Quandela dan NVIDIA Integrasikan Komputasi Kuantum ke AI

Quandela memperkuat langkahnya dalam membawa teknologi komputasi kuantum ke lingkungan komputasi konvensional. Perusahaan komputasi kuantum asal Prancis tersebut bersama NVIDIA menerbitkan sebuah white paper teknis yang membahas arsitektur untuk mengintegrasikan Quantum Processing Unit (QPU) fotonik dengan infrastruktur AI dan High-Performance Computing (HPC) milik NVIDIA.

Publikasi ini merupakan kelanjutan dari pengumuman kedua perusahaan pada Juni mengenai integrasi QPU fotonik Quandela dengan infrastruktur AI NVIDIA menggunakan koneksi berlatensi rendah. Melalui pendekatan tersebut, komputasi kuantum tidak ditempatkan sebagai sistem yang berdiri sendiri, tetapi menjadi bagian dari lingkungan komputasi yang telah digunakan peneliti dan organisasi.

Dalam white paper tersebut, Quandela dan NVIDIA menawarkan kerangka untuk mengintegrasikan komputasi kuantum secara bertahap ke dalam sistem AI dan HPC. Pendekatan ini memungkinkan organisasi mulai mengeksplorasi teknologi kuantum tanpa harus membangun ulang seluruh infrastruktur komputasi mereka.

CPU, GPU, dan QPU Saling Melengkapi

Konsep utama yang ditawarkan Quandela dan NVIDIA adalah membagi tugas antara tiga jenis prosesor, yakni CPU, GPU, dan QPU. Ketiganya memiliki fungsi berbeda, tetapi dapat bekerja dalam satu lingkungan komputasi. CPU tetap berperan sebagai pengatur utama alur kerja. Komponen ini bertugas mengoordinasikan berbagai proses dan memastikan setiap pekerjaan diarahkan ke sumber daya komputasi yang sesuai.

Sementara itu, GPU tetap menjadi pusat pemrosesan untuk berbagai kebutuhan AI. Kemampuan GPU dalam melakukan komputasi paralel membuatnya sesuai untuk menangani pemrosesan intensif, termasuk pelatihan model AI, inferensi, serta simulasi.

Di sisi lain, QPU digunakan sebagai akselerator khusus. QPU dirancang untuk menangani jenis permasalahan tertentu yang berpotensi memperoleh keuntungan dari pendekatan komputasi kuantum.

Dengan model tersebut, QPU tidak dimaksudkan untuk menggantikan CPU maupun GPU. Sebaliknya, QPU melengkapi keduanya dengan mengambil bagian tertentu dari beban kerja yang dianggap sesuai untuk diproses menggunakan komputer kuantum.

Pendekatan ini menjadi penting karena teknologi komputasi kuantum masih berada dalam tahap pengembangan. Tidak semua persoalan komputasi akan mendapatkan manfaat dari QPU. Karena itu, salah satu tantangan terbesar adalah menemukan jenis pekerjaan yang benar-benar dapat memanfaatkan kemampuan komputasi kuantum.

Algoritma Diuji Lebih Dulu di GPU

Integrasi tersebut juga didukung sejumlah teknologi NVIDIA, termasuk CUDA-Q dan cuQuantum. CUDA-Q merupakan platform pemrograman untuk mengembangkan aplikasi yang menggabungkan komputasi klasik dan kuantum. Platform ini memungkinkan pengembang bekerja dengan lingkungan CPU, GPU, dan QPU dalam satu alur kerja.

Sementara itu, NVIDIA cuQuantum merupakan software development kit atau SDK yang dirancang untuk membantu melakukan simulasi komputasi kuantum menggunakan GPU.

Kombinasi kedua teknologi tersebut memungkinkan algoritma kuantum dikembangkan dan diuji terlebih dahulu menggunakan GPU. Setelah algoritma dianggap siap dan menunjukkan potensi, algoritma tersebut dapat dijalankan pada QPU fotonik secara langsung.

Model ini dapat membantu peneliti mengurangi hambatan dalam melakukan eksperimen. Mereka tidak harus langsung menjalankan setiap eksperimen pada perangkat kuantum fisik. Simulasi pada GPU dapat digunakan sebagai tahap awal sebelum algoritma diterapkan pada QPU.

Untuk menghubungkan lingkungan komputasi tersebut, NVIDIA juga menyediakan NVQLink. Teknologi ini memungkinkan komunikasi berlatensi rendah antara lingkungan GPU NVIDIA dan Quantum System Controller yang mengendalikan QPU.

Koneksi berlatensi rendah menjadi bagian penting karena sistem hybrid membutuhkan komunikasi antara komputasi klasik dan kuantum. Semakin efisien komunikasi tersebut, semakin mudah berbagai komponen bekerja sebagai satu sistem.

Tiga Tahap Menuju Komputasi Kuantum

Dalam white paper, Quandela dan NVIDIA memperkenalkan pendekatan tiga tahap untuk membantu organisasi mengadopsi komputasi kuantum. Ketiga tahap tersebut adalah Access, Integration & Discovery, dan Scale.

Tahap pertama, Access, ditujukan untuk memberikan kesempatan kepada peneliti dan organisasi mengenal teknologi komputasi kuantum tanpa harus memiliki infrastruktur kuantum sendiri. Pada tahap ini, pengguna dapat bereksperimen dan mempelajari berbagai kemungkinan penggunaan QPU tanpa harus langsung melakukan investasi besar untuk membangun sistem kuantum.

Tahap berikutnya adalah Integration & Discovery. Pada tahap ini, QPU mulai diintegrasikan dengan lingkungan CPU dan GPU yang telah tersedia. Pengguna dapat mengembangkan, melakukan simulasi, serta menguji berbagai algoritma. Dari eksperimen tersebut, mereka dapat mencari tahu beban kerja mana yang paling sesuai untuk komputasi kuantum. Tahap ini juga menjadi proses penting untuk menentukan apakah penggunaan QPU benar-benar memberikan nilai tambah dibandingkan pemrosesan menggunakan sistem komputasi klasik.

Setelah menemukan aplikasi yang memiliki potensi, proses masuk ke tahap ketiga, yaitu Scale. Pada tahap ini, aplikasi yang telah menunjukkan hasil menjanjikan dapat dikembangkan ke sistem kuantum yang lebih besar dan lebih kuat. Dengan demikian, organisasi tidak harus langsung melakukan lompatan besar menuju komputasi kuantum.

Sebaliknya, adopsi dapat dilakukan secara bertahap berdasarkan hasil eksperimen dan kebutuhan nyata.

QPU Fotonik Dibawa ke Lingkungan AI dan HPC

Menurut Quandela dan NVIDIA, pendekatan tersebut membuka jalan menuju penggunaan komputasi kuantum yang lebih terintegrasi dengan infrastruktur komputasi modern.

Selama ini, komputasi kuantum sering dipandang sebagai teknologi yang berdiri sendiri dan membutuhkan perangkat keras serta lingkungan pengembangan khusus. Integrasi dengan CPU dan GPU dapat mengubah pola tersebut.

Dalam model yang ditawarkan, peneliti dapat tetap menggunakan alur kerja komputasi yang sudah dikenal, kemudian memanfaatkan QPU ketika sebuah pekerjaan dianggap sesuai untuk pemrosesan kuantum. Dengan demikian, organisasi tidak perlu mengganti infrastruktur AI dan HPC yang sudah dimiliki hanya untuk mulai mengeksplorasi komputasi kuantum.

Pendekatan ini juga dapat membantu perusahaan dan lembaga penelitian mengidentifikasi kasus penggunaan komputasi kuantum secara lebih realistis. Fokusnya bukan sekadar menggunakan QPU, melainkan menemukan persoalan yang memang berpotensi mendapatkan manfaat dari teknologi tersebut.

Dipresentasikan di IEEE Quantum Week 2026

Arsitektur hasil pengembangan Quandela dan NVIDIA dijadwalkan dipresentasikan dalam IEEE Quantum Week 2026 di Toronto, Kanada. Presentasi tersebut berlangsung pada pagi hari 17 September di booth NVIDIA nomor 600. Tim Quandela akan membahas integrasi QPU fotonik dengan infrastruktur AI dan HPC kepada para pengunjung.

Kedua perusahaan juga akan mempresentasikan publikasi bersama mengenai arsitektur hybrid yang menggabungkan kemampuan GPU dan QPU.

Jean Senellart, Chief Technology and Product Officer Quandela, mengatakan tantangan dalam komputasi kuantum kini tidak lagi sebatas menyediakan akses terhadap QPU. Menurutnya, tantangan berikutnya adalah membuat QPU dapat terintegrasi langsung dengan alur kerja AI.

Kolaborasi dengan NVIDIA, lanjut Senellart, membuka peluang bagi QPU fotonik untuk berfungsi sebagai akselerator khusus dalam mengeksplorasi dan memvalidasi algoritma hybrid. Salah satu bidang yang menjadi perhatian adalah Quantum Machine Learning (QML).

Algoritma yang menunjukkan potensi kemudian dapat dikembangkan lebih jauh sebelum diterapkan pada sistem kuantum dengan skala lebih besar.

Sementara itu, Sam Stanwyck, Director of Quantum Product NVIDIA, mengatakan komputasi kuantum akan semakin berguna ketika tidak lagi hanya digunakan melalui akses terpisah, tetapi menjadi bagian dari lingkungan accelerated computing yang sudah digunakan para peneliti.

Menurut Stanwyck, kerja sama dengan Quandela memberikan model bertahap untuk memasukkan QPU fotonik ke dalam lingkungan quantum-GPU supercomputing NVIDIA. Pendekatan tersebut memungkinkan tim penelitian mencari aplikasi yang menjanjikan saat ini, kemudian meningkatkan skalanya ketika sistem kuantum dengan kemampuan lebih tinggi mulai tersedia.

Komputasi Hybrid Jadi Arah Pengembangan

Kolaborasi Quandela dan NVIDIA menunjukkan bahwa masa depan komputasi kuantum tidak harus berarti menggantikan infrastruktur komputasi klasik. Sebaliknya, QPU dapat berfungsi sebagai komponen tambahan yang bekerja bersama CPU dan GPU.

Model hybrid tersebut memungkinkan CPU menangani orkestrasi, GPU mengerjakan komputasi dan simulasi intensif, sementara QPU mengambil tugas tertentu yang berpotensi mendapatkan keuntungan dari pendekatan kuantum.

Bagi organisasi, pendekatan ini menawarkan jalur adopsi yang lebih bertahap. Mereka dapat memulai dari eksperimen, melakukan simulasi, menguji algoritma, menemukan beban kerja yang sesuai, kemudian meningkatkan penggunaan QPU ketika teknologi dan aplikasinya semakin matang.

Pada akhirnya, nilai utama dari integrasi ini bukan sekadar menghadirkan QPU ke dalam pusat data atau lingkungan AI. Tantangan yang lebih besar adalah menemukan pekerjaan komputasi yang tepat untuk dijalankan pada QPU.

Jika proses tersebut dapat dilakukan secara terintegrasi dengan infrastruktur CPU dan GPU yang sudah tersedia, komputasi kuantum berpotensi menjadi bagian dari alur kerja komputasi modern, bukan lagi teknologi yang beroperasi secara terpisah.