Qblox Integrasikan GPU NVIDIA untuk Kendali Kuantum Real-Time

Qblox mengintegrasikan NVIDIA DGX Spark dengan pengendali sistem kuantum melalui teknologi NVIDIA NVQLink. Integrasi ini memungkinkan komputasi GPU terhubung dengan sistem kuantum secara real-time, termasuk untuk mempercepat kalibrasi qubit dan koreksi kesalahan. Teknologi tersebut juga memungkinkan peneliti menjalankan beban kerja AI, simulasi, dan komputasi kuantum melalui satu sistem desktop sebelum meningkatkan kapasitasnya ke server GPU di pusat data.

Qblox, perusahaan yang mengembangkan arsitektur kendali kuantum, mengumumkan pencapaian tersebut dengan menunjukkan hasil pengukuran roundtrip latency di bawah 4 mikrodetik pada NVIDIA RTX PRO 6000 Blackwell dan di bawah 7,2 mikrodetik pada NVIDIA DGX Spark.

Latensi merupakan waktu yang dibutuhkan untuk mengirimkan data atau perintah dan menerima respons dari sistem. Dalam komputasi kuantum, latensi rendah menjadi faktor penting karena proses pengendalian, pengukuran, dan koreksi kesalahan harus berlangsung dengan cepat agar eksperimen dapat berjalan secara efektif.

Integrasi ini menjadi langkah penting dalam menghubungkan komputasi klasik berbasis GPU dengan perangkat keras kuantum. Kolaborasi tersebut juga membuka peluang bagi peneliti untuk mengembangkan aplikasi hibrida kuantum-klasik yang memanfaatkan kemampuan kedua teknologi secara bersamaan.

GPU Masuk ke Sistem Kendali Kuantum

Selama ini, pengembangan komputer kuantum tidak hanya bergantung pada kemampuan qubit dalam melakukan perhitungan. Sistem tersebut juga membutuhkan perangkat kendali klasik yang mampu mengatur operasi qubit, memproses hasil pengukuran, serta membantu mendeteksi dan memperbaiki kesalahan.

Melalui integrasi NVIDIA NVQLink, Qblox menghadirkan akselerasi GPU ke dalam rangkaian kendali yang bekerja secara real-time. Pendekatan ini menjadi salah satu fondasi untuk mengembangkan sistem kuantum yang lebih besar dan mendukung penggunaan logical qubits atau qubit logis.

Qubit logis merupakan qubit yang dibentuk dengan memanfaatkan sejumlah qubit fisik dan mekanisme koreksi kesalahan untuk meningkatkan keandalan informasi kuantum. Pengembangannya menjadi salah satu tantangan utama dalam membangun komputer kuantum yang dapat digunakan untuk menjalankan komputasi kompleks secara andal.

Untuk mendukung integrasi tersebut, Qblox mengandalkan prosesor sekuens Q1 dan teknologi LINQ. Keduanya menyediakan kemampuan kendali dengan latensi rendah dan throughput tinggi, sehingga sistem Qblox Cluster dapat bekerja bersama GPU dalam memproses kebutuhan komputasi kuantum.

Kombinasi tersebut memungkinkan pemrosesan data dan pengambilan tindakan dilakukan dengan jeda yang lebih singkat. Hal ini penting untuk aplikasi yang membutuhkan respons cepat dari sistem komputasi klasik terhadap kondisi yang terjadi pada perangkat kuantum.

Mempercepat Kalibrasi dan Koreksi Kesalahan

Salah satu manfaat utama integrasi ini adalah percepatan proses kalibrasi qubit. Dalam eksperimen kuantum, parameter qubit perlu dikalibrasi agar operasi yang dijalankan sesuai dengan kondisi dan hasil yang diharapkan.

Dengan memanfaatkan algoritma yang dipercepat GPU, parameter qubit dapat diperbarui ketika eksperimen masih berlangsung. Artinya, peneliti tidak harus selalu menunggu eksperimen selesai untuk melakukan penyesuaian sebelum menjalankan pengujian berikutnya.

Pendekatan ini berpotensi meningkatkan efisiensi eksperimen karena proses kalibrasi dapat menjadi bagian dari rangkaian kerja yang berlangsung secara berkelanjutan. Peneliti pun dapat menyesuaikan parameter sistem dengan lebih cepat ketika diperlukan.

Selain kalibrasi, integrasi GPU juga mendukung penerapan quantum error correction atau koreksi kesalahan kuantum. Proses ini diperlukan karena informasi kuantum sangat rentan terhadap gangguan dari lingkungan maupun ketidaksempurnaan operasi perangkat keras.

Dalam mekanisme koreksi kesalahan, sistem mengumpulkan data sindrom (syndrome data), yakni informasi hasil pengukuran yang digunakan untuk membantu mengidentifikasi kesalahan tanpa harus mengukur langsung informasi kuantum yang sedang dilindungi.

Data tersebut dapat dikirimkan ke dekoder berbasis GPU dengan latensi rendah. Dekoder kemudian memproses informasi untuk membantu menentukan kesalahan yang terjadi dan tindakan koreksi yang diperlukan.

Dengan mempercepat proses pemrosesan tersebut, integrasi ini mendukung upaya mendeteksi dan menangani kesalahan secara real-time. Kemampuan ini menjadi semakin penting seiring dengan meningkatnya jumlah qubit dan kompleksitas sistem kuantum.

Peneliti Bisa Memulai dari Komputer Desktop

Integrasi Qblox dan NVIDIA juga dirancang untuk mempermudah proses pengembangan aplikasi kuantum. Melalui NVIDIA CUDA-Q, peneliti dapat menjalankan beban kerja komputasi kuantum, kecerdasan buatan (AI), dan simulasi menggunakan satu sistem desktop.

NVIDIA DGX Spark menjadi salah satu perangkat yang mendukung pendekatan tersebut. Sistem ini dirancang untuk menghadirkan kemampuan komputasi AI dalam perangkat berukuran desktop, sehingga peneliti dapat mengembangkan dan menguji aplikasi tanpa harus selalu mengandalkan infrastruktur pusat data.

Keuntungan lainnya adalah kemampuan meningkatkan skala komputasi. Ketika kebutuhan pemrosesan bertambah seiring berkembangnya eksperimen, kode yang sama dapat dipindahkan ke server GPU di pusat data.

Dengan demikian, peneliti dapat memulai pengembangan melalui perangkat desktop, kemudian beralih ke infrastruktur komputasi yang lebih besar tanpa harus menulis ulang kode dari awal. Pendekatan ini membantu menjaga kesinambungan proses pengembangan sekaligus memberikan fleksibilitas dalam penggunaan sumber daya komputasi.

Sam Stanwyck, Direktur Produk Kuantum di NVIDIA, mengatakan bahwa DGX Spark menghadirkan kemampuan superkomputer AI langsung ke meja kerja peneliti kuantum.

“Integrasi Qblox dengan NVQLink dan CUDA-Q menghubungkan kemampuan komputasi tersebut dengan perangkat keras kuantum. Dengan demikian, simulasi, kalibrasi real-time, dan koreksi kesalahan dapat dilakukan dalam satu platform pengembangan,” ujar Stanwyck.

Ia menjelaskan, peneliti dapat mengembangkan dan menguji pendekatan baru melalui komputer desktop, kemudian meningkatkan skala komputasinya menggunakan superkomputer GPU ketika sistem kuantum mereka berkembang. Kode yang sama dapat digunakan dalam proses tersebut.

Melanjutkan Kolaborasi Qblox dan NVIDIA

Integrasi ini melanjutkan pengembangan teknologi Qblox bersama NVIDIA yang sebelumnya diumumkan pada Oktober 2025 melalui NVQLink. Qblox juga telah mendukung API real-time NVIDIA CUDA-Q pada Maret 2026.

Jika pengembangan sebelumnya berfokus pada arsitektur dan dukungan integrasi, pencapaian terbaru ini menunjukkan hasil pengukuran kinerja pada perangkat keras. Hasil tersebut memberikan gambaran mengenai kemampuan sistem dalam menghubungkan kendali kuantum dan komputasi GPU dengan latensi rendah.

Niels Bultink, CEO sekaligus salah satu pendiri Qblox, menegaskan bahwa perkembangan komputer kuantum sangat bergantung pada kemampuan sistem kendali klasik yang mendukungnya.

“Komputer kuantum hanya dapat berkembang secepat sistem kendali klasik yang mendukungnya,” kata Bultink.

Ia menambahkan, integrasi GPU ke dalam rangkaian kendali memungkinkan sistem kuantum memperoleh daya komputasi yang dibutuhkan secara real-time. Qblox berharap kolaborasi dengan NVIDIA melalui NVQLink dapat mendorong integrasi GPU lebih lanjut, sekaligus mempercepat kalibrasi dan koreksi kesalahan dalam industri kuantum.

Meski demikian, pencapaian latensi rendah ini merupakan salah satu bagian dari upaya yang lebih luas untuk membangun sistem kuantum yang dapat diskalakan. Keandalan perangkat keras, pengelolaan kesalahan, dan peningkatan jumlah qubit tetap menjadi tantangan yang perlu diatasi.

Melalui integrasi NVIDIA DGX Spark, NVQLink, dan CUDA-Q, Qblox dan NVIDIA berupaya menyediakan platform yang menghubungkan eksperimen kuantum dengan kemampuan komputasi GPU. Pendekatan ini diharapkan membantu peneliti mengembangkan, menguji, dan meningkatkan skala sistem kuantum secara lebih efisien.