Pada tahun 2019, prosesor Sycamore milik Google dengan 53 qubit berhasil menyelesaikan tugas random circuit sampling hanya dalam 200 detik, sebuah pencapaian yang saat itu diperkirakan akan membutuhkan waktu 10.000 tahun bila dikerjakan oleh superkomputer tercepat di dunia. Namun, perkembangan pesat dalam algoritma klasik mengubah lanskap tersebut. Pada tahun 2023, para peneliti dari University of Science and Technology of China (USTC) memperkenalkan algoritma baru yang memungkinkan penyelesaian tugas yang sama dalam waktu hanya 14 detik menggunakan lebih dari 1.400 GPU A100. Bahkan dengan hadirnya superkomputer Frontier yang memiliki kapasitas memori yang jauh lebih besar, waktu penyelesaian berkurang drastis menjadi hanya 1,6 detik, menggugurkan klaim awal Google mengenai supremasi kuantum.
Tonggak Sejarah Jiuzhang dan Zuchongzhi
Memanfaatkan keunggulan algoritma klasik sebagai tolok ukur, tim USTC kemudian mencatat pencapaian supremasi kuantum yang secara matematis dapat dibuktikan melalui prototipe komputer kuantum fotonik Jiuzhang pada tahun 2020. Pencapaian ini kemudian dilanjutkan dengan demonstrasi berbasis superkonduktor menggunakan prosesor Zuchongzhi-2 pada tahun 2021. Terbaru, pada tahun 2023, pengembangan Jiuzhang-3 dengan 255 foton menunjukkan keunggulan komputasi kuantum yang melampaui kemampuan superkomputer klasik hingga 10^16 kali lipat. Di sisi lain, Google merilis prosesor kuantum superkonduktor terbaru, Sycamore 67-qubit, pada Oktober 2024 yang menunjukkan supremasi kuantum dengan keunggulan sembilan tingkat besaran dibandingkan komputer klasik. Namun demikian, pencapaian tim Tiongkok tetap lebih unggul dalam hal skala dan efisiensi.
Lompatan Kinerja dalam Zuchongzhi-3
Mengembangkan arsitektur Zuchongzhi-2 yang memiliki 66 qubit, tim peneliti USTC melakukan peningkatan signifikan pada berbagai aspek teknis untuk menghasilkan Zuchongzhi-3. Versi terbaru ini dilengkapi dengan 105 qubit dan 182 coupler, serta mencatat waktu koherensi hingga 72 mikrodetik. Selain itu, fidelitas gerbang satu qubit simultan mencapai 99,90%, fidelitas gerbang dua qubit simultan sebesar 99,62%, dan fidelitas pembacaan simultan 99,13%. Peningkatan waktu koherensi ini memberikan ruang yang cukup untuk pelaksanaan operasi dan perhitungan kompleks. Dalam pengujian kemampuannya, tim melaksanakan tugas random circuit sampling dengan 83 qubit dan 32 lapisan. Hasilnya menunjukkan kecepatan komputasi yang 10^15 kali lebih cepat dibandingkan superkomputer tercepat dunia, dan enam tingkat besaran lebih unggul dari hasil terbaru Google, menjadikan Zuchongzhi-3 sebagai sistem superkonduktor dengan keunggulan kuantum paling kuat saat ini.
Membangun Masa Depan Riset Kuantum
Setelah keberhasilan Zuchongzhi-3 dalam mencapai keunggulan komputasi kuantum yang luar biasa, tim USTC memperluas fokus riset mereka ke bidang-bidang strategis seperti koreksi kesalahan kuantum, keterikatan kuantum, simulasi kuantum, dan kimia kuantum. Mereka telah menerapkan arsitektur kisi dua dimensi (2D grid) untuk meningkatkan konektivitas antar qubit dan kecepatan transfer data antar elemen dalam sistem. Dengan memanfaatkan arsitektur ini, tim mengintegrasikan kode permukaan (surface code) dan sedang mengembangkan koreksi kesalahan kuantum menggunakan surface code jarak-7, yang direncanakan akan diperluas hingga ke jarak 9 dan 11. Upaya ini diarahkan untuk memungkinkan integrasi dan manipulasi qubit dalam skala besar yang stabil dan efisien.
Pengakuan Global dan Dampaknya
Kontribusi tim USTC dalam bidang komputasi kuantum telah mendapat pengakuan luas dari komunitas ilmiah internasional. Seorang peninjau jurnal ilmiah menyatakan bahwa pencapaian mereka merupakan "tolok ukur bagi komputer kuantum superkonduktor generasi baru yang menunjukkan performa terdepan," serta merupakan "peningkatan signifikan dari perangkat 66-qubit sebelumnya (Zuchongzhi-2)." Pengakuan ini tidak hanya mencerminkan nilai teknis yang tinggi, tetapi juga menegaskan bahwa Tiongkok telah menempatkan dirinya di garis depan dalam perlombaan global teknologi kuantum.
Artikel 7 — Final: Membangun Alur Kerja Lengkap Big Data × SCM Menggunakan GPT-5: Dari Data Mentah Sampai Insight Manajerial
4 bulan yang lalu
Artikel 6 — Cara Meminta GPT-5 Menginterpretasi Hasil Analisis Big Data dari Google Colab (Seperti Konsultan Profesional)
4 bulan yang lalu
Artikel 5 — Cara Copy Script dari GPT-5 ke Google Colab Tanpa Error: Panduan Super Pemula
4 bulan yang lalu
Artikel 4 — Praktik Lengkap: GPT-5 Membuat Script Big Data untuk SCM (10.000 Baris) — Cleaning, Analisis, Visualisasi
4 bulan yang lalu
Artikel 3 — Belajar Python dari Nol dengan Bantuan GPT-5: Cara Paling Mudah untuk Mahasiswa Pemula Big Data
4 bulan yang lalu
Artikel 2 — Panduan Super Pemula: Cara Menggunakan Google Colab dan Menjalankan Kode dari GPT-5 Tanpa Error
4 bulan yang lalu