Konferensi Kuantum Shenzhen Mengirim Sinyal “Kuantum–Superkomputer–AI”

“Kuantum–superkomputer–AI” itu maksudnya apa?

Konferensi CCF Quantum Computing ke-5 dan Greater Bay Area Quantum Science Forum ke-5 yang berlangsung di Shenzhen pada 3–5 Agustus 2026 mengangkat tema “量与智相融合，量超智共融算”—yang dapat dipahami sebagai peleburan komputasi kuantum, kecerdasan buatan, dan superkomputer.23

Lebih dari 2.400 orang menghadiri acara tersebut. Dalam sesi akademik, lebih dari 200 akademisi dan pakar membahas perkembangan AI-kuantum, integrasi kuantum–superkomputer–AI, serta penerapannya dalam sains dan industri.23

Namun, ada batasan penting: tema “kuantum–superkomputer–AI” ini bukan rencana nasional resmi yang diumumkan pemerintah China. Ia lebih tepat dibaca sebagai arah strategis dan usulan pembangunan yang disampaikan para ilmuwan serta peserta konferensi.123

Gagasannya adalah membangun satu sistem komputasi terpadu dengan pembagian peran yang jelas:

• AI membantu komputasi kuantum menjadi lebih dapat digunakan, termasuk melalui peningkatan desain perangkat keras, pengendalian, dan algoritma.
• Superkomputer menangani simulasi berskala besar dan AI for Science, yakni penggunaan AI untuk mempercepat penelitian material, fisika, biologi, dan bidang ilmiah lainnya.
• Komputer kuantum toleran-kesalahan nantinya menjadi lapisan komputasi baru untuk persoalan ilmiah tertentu yang sulit ditangani mesin klasik.

Dengan demikian, yang dibicarakan bukan hanya satu jenis chip kuantum, melainkan sebuah cetak biru infrastruktur komputasi yang mencakup perangkat keras, perangkat lunak, jaringan, energi, data, talenta, dan aplikasi.

Peran AI dalam mengatasi hambatan komputasi kuantum

Akademisi Chinese Academy of Sciences (CAS), Xiang Tao, membandingkan tingkat kesalahan qubit fisik saat ini—sekitar 1 persen—dengan tingkat kesalahan yang jauh lebih rendah yang dibutuhkan untuk aplikasi seperti pembobolan kriptografi. Menurutnya, AI dapat menjadi salah satu alat utama untuk memperkecil kesenjangan tersebut.1

Dalam kerangka yang dibahas di konferensi, AI dapat digunakan pada beberapa tahap penting:

1. Kalibrasi dan desain chip: AI menganalisis data eksperimen untuk mengenali pola kesalahan dan karakteristik perangkat, lalu membantu mengoptimalkan parameter perangkat keras.
2. Koreksi kesalahan dan dekode: AI membantu mendeteksi serta memperbaiki kesalahan kuantum secara lebih efisien.
3. Kompilasi sirkuit kuantum: algoritma dapat dipetakan dengan lebih baik ke perangkat keras kuantum yang tersedia.
4. Pengukuran dan pengendalian: AI membantu mengatur sistem kuantum secara lebih cepat dan responsif selama proses operasi.
5. Optimasi algoritma kuantum variasional: AI dapat mempercepat pencarian parameter sekaligus membantu mengatasi masalah barren gradient, yaitu gradien yang menghilang atau terlalu kecil selama proses pelatihan.1

Artinya, AI bukan sekadar lapisan aplikasi yang berjalan di atas komputer kuantum. AI juga berpotensi menjadi alat dasar untuk merancang chip, mengendalikan eksperimen, memperbaiki kesalahan, dan mengembangkan perangkat lunak kuantum.

Dari proyek komputer kuantum ke infrastruktur komputasi terpadu

Akademisi CAS Xue Qikun mengatakan bahwa integrasi mendalam antara AI, superkomputer, dan komputasi kuantum mulai mengubah penelitian material kuantum dan pengembangan algoritma kuantum.1

Pandangan ini memperluas pembahasan dari “seberapa kuat satu komputer kuantum” menjadi “bagaimana berbagai sumber daya komputasi diorganisasikan”. Komputer kuantum tetap membutuhkan komputer klasik untuk mengendalikan perangkat dan mengolah data. AI membutuhkan komputasi kinerja tinggi untuk pelatihan, simulasi, dan analisis. Sementara itu, penelitian ilmiah sering kali memerlukan kombinasi beberapa jenis mesin sekaligus.

Akademisi Chinese Academy of Engineering (CAE) Gao Wen mengusulkan pembangunan infrastruktur yang dipimpin Pengcheng Laboratory. Rancangan tersebut mencakup komputasi berskala 10G, jaringan berskala 10P, dan integrasi energi bersih berskala 10GW untuk menyediakan sumber daya terpadu bagi laboratorium nasional.1

Dalam konteks konferensi, angka-angka itu bukan sekadar target penambahan perangkat keras. Gagasannya adalah merencanakan komputasi, jaringan, dan energi sebagai satu kesatuan. Jika kapasitas komputasi dipandang sebagai sumber daya strategis, persaingan tidak lagi hanya soal memiliki komputer kuantum tercanggih, tetapi juga soal membangun sistem yang mampu memasok daya komputasi, data, energi, tenaga ahli, dan skenario penggunaan secara berkelanjutan.

Superkomputer menjadi fondasi AI for Science

Akademisi CAE Zheng Weimin menggambarkan superkomputer terdepan saat ini sebagai “komputer AI berukuran raksasa”, terutama untuk penelitian ilmiah. Dalam arsitektur tersebut, komputasi kuantum dapat menjadi lapisan komputasi berikutnya.1

Pandangan ini menawarkan urutan yang cukup realistis. Potensi jangka panjang komputer kuantum memang besar, tetapi superkomputer dan AI for Science sudah dapat digunakan dalam waktu dekat untuk tugas seperti penemuan material dan prediksi struktur protein.1

Lembaga penelitian tidak perlu menunggu komputer kuantum universal matang untuk memulai. Mereka dapat memakai infrastruktur komputasi kinerja tinggi dan pembelajaran mesin yang sudah tersedia untuk memproses data, mengembangkan algoritma, serta menguji hipotesis. Pada tahap berikutnya, persoalan yang sesuai dapat dialihkan ke sistem kuantum.

Pendekatan berlapis ini juga membantu mengurangi tekanan untuk segera membuktikan bahwa komputer kuantum mampu menggantikan komputasi klasik. Tantangan seperti tingkat kesalahan, koreksi kesalahan, dan peningkatan skala masih harus diatasi, sedangkan AI dan superkomputer dapat langsung mendukung kalibrasi eksperimen, pengembangan algoritma, dan penelitian berbasis data.

Penemuan material menjadi contoh paling konkret

Salah satu contoh yang diperkenalkan dalam konferensi menggabungkan prinsip metalisasi ikatan sigma dari teori banyak-badan kuantum dengan penyaringan berbasis AI. Dari basis data yang berisi lebih dari 2 juta material, alur tersebut mengidentifikasi 31 kandidat superkonduktor suhu tinggi, termasuk 18 kandidat yang sebelumnya belum diprediksi.1

Nilai penting dari contoh ini bukan bahwa AI menggantikan fisika. Justru, proses tersebut menunjukkan pembagian kerja antara teori dan komputasi berskala besar:

• teori fisika menentukan arah penyaringan;
• AI menelusuri ruang kandidat yang sangat besar;
• superkomputer menangani pemrosesan data dan verifikasi komputasional.

Akademisi CAS Gong Xinguo juga menyampaikan bahwa AI dapat memungkinkan peneliti mendefinisikan persoalan menggunakan bahasa alami dan memanggil “keterampilan” AI yang relevan untuk penelitian material.1 Jika pendekatan ini berkembang, akses ke penelitian material dapat bergeser dari sekadar menulis alur komputasi yang rumit menjadi merumuskan pertanyaan, memilih alat, dan memeriksa hasil.

Membandingkan arah China dan Amerika Serikat

Gao Wen membandingkan pembangunan komputasi terpadu China dengan inisiatif Quantum Genesis dari Departemen Energi Amerika Serikat. Materi resmi Departemen Energi AS menyebut bahwa inisiatif tersebut bertujuan mendorong terciptanya komputer kuantum toleran-kesalahan yang relevan secara ilmiah, sekaligus mengoordinasikan kontribusi pemerintah federal, laboratorium nasional, dan industri.

Perbandingan itu tidak berarti kedua negara memiliki program yang identik. Sasaran, struktur organisasi, dan cakupan investasi masing-masing berbeda. Yang dapat dibandingkan adalah arah strategisnya: komputasi kuantum tidak diperlakukan sebagai proyek yang berdiri sendiri, melainkan sebagai bagian dari agenda penelitian, infrastruktur, dan inovasi nasional yang lebih luas.

Apakah ini sudah menjadi cetak biru nasional China?

Belum. Berdasarkan bahan yang tersedia, “kuantum–superkomputer–AI” merupakan tema konferensi serta penilaian strategis dan usulan pembangunan dari para akademisi dan pakar, bukan dokumen perencanaan nasional resmi.123

Meski begitu, konferensi tersebut menggambarkan jalur kebijakan yang cukup jelas:

• memakai AI untuk memperbaiki perangkat keras, perangkat lunak, dan algoritma kuantum;
• menggunakan superkomputer sebagai fondasi penerapan AI for Science dalam waktu dekat;
• menjadikan komputer kuantum sebagai lapisan baru untuk persoalan kompleks tertentu di masa depan;
• merencanakan komputasi, jaringan, energi bersih, dan laboratorium nasional secara terpadu;
• menghubungkan riset, industri, pengguna, pemerintah, dan modal agar hasil laboratorium dapat dikembangkan menjadi aplikasi berskala besar.237

Jadi, sinyal paling penting dari konferensi Shenzhen bukanlah bahwa komputasi kuantum sudah memasuki era penggunaan massal. Pesannya adalah bahwa narasi persaingan teknologi mulai bergeser: bukan lagi hanya tentang siapa yang memiliki perangkat kuantum paling kuat, melainkan siapa yang mampu menggabungkan komputasi kuantum, AI, superkomputer, jaringan, energi, dan ekosistem penelitian menjadi sistem yang paling efektif.