Dengan meningkatnya perkembangan teknologi digital, dunia telah memproduksi lebih dari 2,5 exabyte data setiap hari. Sebagai perbandingan, itu setara dengan memori 5 juta laptop atau 150 juta ponsel. Perkembangan data diperkirakan akan meningkat dari hari ke hari dan dengan itu telah meningkatkan kebutuhan akan perangkat keras yang kuat dan dapat mendukungnya.
Kemajuan perangkat keras ini mengacu pada komputasi atau kecepatan pemrosesan yang lebih cepat dan sistem penyimpanan yang lebih besar. Perusahaan di seluruh dunia berinvestasi dalam komputasi yang kuat dengan R&D terus-menerus dalam perlombaan untuk membuat prosesor yang lebih baik. Aliran data saat ini membutuhkan komputer yang dapat melakukan perhitungan kompleks dalam hitungan detik.
Big Data dan Machine Learning telah mendorong batas infrastruktur TI untuk memproses kumpulan data besar secara efektif untuk saat ini. Hal ini telah mengarah pada pengembangan paradigma komputasi kuantum baru dan menarik kekuatan untuk meningkatkan kecepatan secara drastis. Namun, sebelum itu mari kita pahami teknologi saat ini dan kebutuhan akan teknologi kuantum.
Teknologi pemrosesan telah berkembang pesat dalam beberapa tahun terakhir dengan pengembangan mikroprosesor seukuran kuku jari (komputer chip tunggal yang dikemas dengan jutaan transistor) yang disebut sirkuit terpadu. Sesuai dengan hukum Moore, jumlah transistor yang dikemas dalam satu chip telah berlipat ganda setiap 18 bulan sejak 50 tahun terakhir. Saat ini, telah mencapai 2 miliar transistor dalam satu chip.
Teknologi semikonduktor kini membuat chip terkecil dengan gerbang berukuran 5 nanometer di bawahnya yang dikatakan transistor tidak akan bekerja. Sekarang, industri baru saja mulai meningkatkan jumlah "core" prosesor sehingga kinerjanya terus berlanjut sesuai dengan prediksi hukum Moore. Namun, ada banyak batasan tingkat perangkat lunak lain untuk menjaga ini tetap relevan.
Pada tahun 2016, dua peneliti di Lawrence Berkeley National Laboratory menciptakan transistor terkecil di dunia dengan ukuran gerbang satu nanometer. Ini adalah prestasi fenomenal dalam industri komputasi tetapi membuat chip dengan miliaran transistor semacam itu akan menghadapi banyak tantangan. Industri telah mempersiapkan transistor untuk berhenti menyusut lebih jauh dan hukum Moore kemungkinan akan terhenti.
Karena komputasi yang berkaitan aplikasi saat ini seperti pemrosesan data besar atau sistem cerdas menjadi lebih kompleks, ada kebutuhan akan kemampuan komputasi yang lebih tinggi dan lebih cepat daripada yang dapat disediakan oleh prosesor saat ini. Ini adalah salah satu alasan mengapa orang menantikan komputasi kuantum.
Komputasi kuantum menggabungkan dua revolusi ilmiah besar abad ini: ilmu komputer dan fisika kuantum. Ia memiliki semua elemen komputasi konvensional seperti bit, register, gerbang, dll. Tetapi pada tingkat mesin, ia tidak bergantung pada logika boolean. Bit kuantum disebut qubit. Bit konvensional dapat menyimpan 0 atau 1, tetapi Bit kuantum dapat menyimpan 0, 1 dan semua kemungkinan nilai (keadaan) di antaranya secara bersamaan. Karena dapat menyimpan nilai, ia juga dapat memprosesnya secara bersamaan. Hal ini dapat bekerja secara paralel untuk melakukan banyak hal pada saat yang sama dan membuatnya jutaan kali lebih cepat daripada komputer saat ini.
Cara kerja komputer ini sedikit rumit dan seluruh bidang komputasi kuantum sebagian besar masih abstrak dan teoretis.Satu-satunya hal yang perlu kita ketahui adalah bahwa qubit disimpan oleh atom atau partikel lain seperti ion yang ada dalam keadaan berbeda dan dapat dialihkan di antara keadaan ini.
Kemajuan di bidang ini sangat bergantung pada kekuatan pemrosesan. Persyaratan komputasi analitik data besar saat ini menempatkan beban yang cukup besar pada sistem komputer. Sejak 2005, fokus telah dialihkan ke paralelisme menggunakan banyak inti, bukan satu prosesor cepat. Namun, banyak masalah dalam data besar tidak dapat diselesaikan hanya dengan menggunakan lebih banyak inti. Memisahkan pekerjaan di antara beberapa prosesor digunakan tetapi implementasinya rumit. Masalah perlu diselesaikan secara berurutan di mana langkah sebelumnya sama pentingnya.
Pada Large Hadron Collider (LHC) di CERN, partikel Jenewa dipercepat, bergerak hampir dengan kecepatan cahaya dalam cincin 27 km sehingga 600 juta tabrakan terjadi dalam satu detik, di mana hanya satu dari 1 juta tabrakan yang dipilih untuk pemilihan sebelumnya. Dalam proses pemilihan awal, hanya 1 dari 10.000 peristiwa yang diteruskan ke kisi inti prosesor yang selanjutnya memilih 1 dari 10GB/dtk. Di LHC, 5 triliun bit data ditangkap setiap detik dan setelah membuang 99% data, serta masih menganalisis 25 petabyte data setahun.
Begitulah kekuatan komputasi kuantum tetapi sumber daya saat ini membuat penerapannya dalam data besar, sesuatu di masa depan. Jika memungkinkan, komputasi akan berguna untuk tugas-tugas tertentu seperti memfaktorkan sejumlah besar yang berguna dalam kriptografi, prakiraan cuaca, mencari melalui kumpulan data besar yang tidak terstruktur dalam waktu singkat untuk mengidentifikasi pola dan anomali, dll. Perkembangan dalam kuantum komputasi sebenarnya bisa membuat enkripsi menjadi usang dalam sekejap.
Dengan kekuatan komputasi seperti itu, suatu hari akan mungkin untuk membuat kumpulan data besar yang mungkin akan menyimpan informasi lengkap seperti, genetik setiap manusia yang ada dan algoritma pembelajaran mesin dapat menemukan pola dalam karakteristik manusia ini sambil juga melindungi identitas manusia. Juga, pengelompokan dan klasifikasi data akan menjadi tugas yang jauh lebih cepat.
Hasil awal dan perkembangan teknologi kuantum sangat menggembirakan. Dalam lima belas tahun terakhir, komputer kuantum telah berkembang dari 4-qubit menjadi 128 qubit. Komputer 5-qubit Google telah menunjukkan perhitungan dasar tertentu, bahwa jika ditingkatkan dapat melakukan banyak perhitungan kompleks yang akan membuat mimpi komputasi kuantum menjadi kenyataan suatu hari nanti. Namun, kami tidak mungkin melihat komputer seperti itu selama bertahun-tahun atau bahkan puluhan tahun.
Masa depan mengatakan komputer kuantum akan memungkinkan analisis dan integrasi yang lebih cepat dari kumpulan data kami yang sangat besar yang akan meningkatkan dan mengubah kemampuan pembelajaran mesin dan kecerdasan buatan kami.
0 
Star