Qiskit hingga PennyLane, Framework Quantum Terpopuler 2026

Komputasi kuantum selama ini lebih sering dibicarakan dari sisi perangkat keras. Perkembangan prosesor dengan jumlah qubit yang semakin besar, teknologi pendinginan, koreksi kesalahan, hingga berbagai pendekatan untuk membangun komputer kuantum menjadi sorotan utama. Namun, ada bagian lain yang tidak kalah penting, yakni perangkat lunak.

Di balik sebuah komputer kuantum yang canggih, terdapat bahasa pemrograman, compiler, simulator, dan framework yang memungkinkan peneliti serta pengembang menjalankan algoritma kuantum. Tanpa perangkat lunak tersebut, kemampuan perangkat keras kuantum tidak akan mudah dimanfaatkan untuk menyelesaikan persoalan nyata.

Inilah yang membuat pemrograman kuantum menjadi bidang yang semakin penting pada 2026. Ekosistemnya berkembang dengan cepat dan mulai memiliki sejumlah framework utama, seperti Qiskit, Cirq, PennyLane, Q#, Amazon Braket, CUDA-Q, hingga berbagai framework yang dirancang khusus untuk jenis perangkat keras tertentu.

Bagi pemula, banyaknya pilihan tersebut mungkin terlihat membingungkan. Apa sebenarnya perbedaan pemrograman kuantum dengan pemrograman biasa? Mengapa Python begitu dominan? Apa fungsi masing-masing framework? Dan framework mana yang sebaiknya dipelajari terlebih dahulu?

Mengenal Pemrograman Kuantum

Pemrograman kuantum adalah proses membuat algoritma dan aplikasi yang dapat dijalankan pada komputer kuantum atau simulator kuantum. Berbeda dari komputer klasik yang menggunakan bit sebagai unit informasi, komputer kuantum menggunakan qubit atau quantum bit.

Qubit memiliki karakteristik yang berbeda dari bit biasa. Jika bit klasik hanya dapat berada dalam kondisi 0 atau 1, qubit dapat berada dalam kombinasi keadaan melalui prinsip superposisi. Qubit juga dapat memiliki hubungan khusus yang disebut entanglement atau keterikatan kuantum.

Selain superposisi dan entanglement, algoritma kuantum memanfaatkan interferensi untuk mengatur kemungkinan hasil. Dengan memanfaatkan prinsip-prinsip tersebut, komputer kuantum diharapkan mampu menyelesaikan jenis persoalan tertentu dengan pendekatan yang berbeda dari komputer klasik.

Program kuantum pada dasarnya menentukan serangkaian operasi atau gerbang kuantum yang diterapkan pada qubit. Setelah rangkaian operasi selesai, qubit dapat diukur untuk mendapatkan hasil. Hasil tersebut kemudian dapat diproses kembali menggunakan komputer klasik.

Dengan kata lain, pemrograman kuantum tidak selalu berarti komputer kuantum bekerja sendirian. Dalam banyak aplikasi, komputer klasik dan komputer kuantum justru bekerja bersama sebagai sistem hybrid.

Ekosistem perangkat lunak untuk kebutuhan tersebut berkembang cukup pesat. Python menjadi salah satu bahasa yang paling banyak digunakan karena ekosistemnya sudah sangat kuat untuk matematika, sains data, kecerdasan buatan, dan komputasi ilmiah.

Di atas Python kemudian muncul berbagai framework dengan tujuan berbeda. Ada yang dirancang untuk pembelajaran, penelitian, machine learning, simulasi, koreksi kesalahan, hingga pengembangan aplikasi yang terhubung dengan perangkat keras kuantum nyata.

Mengapa Pemrograman Kuantum Berbeda?

Untuk memahami framework kuantum, penting terlebih dahulu memahami perbedaan mendasar antara pemrograman klasik dan kuantum. Pemrograman klasik umumnya bersifat deterministik. Jika program mendapatkan input yang sama dan kondisi lingkungan tidak berubah, program biasanya menghasilkan output yang sama.

Pemrograman kuantum memiliki karakter probabilistik. Ketika qubit diukur, hasil yang diperoleh dapat berupa beberapa kemungkinan dengan probabilitas tertentu. Karena itu, programmer kuantum tidak hanya menulis instruksi untuk menghasilkan sebuah jawaban. Mereka harus merancang algoritma sedemikian rupa sehingga kemungkinan mendapatkan jawaban yang benar menjadi lebih besar.

Di sinilah interferensi kuantum memainkan peran penting. Algoritma dirancang agar kemungkinan yang mengarah pada jawaban benar diperkuat, sementara kemungkinan yang salah dapat ditekan.

Pengukuran menjadi tantangan utama
Perbedaan lain yang sangat penting adalah proses pengukuran. Dalam program klasik, pengembang dapat memeriksa nilai sebuah variabel kapan saja. Misalnya, programmer dapat mencetak nilai variabel menggunakan perintah print, kemudian melanjutkan eksekusi program.

Situasinya berbeda pada komputer kuantum.

Untuk mengetahui keadaan qubit, programmer harus melakukan pengukuran. Proses ini dapat mengubah keadaan kuantum tersebut atau menyebabkan keadaan superposisinya runtuh. Karena itu, programmer tidak dapat sembarangan memeriksa isi qubit di tengah algoritma seperti memeriksa variabel pada program klasik.

Konsekuensinya, metode debugging juga berbeda.

Jika programmer klasik dapat menggunakan debugger untuk menjalankan program baris demi baris, programmer kuantum lebih banyak mengandalkan simulasi, visualisasi sirkuit, verifikasi matematis, serta analisis statistik.

Satu kali eksekusi juga belum tentu cukup untuk memahami hasil algoritma kuantum. Sebuah sirkuit biasanya dijalankan berkali-kali atau disebut shots. Dari banyak percobaan tersebut, programmer dapat melihat distribusi hasil dan menentukan kemungkinan jawaban yang paling tepat.

Keterbatasan Qubit dan Sirkuit
Pemrograman kuantum juga menghadapi keterbatasan perangkat keras yang jauh lebih ketat. Komputer klasik modern dapat memiliki miliaran transistor dan menjalankan perangkat lunak yang sangat kompleks. Komputer kuantum saat ini masih bekerja dengan jumlah qubit yang relatif terbatas.

Selain jumlah qubit, terdapat persoalan lain berupa noise dan kesalahan kuantum. Qubit sangat sensitif terhadap lingkungan. Gangguan kecil dapat memengaruhi keadaan kuantum dan menyebabkan hasil perhitungan menjadi tidak akurat.

Karena itu, programmer perlu memperhatikan kedalaman sirkuit. Semakin banyak operasi yang dilakukan, semakin besar peluang kesalahan terakumulasi.

Kondisi tersebut membuat pemrograman kuantum membutuhkan pendekatan yang sangat memperhatikan sumber daya. Programmer tidak cukup hanya membuat algoritma yang secara matematis benar. Algoritma tersebut juga harus dapat diterjemahkan menjadi sirkuit yang realistis untuk dijalankan pada perangkat keras yang tersedia.

Tiga Lapisan Bahasa Pemrograman Kuantum

Ekosistem bahasa pemrograman kuantum dapat dipahami melalui tiga tingkatan.

• Pertama adalah bahasa instruksi tingkat rendah seperti OpenQASM dan Quil. Bahasa ini dekat dengan perangkat keras dan memungkinkan pengguna menentukan gate operations dengan lebih detail.
• Kedua adalah framework atau SDK tingkat tinggi seperti Qiskit, Cirq, Q#, dan PennyLane. Framework tersebut memberikan abstraksi sehingga pengembang tidak harus mengatur setiap detail perangkat keras secara manual.
• Ketiga adalah bahasa atau framework khusus yang dirancang untuk perangkat keras atau kebutuhan tertentu. Bloqade, misalnya, ditujukan untuk komputer kuantum berbasis atom netral.

Pembagian ini mirip dengan konsep dalam komputer klasik. Semakin rendah tingkat bahasa, semakin dekat bahasa tersebut dengan perangkat keras. Sebaliknya, bahasa tingkat tinggi memberikan abstraksi yang lebih mudah digunakan oleh pengembang.

1. Qiskit, Framework yang Banyak Digunakan

Salah satu nama terbesar dalam ekosistem pemrograman kuantum adalah Qiskit dari IBM. Qiskit merupakan framework open source yang digunakan untuk membangun, mensimulasikan, mengoptimalkan, dan menjalankan sirkuit kuantum. Dukungan komunitasnya juga membuat Qiskit banyak digunakan untuk pembelajaran, penelitian, hingga pembuatan prototipe aplikasi.

Perkembangan Qiskit terus berlanjut. Seri v2.x membawa sejumlah peningkatan, termasuk dukungan C++ melalui C-API serta kemampuan yang berkaitan dengan akselerasi komputasi dan mitigasi kesalahan. Qiskit juga memiliki Qiskit Functions yang menyediakan berbagai kemampuan siap pakai untuk kebutuhan seperti kimia, optimasi, dan machine learning.

Bagi pemula, Qiskit menjadi salah satu pilihan menarik karena dokumentasinya luas dan tersedia ekosistem pembelajaran yang besar. Pengguna juga dapat berinteraksi dengan layanan IBM Quantum untuk bereksperimen dengan perangkat keras kuantum.

2. Cirq, Pilihan untuk Penelitian dan Prototipe

Google memiliki framework sendiri bernama Cirq. Cirq merupakan framework open source yang banyak digunakan untuk membangun dan mensimulasikan sirkuit kuantum, terutama pada pendekatan yang berkaitan dengan prosesor berbasis superconducting qubit.

Framework ini mendukung sirkuit berparameter dan berbagai algoritma kuantum variational. Cirq juga dapat digunakan dalam alur kerja hybrid yang menggabungkan komputer klasik dan kuantum. Dibandingkan sekadar menjadi alat untuk pemula, Cirq memiliki posisi yang kuat dalam penelitian dan pembuatan prototipe algoritma.

3. PennyLane dan Quantum Machine Learning

Jika tujuan utama adalah menggabungkan komputasi kuantum dengan kecerdasan buatan, PennyLane dari Xanadu menjadi salah satu framework yang penting untuk dipelajari. PennyLane dirancang dengan perhatian khusus pada quantum machine learning. Salah satu kemampuannya adalah automatic differentiation, yaitu kemampuan menghitung perubahan suatu fungsi secara otomatis sehingga dapat digunakan dalam proses optimasi model.

Framework ini terintegrasi dengan library populer seperti PyTorch, TensorFlow, dan NumPy. PennyLane juga dirancang agar dapat digunakan pada berbagai perangkat keras kuantum. Pendekatan tersebut membuat pengembang tidak harus selalu bergantung pada satu produsen perangkat keras.

Kemampuan simulator PennyLane juga membuatnya relevan untuk penelitian yang membutuhkan simulasi skala besar.

4. Q#, Bahasa Kuantum dari Microsoft

Microsoft mengembangkan bahasa khusus bernama Q# untuk pemrograman kuantum. Q# dirancang untuk bekerja dengan Azure Quantum dan memiliki pendekatan yang menekankan keamanan tipe serta pengelolaan sumber daya kuantum.

Salah satu fitur penting Q# adalah estimasi sumber daya. Fitur ini membantu pengembang memperkirakan kebutuhan sebuah algoritma ketika dijalankan pada perangkat keras kuantum. Kemampuan tersebut penting karena perangkat keras kuantum memiliki keterbatasan yang harus diperhitungkan sejak tahap pengembangan.

5. Amazon Braket untuk Pengguna AWS

Bagi organisasi yang sudah menggunakan AWS, Amazon Braket SDK menawarkan pendekatan yang terintegrasi dengan lingkungan cloud Amazon. Amazon Braket menyediakan SDK berbasis Python untuk membangun sirkuit dan mengakses berbagai simulator maupun perangkat keras kuantum melalui API terpadu.

Platform ini mendukung perangkat keras dari beberapa penyedia, termasuk IonQ, Rigetti, dan D-Wave.

Amazon Braket juga dapat dipadukan dengan layanan AWS lainnya, seperti SageMaker dan Lambda. Hal ini memungkinkan pengembang membangun alur kerja hybrid antara pemrosesan klasik dan kuantum.

6. CUDA-Q dan Peran GPU

Perkembangan komputasi kuantum juga semakin erat dengan komputasi berbasis GPU. NVIDIA mengembangkan CUDA-Q, sebuah platform open source yang dirancang untuk membangun aplikasi hybrid kuantum-klasik. CUDA-Q mendukung Python dan C++ serta dapat bekerja dengan berbagai jenis QPU.

Platform ini memanfaatkan teknologi kompilasi seperti MLIR, LLVM, dan QIR, sekaligus menyediakan simulator yang dapat memanfaatkan kemampuan GPU.

Pendekatan ini penting karena komputer kuantum pada praktiknya masih membutuhkan komputer klasik untuk berbagai proses. GPU dapat membantu mempercepat simulasi, optimasi, maupun bagian tertentu dari alur kerja hybrid.

7. Bloqade untuk Atom Netral

Tidak semua komputer kuantum menggunakan teknologi perangkat keras yang sama. Bloqade dari QuEra dirancang khusus untuk komputer kuantum berbasis atom netral. Framework ini mendukung pendekatan digital dan analog.

Teknologi atom netral menggunakan atom sebagai media untuk menyimpan informasi kuantum. Karena karakteristik perangkat kerasnya berbeda, kebutuhan perangkat lunaknya juga berbeda. Bloqade menyediakan kemampuan untuk mengatur posisi atom, melakukan pengukuran di tengah sirkuit, serta menggunakan umpan balik secara real-time.

Framework ini menjadi contoh bagaimana ekosistem pemrograman kuantum mulai terfragmentasi berdasarkan karakteristik perangkat keras.

8. Stim Fokus pada Koreksi Kesalahan

Komputer kuantum tidak akan berkembang menjadi sistem yang andal tanpa solusi untuk mengatasi kesalahan. Di sinilah Stim dari Google memiliki peran khusus. Stim bukan framework pemrograman kuantum umum. Library ini dirancang untuk simulasi koreksi kesalahan kuantum dan stabilizer codes.

Peneliti dapat menggunakan Stim untuk menguji bagaimana sebuah skema koreksi kesalahan bekerja sebelum diterapkan pada sistem kuantum yang sebenarnya.

Kemampuan simulasi berkecepatan tinggi membuat Stim sangat relevan dalam penelitian menuju komputer kuantum fault-tolerant, yakni komputer kuantum yang mampu mempertahankan perhitungan meskipun terdapat kesalahan pada tingkat perangkat keras.

9. PyQuil dan OpenQASM

Rigetti memiliki framework bernama PyQuil, yaitu lingkungan pemrograman berbasis Python yang dibangun di sekitar bahasa Quil. PyQuil cocok untuk pengembangan aplikasi yang membutuhkan interaksi erat antara pemrosesan klasik dan kuantum.

Sementara itu, OpenQASM berada pada posisi yang lebih rendah dalam ekosistem. OpenQASM merupakan bahasa instruksi kuantum yang dirancang agar tidak bergantung pada satu jenis perangkat keras. OpenQASM dapat digunakan sebagai representasi perantara dalam proses kompilasi. Artinya, kode dari framework tingkat tinggi dapat diterjemahkan ke bentuk yang lebih dekat dengan instruksi kuantum.

Karena itu, OpenQASM lebih tepat dipahami sebagai bagian dari infrastruktur daripada framework yang biasanya digunakan pemula untuk membangun aplikasi.

10. Quipper untuk Dunia Akademik

Quipper merupakan bahasa pemrograman kuantum yang banyak dikaitkan dengan penelitian akademik. Dikembangkan menggunakan Haskell, Quipper menyediakan fitur seperti strong typing, circuit templating, dan sirkuit berparameter.

Meskipun tidak menjadi pilihan utama dalam industri, Quipper tetap memiliki nilai untuk penelitian mengenai teori bahasa pemrograman kuantum.

11. PyTKET sebagai Lapisan Optimasi

Salah satu tantangan besar dalam komputasi kuantum adalah menerjemahkan algoritma menjadi sirkuit yang sesuai dengan keterbatasan perangkat keras. PyTKET dari Quantinuum dapat membantu proses tersebut.

Framework ini digunakan untuk optimasi sirkuit dan kompilasi ke berbagai backend. Dengan mengurangi operasi yang tidak diperlukan atau menyesuaikan sirkuit terhadap kemampuan perangkat keras, proses optimasi dapat membantu meningkatkan fidelitas hasil.

PyTKET juga dapat digunakan bersama berbagai platform sehingga berguna dalam lingkungan yang tidak hanya menggunakan satu jenis komputer kuantum.

12. Qmod Membawa Pemrograman ke Tingkat Lebih Tinggi

Qmod dari Classiq mengambil pendekatan berbeda. Dalam framework berbasis gate, programmer biasanya harus menentukan operasi yang dilakukan pada qubit. Qmod memungkinkan pengembang bekerja pada tingkat abstraksi yang lebih tinggi.

Pengembang dapat menjelaskan tujuan algoritma, kemudian mesin sintesis menghasilkan sirkuit yang sesuai. Pendekatan ini menyerupai perkembangan bahasa pemrograman klasik. Jika bahasa tingkat rendah memberikan kontrol detail terhadap perangkat keras, bahasa tingkat tinggi memungkinkan pengembang lebih fokus pada tujuan aplikasi. Qmod juga menyediakan integrasi dengan Python dan berbagai backend kuantum.

13. QURI SDK untuk Penelitian Masa Depan

QunaSys mengembangkan QURI SDK sebagai platform untuk pengembangan algoritma kuantum, khususnya pada bidang kimia dan ilmu material. SDK ini memiliki beberapa komponen, termasuk QURI Parts untuk membangun algoritma, QURI VM untuk evaluasi dan simulasi, serta QURI Algo untuk pengembangan algoritma.

QURI SDK juga diarahkan pada berbagai tahap perkembangan komputer kuantum, mulai dari era NISQ hingga sistem fault-tolerant.

Hal tersebut membuatnya relevan bagi lembaga penelitian dan pusat HPC yang sedang mempersiapkan algoritma untuk generasi komputer kuantum berikutnya.

Framework Mana yang Sebaiknya Dipelajari?

Banyaknya framework mungkin membuat calon programmer kuantum bertanya, harus mulai dari mana?

Untuk pemula, Qiskit dapat menjadi titik awal yang praktis. Ekosistemnya besar, dokumentasinya luas, dan konsep yang dipelajari dapat menjadi dasar untuk memahami framework lain.

Namun, tidak ada satu framework yang cocok untuk semua kebutuhan.

Peminat quantum machine learning dapat mempertimbangkan PennyLane. Peneliti yang bekerja pada koreksi kesalahan dapat mempelajari Stim. Pengguna Azure Quantum dapat mempertimbangkan Q#. Sementara itu, penelitian komputer kuantum berbasis atom netral akan lebih dekat dengan Bloqade.

Dalam praktiknya, programmer kuantum berpengalaman kemungkinan tidak hanya menggunakan satu framework.

Konsep dasar seperti qubit, gerbang, sirkuit, pengukuran, parameter, transpiler, noise, dan optimasi dapat diterapkan pada banyak platform. Setelah memahami konsep tersebut, berpindah dari satu framework ke framework lain akan menjadi lebih mudah.

Karena itu, pendekatan yang masuk akal adalah memulai dengan satu framework umum, kemudian memperluas kemampuan sesuai kebutuhan.

Memahami Quantum Software Stack

Untuk melihat bagaimana seluruh teknologi tersebut bekerja, kita perlu memahami konsep quantum software stack. 

Lapisan paling atas dapat berisi bahasa pemodelan tingkat tinggi seperti Qmod. Pengembang menjelaskan tujuan algoritma tanpa harus menentukan setiap gerbang secara manual. Berikutnya terdapat framework seperti Qiskit, Cirq, dan PennyLane yang digunakan untuk membangun sirkuit dan algoritma.

Setelah itu, terdapat lapisan compiler dan optimasi. PyTKET atau Qiskit transpiler, misalnya, dapat menyesuaikan sirkuit agar sesuai dengan karakteristik perangkat keras yang akan digunakan. Di bawahnya terdapat bahasa instruksi seperti OpenQASM dan Quil.

Pada lapisan paling bawah terdapat perangkat lunak pengendali yang berkomunikasi dengan perangkat keras kuantum dan mengatur operasi dengan tingkat presisi waktu yang sangat tinggi.

Alur tersebut menunjukkan bahwa pemrograman kuantum bukan hanya soal menulis kode.

Sebuah algoritma dapat dimulai dari konsep matematika, diterjemahkan menjadi model atau sirkuit, dikompilasi, dioptimalkan, dikirim ke QPU, kemudian dijalankan berkali-kali untuk memperoleh distribusi hasil.

Hasil tersebut selanjutnya dapat diproses menggunakan komputer klasik.

Masa Depan Pemrograman Kuantum

Perkembangan perangkat keras kuantum akan terus mendorong perubahan pada perangkat lunaknya.

Saat ini, programmer masih harus berhadapan dengan keterbatasan jumlah qubit, noise, kedalaman sirkuit, dan kesalahan pengukuran. Namun, seiring berkembangnya teknologi koreksi kesalahan dan komputer kuantum fault-tolerant, kebutuhan perangkat lunak juga akan berubah.

Framework masa depan kemungkinan semakin mampu menyembunyikan kompleksitas perangkat keras dari pengguna. Programmer dapat lebih fokus pada algoritma dan masalah yang ingin diselesaikan, sementara compiler menangani proses optimasi dan penerjemahan ke perangkat keras.

Pada saat yang sama, kemampuan memahami lapisan bawah tetap penting bagi peneliti dan pengembang yang bekerja langsung dengan perangkat keras.

Dengan demikian, masa depan pemrograman kuantum kemungkinan tidak ditentukan oleh satu bahasa atau framework saja. Sebaliknya, berbagai lapisan akan saling melengkapi.

Python kemungkinan tetap menjadi pintu masuk utama karena ekosistemnya luas. Framework seperti Qiskit, Cirq, PennyLane, Q#, dan Amazon Braket akan terus memainkan peran dalam pengembangan aplikasi, sementara framework khusus seperti Stim, Bloqade, PyTKET, dan QURI SDK menangani kebutuhan yang lebih spesifik.

Pada akhirnya, komputasi kuantum bukan hanya perlombaan membangun prosesor dengan jumlah qubit yang lebih banyak. Perangkat lunaklah yang akan menentukan bagaimana kekuatan prosesor tersebut diterjemahkan menjadi algoritma dan aplikasi nyata.

Karena itu, ketika industri mulai bergerak dari eksperimen menuju penggunaan komputasi kuantum yang lebih praktis, kebutuhan terhadap programmer, peneliti, compiler engineer, dan pengembang perangkat lunak kuantum juga akan semakin penting.