusia-akan-kecepatan-memori/
43. Apa itu kriptografi yang aman kuantum? | IBM, accessed August 11, 2025, https://www.ibm.com/id-id/topics/quantum-safe-cryptography
44. Revolusi Kuantum di Industri Keuangan: Manfaat & Tantangannya, accessed August 11, 2025, https://www.cloudcomputing.id/pengetahuan-dasar/kuantum-industri-keuangan
45. Mengenal Perkembangan, dan Manfaat Komputer Kuantum – Teknologi.id, accessed August 11, 2025, https://teknologi.id/computational-mechanics/mengenal-perkembangan-dan-manfaat-komputer-kuantum
46. Komputasi Kuantum: Kami akan membuka teknologi revolusioner! – ITpedia., accessed August 11, 2025, https://id.itpedia.nl/2023/07/01/quantum-computing-we-gaan-een-revolutionaire-technologie-ontsluiten/
47. Top 9 Quantum Computing Software Platforms of 2025 – BlueQubit, accessed August 11, 2025, https://www.bluequbit.io/quantum-computing-software-platforms
48. Teknologi Quantum Computing dan Dampaknya terhadap Dunia …, accessed August 11, 2025, https://fisipol.uma.ac.id/teknologi-quantum-computing-dan-dampaknya-terhadap-dunia-digital/
49. Quantum Computers Will Make AI Better – Quantinuum, accessed August 11, 2025, https://www.quantinuum.com/blog/quantum-computers-will-make-ai-better
50. Achieving Scalability:The key to future quantum computers | Columns | Mitsubishi Research Institute 50th Anniversary Website, accessed August 11, 2025, https://www.mri.co.jp/en/50th/columns/quantum/no02/
51. Menciptakan ekosistem global untuk industri Quantum|S1 Sistem Komputer S.Kom, accessed August 11, 2025, https://sistem-komputer-s1.stekom.ac.id/informasi/baca/Menciptakan-ekosistem-global-untuk-industri-Quantum/f99e323ea016716e3632505d568cc6e0863c19f4
52. Global Quantum Computing startups list | Dealroom.co, accessed August 11, 2025, https://app.dealroom.co/lists/36190
53. Saham Komputasi Kuantum: 3 Pilihan untuk Pertumbuhan Jangka Panjang – FastBull, accessed August 11, 2025, https://www.fastbull.com/id/news-detail/quantum-computing-stocks-3-picks-for-longterm-growth-4331546_0
54. Dunia Teknologi Makin Sengit, Startup Israel Dapat Suntikan Rp1,8 Triliun untuk Komputasi Kuantum – merdeka.com, accessed August 11, 2025, https://www.merdeka.com/uang/dunia-teknologi-makin-sengit-startup-israel-dapat-suntikan-rp18-triliun-untuk-komputasi-kuantum-405399-mvk.html
55. Quantum Industry Sees Big Bets And Bigger Deals in Early 2025, accessed August 11, 2025, https://thequantuminsider.com/2025/06/07/quantum-industry-sees-big-bets-and-bigger-deals-in-early-2025/
56. Permintaan Pasar Kriptografi Kuantum dan Laporan Prospek 2030, accessed August 11, 2025, https://exactitudeconsultancy.com/id/reports/33431/quantum-cryptography-market
57. Quantum Computing – DiskominfoSP Kabupaten Lebak, accessed August 11, 2025, https://diskominfosp.lebakkab.go.id/quantum-computing/
58. Quantum ethics – QuEra Computing, accessed August 11, 2025, https://www.quera.com/blog-posts/quantum-ethics
59. Ethics and quantum computing, accessed August 11, 2025, https://www.scientific-computing.com/article/ethics-quantum-computing
60. Navigating the Quantum Divide(s) – arXiv, accessed August 11, 2025, https://arxiv.org/pdf/2403.08033
61. From colonialism to AI: How the Global South became the world’s inequality hotspot – Dawn, accessed August 11, 2025, https://www.dawn.com/news/1915399
62. allwork.space, accessed August 11, 2025, https://allwork.space/2024/09/quantum-computing-explained/#:~:text=The%20shift%20to%20quantum%20computing,for%20specialized%20quantum%2Drelated%20skills.

Quantum Computing Explained: Transforming The Future Of Work At 158 Million Times The Speed – Allwork.Space, accessed August 11, 2025, https://allwork.space/2024/09/quantum-computing-explained/