Technology on kenji.blog

Apa itu Keunggulan Kuantum? Tren Terbaru dari Google dan IBM

Fri, 11 Sep 2026 18:00:00 +0900

1. Pendahuluan: Fajar Komputasi Kuantum dan “Keunggulan Kuantum”

Komputasi kuantum memiliki potensi untuk memecahkan masalah kompleks yang tidak dapat diselesaikan dalam waktu yang realistis oleh komputer klasik (PC dan superkomputer yang biasa kita gunakan sehari-hari) dengan mengaplikasikan mekanika kuantum, prinsip fundamental fisika, ke dalam pemrosesan informasi. Bidang ini telah lama didominasi oleh penelitian teoritis, tetapi dalam beberapa tahun terakhir, kemajuan pesat pada perangkat keras telah mengintensifkan persaingan menuju penerapan praktis.

Salah satu kata kunci yang paling banyak menarik perhatian dalam hal ini adalah “Keunggulan Kuantum (Quantum Supremacy)”. Ini merujuk pada momen ketika komputer kuantum menunjukkan kemampuan komputasi yang melampaui komputer klasik dalam tugas komputasi tertentu. Dalam artikel ini, kita akan membahas secara rinci, dari definisi ketat tentang keunggulan kuantum, detail eksperimen dari prosesor “Sycamore” Google yang diumumkan sebagai yang pertama di dunia mencapai tonggak sejarah ini pada tahun 2019, sanggahan dan pendekatan unik dari IBM terhadap hal tersebut, hingga peta jalan terbaru menuju “Koreksi Kesalahan Kuantum (Quantum Error Correction: QEC)” dan “Komputasi Kuantum Toleran Kesalahan (Fault-Tolerant Quantum Computing: FTQC)”, yang merupakan hambatan terbesar menuju penerapan praktis yang sesungguhnya, sembari menggali lebih dalam dari sisi teknis dan matematis.

2. Latar Belakang Teoritis: Dasar Komputasi Kuantum dan Kelas Kompleksitas

Untuk memahami keunggulan kuantum, pertama-tama kita perlu memahami dasar matematis komputasi kuantum dan posisinya dalam teori kompleksitas komputasi.

Qubit dan Superposisi

Unit informasi terkecil dalam komputer klasik adalah bit (0 atau 1), sedangkan komputer kuantum menggunakan qubit (Quantum bit). Keadaan 1 qubit $|\psi\rangle$ direpresentasikan oleh kombinasi linear kompleks dari keadaan basis $|0\rangle$ dan $|1\rangle$.

$$ |\psi\rangle = \alpha|0\rangle + \beta|1\rangle $$

Di sini, $\alpha, \beta \in \mathbb{C}$, dan memenuhi kondisi normalisasi $|\alpha|^2 + |\beta|^2 = 1$. Sifat ini disebut “Superposisi (Superposition)”.

Keterikatan (Entanglement) dan Produk Tensor

Ketika ada beberapa qubit, keadaan sistem secara keseluruhan direpresentasikan oleh produk tensor dari ruang keadaan masing-masing qubit. Sistem $n$ qubit akan menjadi vektor dalam ruang Hilbert berdimensi $2^n$ $\mathcal{H}^{\otimes n}$.

$$ |\Psi\rangle = \sum_{x \in \{0, 1\}^n} c_x |x\rangle $$

Di sini, $\sum |c_x|^2 = 1$. Keadaan di mana qubit tidak independen dan keadaan yang satu bergantung pada keadaan yang lain disebut “Keterikatan Kuantum (Quantum Entanglement)”. Hal ini memberikan komputer kuantum potensi untuk memproses ruang keadaan yang sangat luas yang meningkat secara eksponensial dalam waktu yang bersamaan.

Definisi Teoritis Kompleksitas Komputasi dari Keunggulan Kuantum

Dalam teori kompleksitas komputasi, kelas masalah yang dapat diselesaikan secara efisien (dalam waktu polinomial) oleh komputer klasik disebut BPP (Bounded-error Probabilistic Polynomial time). Di sisi lain, kelas masalah yang dapat diselesaikan secara efisien oleh komputer kuantum adalah BQP (Bounded-error Quantum Polynomial time).

Mendemonstrasikan keunggulan kuantum berarti “menjalankan tugas tertentu yang termasuk dalam BQP tetapi tidak termasuk dalam BPP (atau kemungkinannya sangat tinggi) pada perangkat keras kuantum nyata, dan mengungguli simulasi oleh superkomputer klasik dari segi waktu dan sumber daya.” Hal ini dapat dikatakan sebagai upaya bersejarah untuk menyangkal Tesis Church-Turing yang diperluas (“semua model komputasi yang dapat diwujudkan secara fisik dapat disimulasikan secara efisien dalam waktu polinomial oleh mesin Turing probabilistik”) melalui eksperimen fisik.

3. Tahun 2019: Demonstrasi Keunggulan Kuantum oleh Google

Pada bulan Oktober 2019, tim Google Quantum AI mengumumkan di jurnal ilmiah “Nature” bahwa mereka telah mencapai keunggulan kuantum menggunakan prosesor superkonduktor 53-qubit bernama “Sycamore”.

Arsitektur Prosesor Sycamore

Prosesor Sycamore terdiri dari 54 qubit superkonduktor tipe Transmon yang disusun dalam kisi 2 dimensi (hanya 53 yang digunakan dalam eksperimen karena 1 mengalami kerusakan fungsi). Coupler yang dapat disesuaikan (Tunable Coupler) ditempatkan di antara qubit yang berdekatan untuk merealisasikan gerbang 2-qubit yang cepat dan berpresisi tinggi (hibrida dari gerbang iSWAP dan gerbang kontrol Z).

graph TD A["Input Algoritma Kuantum"] --> B["Prosesor Sycamore (53 Qubit)"] B --> C["Terapkan Gerbang Kuantum Acak"] C --> D["Ukur Keadaan Kuantum (Bitstring)"] D --> E["Benchmarking Entropi Silang (XEB)"] E --> F["Verifikasi Keunggulan Kuantum"]

Pengambilan Sampel Sirkuit Kuantum Acak (Random Circuit Sampling: RCS)

Tugas yang dipilih oleh Google adalah “Pengambilan Sampel Sirkuit Kuantum Acak”. Ini melibatkan penerapan gerbang 1-qubit dan 2-qubit yang dipilih secara acak selama beberapa siklus (kedalaman $m$), lalu mengukur keadaan akhir untuk mengambil sampel dari distribusi probabilitas string bit yang dihasilkan.

Probabilitas bitstring $x$ yang dihasilkan dari sirkuit kuantum acak yang ideal (tanpa noise) bukanlah distribusi seragam, melainkan menunjukkan pola mirip pita interferensi yang disebut distribusi Porter-Thomas. Untuk mengambil sampel dari distribusi ini dengan komputer klasik, diperlukan simulasi dari seluruh vektor keadaan, di mana kompleksitas komputasinya meningkat secara eksponensial terhadap jumlah qubit $n$ dan kedalaman sirkuit $m$.

Evaluasi Fidelitas (Fidelity): Benchmarking Entropi Silang Linear (XEB)

Untuk membuktikan bahwa hasil eksperimen bukan sekadar noise melainkan hasil dari perhitungan kuantum yang sebenarnya, Google menggunakan Benchmarking Entropi Silang Linear (Linear Cross-Entropy Benchmarking: XEB). Probabilitas ideal $P(x_i)$ dari sirkuit untuk bitstring $x_i$ yang diperoleh dalam eksperimen dihitung dengan komputer klasik, dan fidelitas $\mathcal{F}_{\text{XEB}}$ dicari menggunakan rumus berikut.

$$ \mathcal{F}_{\text{XEB}} = 2^n \langle P(x_i) \rangle_{i} - 1 $$

Jika $\mathcal{F}_{\text{XEB}}$ bernilai 0, maka itu adalah noise murni, dan jika 1, itu berarti prosesor kuantum ideal tanpa noise. Prosesor Sycamore mencapai $\mathcal{F}_{\text{XEB}} \approx 0.002$ (0,2%) pada sirkuit dengan kedalaman 20. Meski sekilas tampak rendah, nilai ini secara statistik lebih besar dari nol secara signifikan, dan merupakan pencapaian luar biasa dalam mengendalikan ruang keadaan sebesar $2^{53} \approx 9 \times 10^{15}$.

Tingkat kesalahan keseluruhan dimodelkan secara perkiraan sebagai produk dari kesalahan gerbang individual, kesalahan pengukuran, dan lain-lain.

$$ \mathcal{F} \approx (1 - e_1)^{N_1}(1 - e_2)^{N_2} \cdots \approx \prod_{g \in 1Q} (1 - e_g) \prod_{g \in 2Q} (1 - e_g) \prod_{q} (1 - e_{RO}) $$

(Keterangan: $e_g$ adalah kesalahan gerbang, $e_{RO}$ adalah kesalahan pengukuran)

Google mengklaim bahwa butuh sekitar 10.000 tahun bagi superkomputer klasik (Summit) untuk menyimulasikan sirkuit ini. Sebaliknya, Sycamore menyelesaikan pengambilan sampel hanya dalam 200 detik.

4. Sanggahan IBM: Dari “Keunggulan” Menjadi “Kegunaan (Utility)”

Pengumuman Google mengejutkan seluruh dunia, tetapi IBM, pengembang superkomputer terbesar di dunia “Summit” dan pelopor dalam pengembangan komputer kuantum itu sendiri, segera mempublikasikan makalah yang menyanggah klaim tersebut.

Peningkatan Simulasi Klasik melalui Kontraksi Jaringan Tensor

Inti dari sanggahan IBM adalah bahwa “optimalisasi algoritma dan sumber daya pada sisi komputer klasik masih belum cukup”. Google mendasarkan perkiraan 10.000 tahun pada simulator vektor keadaan yang secara langsung menghitung evolusi waktu dari persamaan Schrödinger, tetapi IBM menunjukkan bahwa waktu simulasi dapat dipersingkat secara drastis dengan menggunakan metode yang disebut “Jaringan Tensor (Tensor Network)”.

Dalam jaringan tensor, operasi gerbang sirkuit kuantum direpresentasikan sebagai operasi array multidimensi (tensor), dan urutan “kontraksi (Contraction)” jaringan dioptimalkan. Lebih jauh lagi, mereka mengklaim bahwa dengan memanfaatkan sepenuhnya penyimpanan masif Summit yang mencapai 250 PB (hierarki disk dan memori), simulasi berpresisi lebih tinggi dapat diselesaikan hanya dalam “dua setengah hari” dengan tetap menyimpan seluruh vektor keadaan.

Quantum Advantage dan Quantum Utility

Perdebatan ini memicu pergeseran tren di seluruh industri, dari kebiasaan terpaku pada “melakukan tugas buatan yang mustahil dilakukan secara klasik (Supremacy)” menjadi “menunjukkan keunggulan praktis yang nyata di atas pendekatan klasik pada masalah dunia nyata yang berguna (Quantum Advantage)”, dan bahkan menuju fase di mana “komputer kuantum berfungsi sebagai alat baru untuk penemuan ilmiah (Quantum Utility)”.

IBM sendiri menghindari penggunaan istilah “keunggulan” dan mengusulkan “Volume Kuantum (Quantum Volume)” serta “CLOPS (Circuit Layer Operations Per Second)” sebagai metrik kinerja komprehensif dari prosesor kuantum, dan mendorong pengembangan yang berfokus pada keseimbangan antara skala dan kualitas perangkat keras.

timeline title "Evolusi Tonggak Sejarah Kuantum" 2019 : "Google Sycamore (53Q)" : "Pengumuman Keunggulan Kuantum" 2019 : "Sanggahan IBM" : "Simulasi superkomputer Summit dalam 2,5 hari" 2021 : "IBM Eagle (127Q)" : "Menembus batas 100 qubit" 2022 : "IBM Osprey (433Q)" : "Meningkatkan skala prosesor" 2023 : "Surface Code Google" : "Menskalakan koreksi kesalahan (d=3 ke d=5)" 2023 : "Quantum Utility IBM" : "Simulasi model spin kompleks pada 127Q" 2024 : "Seterusnya" : "Era Qubit Logis dan Mitigasi Kesalahan"

5. Frontier Selanjutnya: Mitigasi Kesalahan (Error Mitigation) dan Koreksi Kesalahan Kuantum (QEC)

Komputer kuantum saat ini disebut “NISQ (Noisy Intermediate-Scale Quantum)”, rentan terhadap pengaruh noise (kesalahan karena ketidaksempurnaan kontrol atau interaksi dengan lingkungan eksternal), dan hasilnya akan tenggelam dalam noise jika komputasi panjang dilakukan. Pendekatan untuk mengatasi masalah ini secara garis besar terbagi menjadi dua: “Mitigasi Kesalahan (Error Mitigation)” dan “Koreksi Kesalahan Kuantum (Quantum Error Correction)”.

Mitigasi Kesalahan (Error Mitigation)

Mitigasi kesalahan adalah teknik menghilangkan efek noise dari nilai yang diharapkan dari hasil komputasi melalui pemrosesan akhir klasik tanpa mengubah perangkat keras kuantum. Pada tahun 2023, IBM memadukan prosesor “Eagle” 127 qubit dengan teknik mitigasi kesalahan seperti “Ekstrapolasi Nol-Noise (Zero-Noise Extrapolation: ZNE)” untuk mencapai akurasi yang melampaui metode jaringan tensor hampiran paling mutakhir dalam simulasi evolusi waktu dari model Ising kompleks, dengan mendemonstrasikan “Quantum Utility (Kegunaan Kuantum)”.

Koreksi Kesalahan Kuantum (QEC) dan Qubit Logis

Namun, untuk pada akhirnya menjalankan algoritma kompleks apa pun (misalnya algoritma faktorisasi Shor atau komputasi kimia kuantum yang kompleks), mitigasi kesalahan saja tidak cukup, dan “Koreksi Kesalahan Kuantum (QEC)”, yang secara dinamis mendeteksi dan memperbaiki kesalahan, mutlak diperlukan.

Pendekatan QEC yang paling umum adalah “Kode Permukaan (Surface Code)”. Ini adalah metode di mana beberapa qubit fisik (qubit data) ditempatkan dalam kisi dua dimensi, dan qubit pengukuran (qubit ancilla) ditempatkan di antara mereka untuk terus-menerus menjalankan pengecekan paritas yang disebut “Stabilizer”.

graph LR Q1["Qubit Data (Data)"] --- M1["Ukur X Stabilizer (Ancilla)"] Q2["Qubit Data (Data)"] --- M1 Q3["Qubit Data (Data)"] --- M2["Ukur Z Stabilizer (Ancilla)"] Q4["Qubit Data (Data)"] --- M2 M1 --> EC["Dekode Sindrom Kesalahan (Klasik)"] M2 --> EC EC --> LQ["Pembaruan Keadaan Qubit Logis"]

Teorema Ambang Batas (Threshold Theorem) dan Jarak $d$

Ada “Teorema Ambang Batas” dalam koreksi kesalahan kuantum. Jika tingkat kesalahan qubit fisik $p$ jatuh di bawah ambang batas tertentu $p_{th}$ (sekitar 1% untuk Surface Code), maka tingkat kesalahan logis $p_L$ dapat diturunkan secara eksponensial dengan meningkatkan jarak kode (Distance) $d$ (mengalokasikan lebih banyak qubit fisik ke dalam satu qubit logis).

Persamaan hampiran untuk tingkat kesalahan logis dinyatakan sebagai berikut:

$$ p_L \approx \Lambda \left( \frac{p}{p_{th}} \right)^{\frac{d+1}{2}} $$

Di sini, $\Lambda$ adalah konstanta. Jika $p < p_{th}$, semakin besar $d$, maka semakin kecil $p_L$. Namun, jika $p > p_{th}$, menambahkan lebih banyak qubit fisik justru akan mengakumulasi noise, dan tingkat kesalahan logis akan memburuk.

Tonggak Sejarah Google 2023: Demonstrasi Pengurangan Kesalahan dengan Memperluas Jarak

Pada Februari 2023, Google menerbitkan makalah monumental di jurnal “Nature”. Menggunakan prosesor Sycamore generasi ke-3, mereka menjadi yang pertama di dunia mendemonstrasikan bahwa saat jarak Surface Code diperluas dari $d=3$ (menggunakan 17 qubit fisik) menjadi $d=5$ (menggunakan 49 qubit fisik), tingkat kesalahan logis sedikit turun dari 3,028% menjadi 2,914%.

Ini berarti bahwa mereka telah melangkah ke wilayah $p < p_{th}$, dan mengindikasikan bahwa pembuktian konsep (Proof of Concept) yang paling penting menuju FTQC telah diselesaikan: bahwa kinerja akan meningkat seiring dengan penambahan qubit fisik.

6. Peta Jalan dan Prospek Menuju FTQC (Komputasi Kuantum Toleran Kesalahan)

Google dan IBM sama-sama terlibat dalam persaingan pengembangan yang sengit menuju tujuan akhir FTQC (Fault-Tolerant Quantum Computing), meskipun masing-masing mengambil arsitektur dan pendekatan yang berbeda.

Pendekatan IBM: Modularisasi dan Kisi Heavy-Hex

Sejalan dengan usahanya untuk secara drastis menurunkan tingkat kesalahan, IBM juga fokus untuk menskalakan prosesornya. Sambil menantang batas-batas chip tunggal dengan “Eagle (127Q)”, “Osprey (433Q)”, dan “Condor (1121Q)”, IBM juga mengumumkan arsitektur modular yang disebut “Quantum System Two”. Selain itu, untuk topologi pengikatan antar qubit, mereka menggunakan “Kisi Heavy-Hex” guna mengurangi crosstalk yang tak diinginkan serta meningkatkan stabilitas. Strategi IBM adalah pendekatan hibrida: mengejar kegunaan dalam jangka pendek melalui mitigasi kesalahan mutakhir sambil secara bertahap memperkenalkan QEC.

Pendekatan Google: Peningkatan Kualitas Qubit Logis

Strategi Google lebih menekankan pada penurunan tingkat kesalahan satu qubit logis serendah mungkin (misalnya menurunkannya menjadi $10^{-6}$) daripada meningkatkan jumlah qubit fisik secara drastis. Berangkat dari titik tersebut, Google berupaya memapankan teknologi interkoneksi kuantum (Quantum Interconnects) untuk mentransfer keadaan kuantum antar modul, membidik sistem skala besar di mana ribuan hingga puluhan ribu qubit fisik dapat beroperasi secara paralel.

Implementasi protokol untuk menjalankan gerbang non-Clifford dengan toleransi kesalahan, seperti penyulingan keadaan ajaib (Magic State Distillation), juga akan menjadi rintangan teknologi utama di masa mendatang. Untuk menjalankan algoritma Shor praktis dan memecahkan enkripsi RSA 2048-bit, kabarnya dibutuhkan ribuan qubit logis dengan tingkat kesalahan $10^{-8}$ atau lebih rendah, yang setara dengan jutaan hingga puluhan juta qubit fisik, menandakan bahwa perjalanan masih panjang.

7. Penutup

“Keunggulan Kuantum” adalah tonggak penting dalam sejarah komputer kuantum yang secara fisik membuktikan potensi teoritis dari mesin komputasi. Demonstrasi tahun 2019 oleh Google dan sanggahan konstruktif oleh IBM mendorong seluruh industri dari sekadar pembuktian teoritis menuju pencarian kegunaan (Utility) praktis, dan ke era rekayasa nyata yang diarahkan pada komputasi kuantum toleran kesalahan (FTQC).

Saat ini kita sedang menyaksikan periode transisi dari perangkat NISQ yang penuh noise ke perangkat qubit logis yang dilengkapi koreksi kesalahan. Dalam beberapa tahun hingga satu dekade ke depan, penemuan baru dalam ilmu material, revolusi dalam proses penemuan obat, dan terobosan dalam masalah optimisasi akan menjadi kenyataan seiring dengan evolusi perangkat keras kuantum ini.

Kita harus terus mengawasi pergerakan dari Google, IBM, dan para peneliti di seluruh dunia yang sedang membentuk ilmu komputasi masa depan.

Bagaimana Blockchain dan Mata Uang Kripto Berubah di Era Pasca-Kuantum?

Fri, 11 Sep 2026 17:00:00 +0900

1. Pendahuluan: Langkah Era Pasca-Kuantum dan Krisis Blockchain

Sejak Bitcoin diciptakan oleh Satoshi Nakamoto pada tahun 2009, teknologi blockchain telah berkembang menjadi fondasi sistem keuangan dan aplikasi di seluruh dunia sebagai “buku besar yang terdesentralisasi dan tidak dapat diubah”. Keamanan yang kuat ini didukung oleh teknologi kriptografi modern yaitu Kriptografi Kunci Publik (Public Key Cryptography) dan Fungsi Hash Kriptografi (Cryptographic Hash Functions).

Teknologi kriptografi ini menjamin keamanan berdasarkan “kesulitan komputasi” matematis, di mana komputer klasik (PC dan superkomputer yang kita gunakan saat ini) tidak akan dapat memecahkannya bahkan jika menghabiskan waktu selama umur alam semesta.

Namun, premis ini akan segera runtuh dari akarnya akibat perkembangan pesat dan komersialisasi Komputer Kuantum (Quantum Computers), yang merupakan batas terdepan dari fisika dan ilmu informasi. Komputer kuantum, yang memanfaatkan “Superposisi (Superposition)” dan “Keterikatan Kuantum (Entanglement)” khusus untuk mekanika kuantum, menunjukkan daya komputasi yang mengalahkan komputer klasik konvensional dalam masalah matematika tertentu, yang disebut “Keunggulan Kuantum (Quantum Supremacy)”.

Dalam artikel ini, kami akan menjelaskan secara mendalam dari perspektif teknis dan matematis tentang ancaman spesifik apa yang dihadapi teknologi blockchain dari komputer kuantum, serta tren terbaru dalam Kriptografi Pasca-Kuantum (PQC: Post-Quantum Cryptography) yang akan menjadi solusinya, dan skenario transisi untuk jaringan aset kripto.

2. Dasar-dasar Komputer Kuantum dan 2 Ancaman Utama terhadap Blockchain

Sistem blockchain saat ini pada dasarnya terdiri dari dua elemen kriptografi berikut, yang masing-masing terpapar pada ancaman berbeda oleh algoritma kuantum.

graph TD A["Daya komputasi komputer kuantum yang luar biasa"] --> B["Algoritma Shor (Shor's Algorithm)"] A --> C["Algoritma Grover (Grover's Algorithm)"] B --> D["Runtuhnya Kriptografi Kunci Publik (ECDSA/RSA/DSA)"] C --> E["Dampak pada Fungsi Hash Kriptografi (SHA-256)"] D --> F["Identifikasi kunci privat orang lain & Pemalsuan transaksi"] E --> G["Keunggulan penambangan PoW & Serangan pada sebagian alamat"] F --> H["Ancaman fatal dan langsung pada blockchain"] G --> I["Ancaman yang dapat diatasi dengan penyesuaian algoritma (misalnya perpanjangan panjang kunci)"] style H fill:#ff9999,stroke:#cc0000,stroke-width:2px; style I fill:#ffff99,stroke:#cccc00,stroke-width:2px;

2.1. Dasar dan Kesulitan Komputasi Kriptografi Kurva Eliptik (ECDSA)

Banyak blockchain, termasuk Bitcoin dan Ethereum, menggunakan Algoritma Tanda Tangan Digital Kurva Eliptik (ECDSA: Elliptic Curve Digital Signature Algorithm) sebagai algoritma tanda tangan digital. Secara khusus, Bitcoin menggunakan kurva eliptik dengan parameter secp256k1.

Keamanan kriptografi kurva eliptik bergantung pada kesulitan komputasi dari Masalah Logaritma Diskrit Kurva Eliptik (ECDLP: Elliptic Curve Discrete Logarithm Problem). Kurva eliptik didefinisikan oleh persamaan dalam bentuk standar Weierstrass berikut.

$$ y^2 \equiv x^3 + ax + b \pmod{p} $$

Pada secp256k1 Bitcoin, $a = 0, b = 7$, dan $p$ adalah bilangan prima yang sangat besar. Misalkan titik dasar (base point) pada kurva ini adalah $G$, dan kunci privat adalah bilangan bulat raksasa 256-bit yang dipilih secara acak $k$. Pada saat ini, kunci publik $K$ diperoleh dengan menambahkan titik dasar sebanyak $k$ kali (perkalian skalar).

$$ K = k \times G = \underbrace{G + G + \dots + G}_{k \text{ times}} $$

Menghitung mundur (mencari logaritma diskrit) kunci privat $k$ dari kunci publik yang dipublikasikan $K$ dan titik dasar $G$ menggunakan komputer klasik akan memakan waktu komputasi eksponensial $\mathcal{O}(\sqrt{p})$ bahkan menggunakan algoritma klasik terbaik seperti metode faktorisasi rho Pollard. Untuk kunci 256-bit, diperlukan sekitar $2^{128}$ operasi, yang merupakan tingkat yang tidak dapat dipecahkan bahkan jika superkomputer saat ini dioperasikan selama miliaran tahun.

2.2. Keruntuhan oleh Algoritma Shor (Shor’s Algorithm)

Namun, Algoritma Shor yang diumumkan oleh Peter Shor pada tahun 1994, menghancurkan premis ini sepenuhnya. Algoritma Shor pada awalnya diusulkan untuk memecahkan masalah faktorisasi prima (dasar kriptografi RSA) dalam waktu polinomial, tetapi algoritma ini juga dapat diterapkan pada masalah logaritma diskrit dan masalah logaritma diskrit kurva eliptik.

Inti dari Algoritma Shor terletak pada penggunaan Transformasi Fourier Kuantum (QFT: Quantum Fourier Transform) untuk menemukan “Periode (Period)” dari suatu fungsi dengan kecepatan tinggi.

$$ \text{Kompleksitas komputasi klasik} = \mathcal{O}(2^{n/2}) \quad (n\text{ adalah panjang bit}) $$ $$ \text{Kompleksitas algoritma kuantum} = \mathcal{O}(n^3) $$

Dengan cara ini, Algoritma Shor secara dramatis mempersingkat waktu eksponensial menjadi Waktu Polinomial (Polynomial Time). Setelah komputer kuantum dengan qubit logis yang memadai selesai dibangun, akan memungkinkan untuk mengidentifikasi kunci privat $k$ dalam beberapa menit atau detik dari kunci publik $K$ yang dipublikasikan di jaringan. Akibatnya, penyerang dapat dengan mudah mendapatkan kunci privat dompet orang lain dan sepenuhnya mengendalikan dana mereka.

2.2.1 Langkah-demi-Langkah Pemecahan ECDLP oleh Algoritma Shor

Mari kita ikuti langkah demi langkah bagaimana komputer kuantum memecahkan Masalah Logaritma Diskrit Kurva Eliptik (ECDLP).

Pengaturan masalah: Dalam $K = k \times G$, $G$ dan $K$ diketahui, dan kita ingin mencari bilangan bulat $k$ (kunci privat) yang tidak diketahui. Misalkan orde dari kurva eliptik adalah $N$.

Langkah 1: Membuat Status Superposisi Pertama, siapkan dua register kuantum dan terapkan Gerbang Hadamard (Hadamard Gate) pada masing-masingnya untuk membuat status superposisi dari semua kombinasi bilangan bulat yang mungkin.

$$ |\psi_1\rangle = \frac{1}{N} \sum_{x=0}^{N-1} \sum_{y=0}^{N-1} |x\rangle |y\rangle |0\rangle $$

Langkah 2: Menerapkan Oracle Kuantum (Evaluasi Fungsi) Selanjutnya, dengan menggunakan sirkuit kuantum (oracle) yang melakukan penambahan titik pada kurva eliptik, hitung fungsi $f(x, y) = x \times G + y \times K$ ke dalam register ketiga.

$$ |\psi_2\rangle = \frac{1}{N} \sum_{x=0}^{N-1} \sum_{y=0}^{N-1} |x\rangle |y\rangle |x \times G + y \times K\rangle $$

Hal penting di sini adalah, karena $K = k \times G$, maka dapat ditulis ulang sebagai $f(x, y) = (x + y \cdot k) \times G$.

Langkah 3: Pengukuran Register Ketiga Ketika mengukur register ketiga, status akan menyusut ke titik $R$ pada suatu kurva eliptik tertentu. Akibatnya, register pertama dan kedua menyusut ke status superposisi dari pasangan $(x, y)$ yang memenuhi $x + y \cdot k \equiv c \pmod{N}$ ($c$ adalah konstanta).

$$ |\psi_3\rangle = \frac{1}{\sqrt{N}} \sum_{y=0}^{N-1} |c - y \cdot k \pmod{N}\rangle |y\rangle $$

Langkah 4: Menerapkan Transformasi Fourier Kuantum (QFT) Status ini memiliki periodisitas yang berkaitan dengan periode $k$. Dengan menerapkan Transformasi Fourier Kuantum Invers (Inverse QFT) pada titik ini, hal itu menyebabkan interferensi fase dan mengubah informasi periode menjadi amplitudo.

Langkah 5: Pengukuran dan Pasca-pemrosesan Klasik Ketika mengukur register pertama dan kedua, dengan probabilitas tinggi akan diperoleh nilai yang berisi informasi tentang $k$. Dengan menerapkan algoritma teori bilangan klasik seperti Ekspansi Fraksi Berlanjut (Continued Fractions) pada nilai yang diukur, kunci privat $k$ yang tidak diketahui dapat diidentifikasi sepenuhnya.

Jumlah gerbang kuantum yang diperlukan dalam seluruh proses ini adalah $\mathcal{O}(\log^3 N)$, yang akan mengungkapkan kunci privat dengan kecepatan super tinggi yang tidak sebanding dengan pencarian $\mathcal{O}(\sqrt{N})$ oleh komputer klasik.

2.3. Algoritma Grover (Grover’s Algorithm) dan Dampak pada Fungsi Hash

Ancaman lainnya adalah Algoritma Grover, yang diusulkan oleh Lov Grover pada tahun 1996. Ini berdampak besar pada fungsi hash (misalnya SHA-256).

Dalam blockchain, fungsi hash digunakan untuk memastikan integritas data, menghasilkan alamat, dan sebagai dasar penambangan PoW (Proof of Work) pada Bitcoin. Perhitungan mundur dari fungsi hash (komputasi pracitra) dapat dianggap sebagai “masalah pencarian basis data tidak terstruktur” untuk menemukan nilai input $x$ sehingga $H(x) = y$ untuk nilai output tertentu $y$.

Dalam komputer klasik, diperlukan rata-rata $\frac{N}{2}$ percobaan, dan paling banyak $N$ percobaan, untuk menemukan jawaban yang benar dari $N$ kemungkinan. Artinya, kompleksitas komputasi adalah $\mathcal{O}(N)$. Namun, algoritma Grover menggunakan teknologi kuantum yang disebut “Amplifikasi Amplitudo (Amplitude Amplification)”. Dengan memperkuat amplitudo probabilitas status yang menjadi jawaban yang benar secara iteratif dari semua kemungkinan dalam status superposisi, waktu pencarian dipersingkat menjadi akar kuadrat.

$$ \text{Kompleksitas Algoritma Grover} = \mathcal{O}(\sqrt{N}) $$

Dalam kasus SHA-256, karena $N = 2^{256}$, pencarian brute-force klasik membutuhkan sekitar $2^{256}$ percobaan. Namun, dengan algoritma Grover, hanya diperlukan $\sqrt{2^{256}} = 2^{128}$ percobaan. Ini berarti fungsi hash 256-bit akan dibelah dua menjadi kekuatan keamanan yang efektif sebesar 128-bit terhadap komputer kuantum.

2.3.1. Akankah SHA-256 Bertahan? (Quantum Supremacy in Hashing)

Bahkan jika keamanannya dibelah dua, “keamanan 128-bit” masih sangat kuat. Sebanyak $2^{128}$ operasi merupakan angka astronomis bahkan dari tingkat teknologi saat ini dan membutuhkan skala waktu setara umur alam semesta. Oleh karena itu, secara luas diyakini bahwa “SHA-256 akan mempertahankan keamanan praktisnya bahkan terhadap komputer kuantum”. Jika diperlukan untuk meningkatkan margin keamanan di masa depan, kita cukup menggandakan panjang keluaran hash (misalnya transisi dari SHA-256 ke SHA-512) untuk mempertahankan keamanan klasik 256-bit di dunia kuantum.

Kesimpulannya, ancaman kuantum terhadap fungsi hash “ringan dan dapat diatasi”, sedangkan ancaman terhadap kriptografi kunci publik (ECDSA) adalah “fatal”.

3. Analisis Dampak Spesifik pada Aset Kripto Saat Ini (Bitcoin, Ethereum)

Di dunia di mana komputer kuantum dapat memecahkan ECDSA, kerentanan spesifik apa yang akan dihadapi oleh jaringan aset kripto? Di sini, dengan menggunakan mekanisme Bitcoin sebagai contoh, kita akan melakukan analisis terperinci dari perspektif “waktu pemaparan kunci publik”.

3.1. Pembuatan Alamat dan Sifat “Tertutup” dari Kunci Publik

Alamat Bitcoin (seperti P2PKH: Pay-to-Public-Key-Hash atau P2WPKH: Pay-to-Witness-Public-Key-Hash) tidak menggunakan kunci publik itu sendiri, melainkan hash dari kunci publik yang diproses beberapa kali.

$$ \text{Bitcoin Address} = \text{Base58Check}(\text{RIPEMD160}(\text{SHA256}(\text{Public Key}))) $$

Seperti disebutkan di atas, karena fungsi hash tahan terhadap serangan kuantum (Algoritma Grover), komputer kuantum tidak dapat menghitung mundur “kunci publik” asli dari “alamat” yang merupakan nilai hash. Artinya, untuk “alamat yang belum digunakan (alamat yang belum pernah mengirim dana sekalipun)”, kunci publik sama sekali tidak diekspos di blockchain, dan hanya nilai hash yang dicatat. Oleh karena itu, selama kunci publik tidak diketahui, tidak ada target untuk menjalankan algoritma Shor, dan kunci privat tidak dapat diidentifikasi. Dompet dalam status ini dapat dikatakan aman secara kuantum (Quantum-safe).

3.2. Kerentanan Fatal saat Mengirim Transaksi (Serangan Front-running)

Masalah muncul ketika pengguna mengirim dana. Saat menyiarkan (mengirim) transaksi ke jaringan, pengguna harus menyertakan kunci publik mereka sendiri dalam data transaksi dan mempublikasikannya ke seluruh jaringan bersama dengan tanda tangan digital untuk keperluan verifikasi.

sequenceDiagram participant User as "Pengguna (Alice)" participant Mempool as "Mempool (Kolam Transaksi Belum Dikonfirmasi)" participant QuantumAttacker as "Penyerang Kuantum" participant Miner as "Penambang (Pembuatan Blok)" User->>Mempool: Kirim Transaksi (Termasuk Kunci Publik + Tanda Tangan) Mempool-->>QuantumAttacker: Menyadap kunci publik di jaringan note right of QuantumAttacker: Menjalankan algoritma Shor dalam beberapa menit
(Menghitung kunci privat dari kunci publik) QuantumAttacker->>QuantumAttacker: Membuat tanda tangan baru menggunakan kunci privat Alice QuantumAttacker->>Mempool: Menyiarkan transfer palsu dengan biaya penambang yang lebih tinggi Miner->>Miner: Memprioritaskan transaksi palsu dengan biaya (Gas) tinggi untuk dimasukkan ke dalam blok Miner-->>User: Dicatat di blockchain (Alice kehilangan dana)

Setelah kunci publik dikirim ke Mempool (tempat tunggu untuk transaksi yang belum dikonfirmasi), data tersebut dibagikan dengan node di seluruh dunia. Jika penyerang memiliki komputer kuantum super cepat, mereka dapat mencuri dana dengan proses berikut.

Menyadap transaksi pengguna yang sah (Alice) dari Mempool, dan mengekstrak kunci publik.
Menjalankan algoritma Shor, dan menghitung kunci privat dari kunci publik dalam beberapa menit (sebelum blok dikonfirmasi).
Menggunakan kunci privat yang diperoleh untuk membuat transaksi palsu yang mengirimkan dana Alice ke alamat penyerang.
Menyiarkan transaksi palsu ini ke jaringan dengan menetapkan biaya penambang (Fee) yang jauh lebih tinggi daripada transaksi asli Alice.

Penambang, mengikuti insentif ekonomi, memprioritaskan transaksi dengan biaya tinggi untuk dimasukkan ke dalam blok. Akibatnya, transfer palsu penyerang disetujui (Confirm) lebih dulu, dan transfer sah Alice dibuang sebagai “Dana Tidak Cukup (Double Spend)”. Rangkaian aliran ini disebut Serangan Front-running (Front-running Attack), dan di dunia di mana komputer kuantum direalisasikan, akan menyebabkan situasi mengerikan di mana dana dicuri oleh peretas pada saat seseorang menekan tombol kirim.

3.3. Krisis Alamat Penggunaan Ulang dan Alamat Lama (P2PK)

Masalah yang lebih serius adalah alamat yang pernah digunakan untuk mengirim dana sekali saja di masa lalu (misalnya jika digunakan kembali sebagai alamat kembalian) memiliki kunci publik yang telah dicatat secara permanen di blockchain. Alamat-alamat ini selalu berisiko kehilangan saldonya dengan kunci privat yang dihitung tanpa harus menunggu transaksi dikirim.

Selain itu, hadiah penambangan awal Satoshi Nakamoto (lebih dari 1 juta BTC), format yang lazim dari tahun 2009 hingga 2010 yaitu P2PK (Pay-to-Public-Key), mencatat kunci publik secara langsung ke dalam blockchain, bukan sebagai hash. Bitcoin dorman dalam jumlah besar ini akan menjadi target paling mudah bagi komputer kuantum, dan berpotensi memicu keruntuhan harga besar-besaran karena dicuri sekaligus dan di-dump di pasar.

4. Skenario Transisi ke Kriptografi Pasca-Kuantum (PQC)

Untuk menghindari bencana “Q-Day (Hari di mana komputer kuantum menembus kriptografi)”, komunitas kriptografi dan blockchain merencanakan transisi ke Kriptografi Pasca-Kuantum (PQC) yang sulit dipecahkan bahkan oleh algoritma kuantum. Institut Standar dan Teknologi Nasional AS (NIST) telah melakukan proses standardisasi PQC selama bertahun-tahun, dan setelah melalui evaluasi ketat yang berurutan, beberapa metode kriptografi yang menjanjikan dipilih sebagai standar final.

Kami akan menjelaskan secara terperinci algoritma PQC utama yang menarik perhatian sebagai alternatif tanda tangan digital blockchain, beserta mekanisme matematisnya.

4.1. Tanda Tangan Berbasis Hash (Hash-Based Signatures)

Tanda tangan berbasis hash adalah metode kriptografi yang keamanannya hanya bergantung pada dasar yang sangat sederhana dan kuat: “ketahanan benturan dari fungsi hash”. Karena keamanan fungsi hash terhadap komputer kuantum telah terbukti (seperti disebutkan di atas, margin keamanan 128-bit sudah cukup), ini adalah pendekatan yang sangat andal. Contoh yang menonjol adalah Tanda Tangan Lamport (Lamport Signatures), atau ekstensinya WOTS (Winternitz One-Time Signature), dan kandidat standardisasi NIST SPHINCS+ (saat ini distandardisasi sebagai FIPS 205 dan disebut SLH-DSA).

4.1.1. Detail Matematis Tanda Tangan Lamport (One-Time Signature)

Mari kita perhatikan mekanisme Tanda Tangan Lamport secara lebih terperinci secara matematis. Misalkan fungsi hash $H: \{0, 1\}^* \to \{0, 1\}^{256}$.

【Pembuatan Kunci】 Alice (pengirim) menggunakan Generator Angka Acak Sejati (TRNG) untuk menghasilkan 256 pasang pasangan kunci privat.

$$ \text{sk}_{i,0} \in \{0, 1\}^{256}, \quad \text{sk}_{i,1} \in \{0, 1\}^{256} \quad (1 \le i \le 256) $$

Akibatnya, kunci privat $\text{sk}$ terdiri dari total 512 string 256-bit (ukuran: $512 \times 32 = 16.384$ byte).

Selanjutnya, hitung kunci publik $\text{pk}$. Hash-kan setiap komponen kunci privat satu per satu.

$$ \text{pk}_{i,0} = H(\text{sk}_{i,0}), \quad \text{pk}_{i,1} = H(\text{sk}_{i,1}) $$

Kunci publik juga akan berukuran $16.384$ byte. Publikasikan ini ke jaringan blockchain.

【Pembuatan Tanda Tangan】 Untuk menandatangani data transaksi $M$, Alice pertama-tama menghitung nilai hash-nya.

$$ h = H(M) \in \{0, 1\}^{256} $$

Misalkan bit ke-$i$ dari nilai hash $h$ adalah $h_i \in \{0, 1\}$. Tanda tangan Alice $\sigma$ akan menjadi kumpulan komponen kunci privat yang sesuai dengan setiap bit $h_i$.

$$ \sigma = (\text{sk}_{1, h_1}, \text{sk}_{2, h_2}, \dots, \text{sk}_{256, h_{256}}) $$

Dengan kata lain, jika bit hash pesan adalah 0, ekspos $\text{sk}_{i,0}$, dan jika 1, ekspos $\text{sk}_{i,1}$. Ukuran tanda tangan akan menjadi $256 \times 32 = 8.192$ byte.

【Verifikasi Tanda Tangan】 Penambang (pemverifikasi) memverifikasi menggunakan transaksi yang diterima $M$, tanda tangan $\sigma = (s_1, s_2, \dots, s_{256})$, dan kunci publik $\text{pk}$. Hitung ulang hash transaksi $h = H(M)$, dan pastikan apakah setiap nilai hash dari $s_i$ cocok dengan elemen kunci publik yang sesuai $\text{pk}_{i, h_i}$.

$$ H(s_i) \overset{?}{=} \text{pk}_{i, h_i} \quad (\text{untuk semua } 1 \le i \le 256) $$

Proses ini sangat sederhana secara matematis, dan tidak mungkin untuk memalsukan tanda tangan kecuali jika komputer kuantum dapat menghitung mundur $H$. Namun, karena setengah dari kunci privat diekspos ke jaringan setelah ditandatangani, terdapat kendala kuat bahwa ini hanya dapat digunakan “satu kali (One-Time)”, karena menandatangani pesan lain dengan pasangan kunci yang sama akan menggabungkan kunci privat yang terekspos dan memberikan ruang bagi penyerang untuk melakukan pemalsuan. Untuk membuatnya praktis, teknologi seperti XMSS, yang menggunakan Merkle Tree untuk mengelompokkan sejumlah besar kunci sekali pakai ke dalam satu kunci publik root, dan SPHINCS+ yang stateless, telah dikembangkan, tetapi mereka memiliki kelemahan ukuran tanda tangan mencapai puluhan kilobyte.

4.2. Kriptografi Berbasis Kisi (Lattice-Based Cryptography)

Saat ini, yang paling diharapkan sebagai arus utama PQC dan diadopsi sebagai standar utama NIST (FIPS 204: ML-DSA / sebelumnya CRYSTALS-Dilithium, Falcon, dll.) adalah Kriptografi Kisi.

Keamanan kriptografi kisi bergantung pada masalah yang terbukti secara matematis sulit seperti “Masalah Vektor Terpendek dalam kisi multidimensi (SVP: Shortest Vector Problem)” dan “Pembelajaran dengan Masalah Galat (LWE: Learning With Errors)”. Tidak ada algoritma yang ditemukan yang dapat memecahkan masalah kisi secara efisien bahkan menggunakan komputer kuantum.

Model Matematis LWE (Learning With Errors): Gagasan dasar masalah LWE adalah untuk membuat masalah menjadi lebih sulit secara dramatis dengan secara sengaja menambahkan “noise (galat) kecil” ke dalam sistem persamaan linear. Misalkan vektor rahasia adalah $\mathbf{s} \in \mathbb{Z}_q^n$. Ada matriks publik raksasa yang dipilih secara acak $\mathbf{A} \in \mathbb{Z}_q^{m \times n}$, dan vektor noise kecil yang sengaja ditambahkan $\mathbf{e} \in \mathbb{Z}_q^m$. Kunci publik $\mathbf{b}$ dihitung sebagai berikut.

$$ \mathbf{b} = \mathbf{A}\mathbf{s} + \mathbf{e} \pmod{q} $$

Meskipun matriks $\mathbf{A}$ dan vektor $\mathbf{b}$ (kunci publik) dipublikasikan, sangat sulit untuk menghitung mundur kunci privat $\mathbf{s}$ dari sana karena adanya noise $\mathbf{e}$. Tanpa noise, itu bisa diselesaikan dengan eliminasi Gauss sederhana, tetapi dengan noise, ruang pencarian meledak di semua dimensi, memberikan keamanan yang kuat baik terhadap komputer klasik maupun kuantum. Dalam algoritma yang sebenarnya digunakan di blockchain dan sejenisnya (seperti Dilithium), ini diperluas pada cincin polinomial menggunakan Ring-LWE (atau Module-LWE), yang mengurangi ukuran kunci dan mempercepat komputasi.

Kelebihan: Dibandingkan dengan tanda tangan berbasis hash, ukuran kunci publik dan tanda tangan relatif kecil (sekitar beberapa kilobyte), dan kecepatan perhitungan pembuatan dan verifikasi tanda tangan sangat cepat (setara atau lebih cepat dari ECDSA).
Kekurangan: Struktur matematisnya kompleks, dan karena periode verifikasi historisnya pendek, risiko ditemukannya algoritma dekripsi baru di masa depan bukanlah nol.

5. Tantangan Teknis Transisi PQC di Blockchain

Fakta bahwa algoritma PQC (seperti Dilithium dan SPHINCS+) ada tidak berarti bahwa mereka dapat segera diterapkan ke Bitcoin atau Ethereum. Terdapat beberapa tantangan berat yang khusus untuk sistem terdesentralisasi.

5.1. Peningkatan Ukuran Tanda Tangan dan Keruntuhan Skalabilitas

Hambatan terbesar dalam mengadopsi PQC adalah peningkatan ukuran data yang signifikan. Sementara ukuran tanda tangan ECDSA saat ini sekitar 70 byte, ukuran tanda tangan untuk ML-DSA (Dilithium) kriptografi kisi adalah sekitar 2.420 byte hingga 4.595 byte (tergantung pada tingkat keamanan), dan ukuran kunci publik melebihi 1.300 byte. Untuk SPHINCS+ berbasis hash, ukuran tanda tangan mencapai puluhan ribu byte.

Jika Bitcoin mengadopsi PQC sambil mempertahankan batas ukuran blok saat ini (berat sekitar 4MB termasuk SegWit), jumlah transaksi yang dapat ditampung dalam satu blok akan menurun drastis. Throughput jaringan (TPS: Transactions Per Second) akan turun secara tak terhindarkan, dan kemacetan transfer akan menjadi normal. Untuk mengatasi ini, batas ukuran blok perlu ditingkatkan secara signifikan, namun ini akan meningkatkan persyaratan penyimpanan dan bandwidth jaringan node penuh, membuat operasi node oleh individu menjadi sulit, yang pada akhirnya mengarah pada dilema sentralisasi jaringan.

pie title "Perbandingan Ukuran Data Tanda Tangan di Blockchain (Diagram Konsep)" "ECDSA (Sekitar 70 Bytes)" : 2 "Dilithium ML-DSA (Sekitar 2,500 Bytes)" : 58 "SPHINCS+ (Sekitar 17,000 Bytes)" : 40

(※ Peningkatan ukuran data transaksi karena pengenalan PQC akan menjadi hambatan fatal bagi skalabilitas)

5.2. Dampak pada Ethereum Virtual Machine (EVM) dan Precompiled Contracts

Di platform kontrak pintar Turing-complete seperti Ethereum, adopsi PQC membutuhkan peningkatan fundamental pada EVM (Ethereum Virtual Machine). Saat ini EVM menyediakan kontrak pra-kompilasi (Precompiled Contract) yang disebut ecrecover (alamat: 0x01) untuk memverifikasi tanda tangan ECDSA, yang dioptimalkan untuk memverifikasi tanda tangan dengan biaya gas yang sangat rendah (3000 Gas).

Namun, proses verifikasi algoritma kriptografi kisi baru seperti Dilithium dan Falcon melibatkan operasi polinomial kompleks dan operasi matriks, dan jika diimplementasikan menggunakan opcode (Opcode) EVM yang ada, memverifikasi satu tanda tangan saja dapat memakan biaya jutaan hingga puluhan juta gas. Ini merupakan tingkat yang dapat menghabiskan batas gas blok (sekitar 30 juta Gas) saat ini dalam satu transaksi.

Untuk menghindari ini, diperlukan untuk mengintegrasikan kontrak pra-kompilasi baru (Precompiled Contract) untuk verifikasi PQC (misalnya, menugaskan 0x10 untuk DilithiumVerify) ke dalam EVM itu sendiri melalui pembaruan sistem yang besar pada jaringan (Hard Fork). Hal ini membutuhkan pengembang inti masing-masing klien Ethereum (Geth, Nethermind, Erigon, dll.) untuk bekerja sama dalam mengoptimalkan logika verifikasi kriptografi kisi di tingkat bahasa pemrograman seperti C++, Go, atau Rust, dan melakukan audit keamanan, yang merupakan proses yang akan memakan waktu bertahun-tahun.

5.3. Kesulitan Membangun Konsensus melalui Hard Fork

Untuk mengubah algoritma tanda tangan yang mendasarinya, Hard Fork, yang memperbarui protokol di seluruh jaringan, sangat penting. Namun, dalam komunitas seperti Bitcoin yang berfokus pada “tidak mengubah aturan dan tetap terdesentralisasi”, proses membangun konsensus sangat sulit dari sudut pandang politik. Mulai dari mengajukan BIP (Bitcoin Improvement Proposal) mengenai transisi PQC hingga diimplementasikan, kemungkinan akan memakan waktu perdebatan dan pengujian bertahun-tahun.

6. Kapan “Q-Day” akan Tiba? Peta Jalan menuju Transisi

Kapan akan tiba hari di mana “komputer kuantum sepenuhnya memecahkan kriptografi kurva eliptik 256-bit (Q-Day)”? Pendapat para ahli terbagi, namun sebagian besar memprediksi kemunculan komputer kuantum berskala besar yang memiliki setidaknya beberapa ribu hingga puluhan ribu qubit logis stabil (qubit toleran noise dan dikoreksi galat) pada “pertengahan 2030-an hingga 2040-an”. Namun, waktu ini tidak dapat disangkal bisa lebih awal (sekitar 2030) tergantung pada terobosan dalam arsitektur perangkat keras atau penemuan algoritma kuantum yang lebih efisien.

Berikut adalah peta jalan yang harus diambil ekosistem aset kripto sebelum terlambat.

Fase 1: Tanda Tangan Hibrida dan Abstraksi Akun (Sekarang hingga sekitar 2028)

Kalangan blockchain saat ini, terutama tim pengembangan Ethereum (seperti Vitalik Buterin), sedang mempertimbangkan “Tanda Tangan Hibrida” yang menggabungkan ECDSA dan PQC (tanda tangan berbasis hash atau kriptografi kisi). Pendekatan ini menyertakan tanda tangan ECDSA yang aman saat ini bersama dengan tanda tangan PQC ke dalam transaksi, sehingga jika salah satu ditembus, keamanan masih tetap terjaga. Selain itu, melalui pemanfaatan abstraksi akun (Account Abstraction, ERC-4337), ada upaya untuk mengimplementasikan dan mendukung tanda tangan PQC secara opsional (bagi pengguna yang menginginkannya saja) di atas dompet kontrak pintar, tanpa harus menunggu hard fork tingkat protokol.

Fase 2: Pemanfaatan Zero-Knowledge Proofs (ZK-Rollups) (Dari 2025 dan seterusnya)

Sebagai kartu truf untuk menyelesaikan “peningkatan ukuran tanda tangan”, yang merupakan kelemahan terbesar PQC, harapan diletakkan pada penggunaan ZK-Rollups (Zero-Knowledge Proofs) yang merupakan teknologi layer 2. Daripada menulis data tanda tangan PQC berukuran sangat besar langsung ke Layer 1 (rantai utama), banyak transaksi PQC diverifikasi dan diagregasikan di atas Layer 2. Kemudian, mereka dikompresi menjadi sebuah “data bukti (Proof)” yang sangat kecil menggunakan ZK-SNARKs atau ZK-STARKs untuk direkam di Layer 1. Perlu dicatat, karena beberapa konfigurasi SNARKs (seperti Groth16) rentan secara kuantum, penerapan ZK-STARKs yang hanya bergantung pada fungsi hash tahan kuantum akan menjadi kunci.

Fase 3: Hard Fork Tingkat Protokol (Sekitar 2030)

Setelah standardisasi NIST untuk PQC sepenuhnya mapan, dan standar industri dirilis dan diuji secara memadai, diharapkan bahwa blockchain utama seperti Bitcoin dan Ethereum akan melakukan hard fork yang sepenuhnya mentransisikan metode tanda tangan default ke PQC. Selama masa transisi ini, akan ada pengumuman besar-besaran kepada pengguna yang mendesak mereka untuk “memindahkan dana dari dompet lama ke dompet baru yang mendukung PQC”.

Studi Kasus Proyek Perintis

Beberapa proyek blockchain telah mengantisipasi ancaman kuantum ini, dan dikembangkan sejak tahap awal dengan mempromosikan ketahanan kuantum.

QRL (Quantum Resistant Ledger): Sebuah blockchain tahap awal yang mengimplementasikan PQC berbasis hash, XMSS (Skema Tanda Tangan Merkle yang Diperluas) secara natif pada tingkat protokol.
Algorand / Cellframe: Proyek-proyek ini memiliki arsitektur modular dari lapisan kriptografi yang fleksibel untuk mengantisipasi pembaruan PQC di masa depan, secara proaktif mengeksplorasi integrasi kriptografi kisi.

7. Kesimpulan: Masa Depan Aset Kripto dan Perlindungan Aset Kita

Ketibaan “Era Pasca-Kuantum” bukan lagi sekadar khayalan fiksi ilmiah, melainkan sudah berada tepat di hadapan kita sebagai tantangan teknis nyata terhadap sistem kriptografi saat ini.

Dua pedang komputer kuantum, algoritma Shor dan algoritma Grover, secara berurutan mengancam kriptografi kunci publik dan fungsi hash yang menjadi fondasi blockchain saat ini. Khususnya, kerentanan ECDSA berakibat fatal, dan transisi ke kriptografi tahan kuantum (PQC) adalah rute yang mutlak tak terhindarkan untuk mencegah risiko pencurian dana dari serangan front-running.

Namun, dunia teknologi dan komunitas blockchain tidak hanya duduk diam menunggu kehancuran. Pemilihan dan standardisasi algoritma PQC seperti kriptografi kisi dan tanda tangan berbasis hash terus berkembang dengan stabil, dan melalui penggunaan zero-knowledge proofs (ZK-STARKs) serta teknologi penskalaan Layer 2, kita mulai melihat jalan keluar untuk mengatasi “peningkatan ukuran data” yang merupakan hambatan terbesar adopsi PQC.

Tidak perlu bagi kita pengguna dan investor aset kripto pada umumnya untuk panik saat ini dan menjual seluruh dana. Akan tetapi, sangat penting untuk memiliki literasi mendasar dan kesadaran pertahanan diri sebagai berikut.

Hindari menggunakan ulang alamat: Untuk menegakkan keamanan, bukan hanya privasi, disarankan untuk tidak menyimpan dana dalam jangka waktu lama di “alamat yang telah digunakan (alamat yang pernah digunakan untuk mengirim dana sekali saja, sehingga kunci publiknya terpapar di blockchain)”.
Mengamati tren teknologi: Terus awasi diskusi tentang transisi PQC di jaringan utama seperti BIP Bitcoin atau EIP Ethereum, serta berita mengenai hard fork, agar Anda dapat melakukan operasi migrasi dompet pada waktu yang diperlukan dengan benar.

Sejarah blockchain adalah sejarah berkelanjutan antara ketahanan (resiliensi) dan pembaruan sistem dalam menghadapi ancaman teknis baru. Sama seperti mereka yang mengatasi masalah skalabilitas dan isu lingkungan (seperti transisi dari PoW ke PoS), seluruh ekosistem kemungkinan besar akan mencari solusi dan beradaptasi terhadap ancaman kuantum yang belum pernah terjadi ini. Kita dapat berharap pada masa depan di mana komputer kuantum sebagai kearifan baru umat manusia dan teknologi tepercaya berupa buku besar terdesentralisasi, bukan bertabrakan dan hancur, namun menyatu menjadi sistem kuat di dimensi yang lebih tinggi.

Referensi & Tautan Terkait:

National Institute of Standards and Technology (NIST) - Post-Quantum Cryptography Standardization Project
Shor, P. W. (1994). Algorithms for quantum computation: discrete logarithms and factoring.
Grover, L. K. (1996). A fast quantum mechanical algorithm for database search.
Buterin, V. (2024). How to hard-fork to save most users’ funds in a quantum emergency.

Penjelasan Mudah tentang Perbedaan antara Quantum Annealing dan Model Quantum Gate

Fri, 11 Sep 2026 12:00:00 +0900

Penjelasan Mudah tentang Perbedaan antara Quantum Annealing dan Model Quantum Gate

Komputasi kuantum adalah teknologi komputasi generasi berikutnya yang berpotensi memecahkan masalah tertentu, yang membutuhkan waktu sangat lama untuk dihitung oleh komputer klasik modern (termasuk superkomputer konvensional), dengan kecepatan yang luar biasa menggunakan prinsip-prinsip mekanika kuantum (superposisi dan keterikatan kuantum).

Saat ini, sebagai pendekatan menuju realisasi komputer kuantum, secara garis besar ada dua paradigma utama: “Quantum Annealing” dan “Model Quantum Gate (Quantum Gate Model)”. Kedua metode ini memiliki perbedaan besar dalam pendekatan fisik yang mendasarinya, tugas komputasi yang menjadi keunggulannya, serta tantangan perangkat keras dalam penerapannya.

Pada artikel ini, kita akan membandingkan dan menjelaskan kedua metode tersebut secara menyeluruh dan mendetail dari perspektif teknis, mulai dari prinsip fisik, model matematis (Model Ising, QUBO, transformasi uniter, dll.), batasan teknologi saat ini, hingga contoh penggunaan (use cases) yang spesifik.

1. Dasar Komputasi Kuantum: Perbedaan Mendasar dengan Komputer Klasik

Komputer klasik memproses informasi sebagai “bit” yang mengambil status “0” atau “1”. Di sisi lain, komputer kuantum menggunakan “qubit” (quantum bit). Qubit, berdasarkan prinsip mekanika kuantum yaitu “Superposisi” (Superposition), dapat secara probabilistik memiliki status 0 dan 1 secara bersamaan.

Lebih lanjut, dengan memanfaatkan fenomena yang disebut “Keterikatan Kuantum” (Entanglement), keadaan beberapa qubit menjadi saling berkolerasi kuat, sehingga operasi pada satu qubit akan berdampak instan pada keseluruhan sistem. Hal ini memungkinkan komputasi paralel tingkat lanjut (paralelisme kuantum).

Akan tetapi, keadaan kuantum sangat rentan terhadap gangguan eksternal (seperti panas atau gelombang elektromagnetik), dan “Dekoherensi” (Decoherence) di mana keadaan kuantum rusak dan kembali menjadi keadaan klasik merupakan tantangan besar. Perbedaan cara menangani masalah noise ini bermuara pada perbedaan besar dalam filosofi desain antara Annealing dan Model Gate.

2. Rincian Quantum Annealing

Quantum Annealing adalah arsitektur komputasi khusus yang terutama dioptimalkan untuk memecahkan “Masalah Optimasi Kombinatorial”. Metode ini didasarkan pada teori yang diusulkan oleh Mampei Kadowaki dan Hidetoshi Nishimori dari Tokyo Institute of Technology pada tahun 1998, dan mulai dikenal luas setelah dikomersialkan pertama kali di dunia oleh D-Wave Systems dari Kanada.

2.1. Mekanisme Fisik: Model Ising Medan Transversal dan Fluktuasi Kuantum

Quantum Annealing memanfaatkan sifat sistem fisik di alam yang cenderung stabil menuju “keadaan dengan energi terendah (ground state)”.

Pada pendekatan klasik yang disebut “Simulated Annealing”, fluktuasi termal digunakan untuk keluar dari solusi optimal lokal (local minimum). Sebaliknya, pada Quantum Annealing, “Fluktuasi Kuantum” (Quantum Fluctuation) digunakan agar melalui “Efek Terowongan Kuantum” (Quantum Tunneling), penghalang energi dapat ditembus untuk mencari solusi optimal global (global minimum) dengan lebih efisien.

Evolusi waktu sistem Quantum Annealing dijelaskan dengan Hamiltonian (operator yang mewakili total energi sistem) $H(t)$ berikut:

$$ H(t) = A(t) H_0 + B(t) H_P $$

Di sini, $t$ adalah waktu, $A(t)$ adalah fungsi yang secara bertahap menurun, dan $B(t)$ adalah fungsi yang secara bertahap meningkat.

$H_0$ (Hamiltonian Awal): Mewakili medan transversal (Transverse field) yang menghasilkan fluktuasi kuantum. $$ H_0 = - \sum_{i} \sigma_i^x $$ ($\sigma_i^x$ adalah matriks Pauli-X yang mewakili pembalikan bit.)
$H_P$ (Hamiltonian Masalah): Model Ising yang merepresentasikan masalah optimasi yang ingin diselesaikan.

Pada keadaan awal ($t=0$), $A(0)$ bernilai maksimal, dan sistem berada dalam ground state dari $H_0$ (di mana semua keadaan bersuperposisi secara merata). Seiring berjalannya waktu, medan transversal diperlemah secara perlahan, dan secara bersamaan interaksi pada Hamiltonian masalah diperkuat.

2.2. Komputasi Kuantum Adiabatik (Adiabatic Quantum Computation)

Hal yang penting dalam proses ini adalah “Teorema Adiabatik” (Adiabatic Theorem). Menurut teorema adiabatik, jika sistem diubah “cukup lambat (secara adiabatik)”, sistem akan selalu bertahan dalam ground state dari Hamiltonian pada setiap momen tersebut.

Artinya, saat pada akhirnya $A(t) \to 0$ dan $B(t) \to 1$, sistem telah mencapai ground state dari $H_P$, yaitu “solusi eksak dari masalah optimasi”.

graph TD A["Hamiltonian H_0 (Keadaan Awal)"] -->|"Perubahan Adiabatik (Cukup Lambat)"| B["Selalu Mempertahankan Ground State"] A -->|"Perubahan Non-Adiabatik (Terlalu Cepat/Noise Termal)"| C["Transisi ke Keadaan Tereksitasi (Error)"] B --> D["Hamiltonian H_P (Solusi Optimal Global)"] C --> E["Terperangkap di Solusi Optimal Lokal"] D --> F["Pembacaan Solusi"] E --> F

2.3. Pemetaan dari QUBO ke Model Ising

Untuk memecahkan masalah dunia nyata pada Quantum Annealer, masalah tersebut harus dirumuskan dalam format QUBO (Quadratic Unconstrained Binary Optimization).

Fungsi objektif QUBO didefinisikan sebagai berikut:

$$ \min_{x \in \{0,1\}^n} \sum_{i} Q_{ii} x_i + \sum_{i < j} Q_{ij} x_i x_j $$

Di sini, $x_i \in \{0, 1\}$ adalah variabel biner, dan $Q$ adalah matriks bobot.

Karena perangkat keras (seperti D-Wave) menangani spin fisik (arah atas/bawah), variabel harus dikonversi ke Model Ising yang menggunakan $\sigma_i \in \{-1, +1\}$. Rumus konversinya adalah:

$$ x_i = \frac{1 - \sigma_i}{2} \quad \text{atau} \quad \sigma_i = 1 - 2x_i $$

Dengan mensubstitusikan ini ke dalam persamaan QUBO dan menyederhanakannya, kita mendapatkan Hamiltonian Model Ising $H_P$:

$$ H_P = - \sum_{i

$J_{ij}$: Interaksi antaram spin (koefisien kopling). Ini mewakili kekuatan ikatan antara qubit fisik.

$h_i$: Medan magnet lokal (bias) pada setiap spin.

2.4. Perangkat Keras dan Tantangan Quantum Annealing (Contoh D-Wave)

Prosesor kuantum D-Wave direalisasikan menggunakan SQUID (Superconducting Quantum Interference Device). Keterhubungan antar qubit fisik bergantung pada pemasangan kabel perangkat keras dan bukan merupakan keterhubungan penuh (di mana semua bit terhubung satu sama lain). Mulai dari “Chimera graph” awal, berkembang ke “Pegasus”, dan kemudian “Zephyr graph”, tingkat keterhubungan terus meningkat, namun batasan tetap ada.

Oleh karena itu, diperlukan proses “Minor Embedding” yang memetakan masalah dengan struktur graf kompleks ke graf fisik. Hal ini mengakibatkan satu variabel logis direpresentasikan oleh beberapa qubit fisik (chain), yang mengurangi jumlah efektif qubit yang dapat digunakan dan menurunkan akurasi komputasi.

3. Rincian Model Quantum Gate (Quantum Gate Model)

Model Quantum Gate adalah perluasan secara mekanika kuantum dari gerbang logika komputer klasik (seperti AND, OR, NOT), dan merupakan arsitektur yang memungkinkan “Komputasi Kuantum Universal” (Universal Quantum Computation). Banyak perusahaan seperti IBM, Google, Rigetti, dan IonQ telah mengadopsi metode ini.

3.1. Transformasi Uniter dan Vektor Keadaan

Pada Model Quantum Gate, keadaan seluruh sistem qubit direpresentasikan sebagai “Vektor Keadaan” (State Vector) $|\psi\rangle$. Keadaan 1 qubit dinyatakan sebagai kombinasi linear dari basis keadaan $|0\rangle$ dan $|1\rangle$ sebagai berikut:

$$ |\psi\rangle = \alpha |0\rangle + \beta |1\rangle $$

Di mana $\alpha$ dan $\beta$ adalah amplitudo probabilitas kompleks yang memenuhi $|\alpha|^2 + |\beta|^2 = 1$. Keadaan ini dapat divisualisasikan secara geometris sebagai sebuah titik pada “Bloch Sphere” (Bola Bloch).

Langkah komputasi kuantum dideskripsikan sebagai penerapan Operator Uniter (Unitary Operator) $U$ pada vektor keadaan. Matriks uniter memiliki sifat $U^\dagger U = I$ (hasil kali dengan konjugat Hermitiannya adalah matriks identitas), yang merupakan operasi reversibel yang sesuai dengan evolusi waktu dari Persamaan Schrödinger dalam mekanika kuantum.

$$ |\psi_{t+1}\rangle = U_t |\psi_t\rangle $$

3.2. Gerbang Kuantum Dasar dan Model Sirkuit

Algoritma komputasi kuantum didesain sebagai serangkaian urutan gerbang kuantum (sirkuit kuantum).

Gerbang Pauli (X, Y, Z): Rotasi 180 derajat mengelilingi setiap sumbu pada Bloch Sphere. Gerbang X setara dengan gerbang NOT klasik.
Gerbang Hadamard (H): Mengubah $|0\rangle$ menjadi $\frac{|0\rangle + |1\rangle}{\sqrt{2}}$, sehingga menciptakan keadaan superposisi. $$ H = \frac{1}{\sqrt{2}} \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix} $$
Gerbang CNOT (Controlled-NOT): Gerbang 2 qubit. Hanya ketika qubit kontrol bernilai $|1\rangle$, gerbang X akan diterapkan pada qubit target. Ini menghasilkan Keterikatan Kuantum (Entanglement).

Semua algoritma kuantum secara aproksimasi dapat direpresentasikan dengan kombinasi dari sejumlah kecil gerbang 1 qubit dan gerbang CNOT (Universal Gate Set).

graph LR Q0["Qubit 0: |0>"] --> H1["Gerbang Hadamard (H)"] Q1["Qubit 1: |0>"] --> I1["Operasi Identitas (I)"] H1 --> C1["Bit Kontrol (Control)"] I1 --> T1["Bit Target (Target)"] C1 -. "Keterikatan" .- T1 C1 --> M0["Pengukuran (Measurement)"] T1 --> M1["Pengukuran (Measurement)"] M0 --> Result["Hasil Klasik (0 atau 1)"] M1 --> Result

3.3. Koreksi Kesalahan dan Perjalanan dari NISQ menuju FTQC

Tantangan terbesar dari Model Quantum Gate adalah “Dekoherensi”, di mana keadaan kuantum dirusak oleh noise. Semakin dalam langkah komputasi (kedalaman gerbang), semakin banyak kesalahan yang menumpuk.

Untuk melakukan komputasi ideal, Koreksi Kesalahan Kuantum (Quantum Error Correction) sangatlah penting. Misalnya, dalam metode seperti “Surface Code”, beberapa qubit fisik digabungkan untuk membentuk satu “Qubit Logis” (Logical Qubit) yang bebas kesalahan. Namun, untuk membuat satu qubit logis, diperlukan ribuan hingga puluhan ribu qubit fisik, sehingga menimbulkan overhead yang luar biasa.

Saat ini kita berada di era perangkat NISQ (Noisy Intermediate-Scale Quantum) yang memiliki puluhan hingga ratusan qubit tanpa koreksi kesalahan. Banyak terobosan masih dibutuhkan untuk mewujudkan FTQC (Fault-Tolerant Quantum Computing) dengan koreksi kesalahan penuh.

4. Ringkasan Perbandingan Teknis dan Matematis

Berikut adalah perbandingan perbedaan mendasar dari kedua arsitektur tersebut.

Item Perbandingan	Quantum Annealing	Model Quantum Gate
Model Komputasi	Komputasi Kuantum Adiabatik (Evolusi waktu Hamiltonian secara kontinu)	Transformasi Uniter (Urutan operasi gerbang secara diskrit)
Masalah yang Cocok	Masalah Optimasi Kombinatorial (QUBO, Model Ising)	Universal (Simulasi kimia kuantum, faktorisasi prima, pencarian, dll.)
Kemampuan Representasi	Optimasi Heuristik (Solusi pendekatan)	Setara dengan Mesin Turing Kuantum Universal (Secara teori semua komputasi dimungkinkan)
Contoh Implementasi	D-Wave Systems	IBM, Google, Quantinuum, IonQ, dll.
Ketahanan terhadap Noise	Relatif kuat (Karena tetap berada di sekitar ground state, toleransi terhadap noise termal tertentu memungkinkan)	Sangat lemah (Sedikit saja noise dapat menggeser fase dan menghancurkan hasil perhitungan)
Skalabilitas	Skala ribuan hingga puluhan ribu qubit (Bergantung struktur fisik. Qubit logis sulit diwujudkan)	Skala ratusan qubit (Dibutuhkan skala jutaan untuk FTQC)

Quantum Annealing cocok untuk digunakan sebagai “koprosesor dengan tujuan khusus”, menyelesaikan masalah optimasi untuk melengkapi batas kemampuan komputer klasik. Di sisi lain, Model Quantum Gate adalah versi kuantum dari “komputer serbaguna”, yang pada akhirnya bertujuan untuk mengungguli komputasi klasik (Quantum Supremacy), meskipun membangun perangkat kerasnya sangatlah sulit.

5. Batasan dan Tantangan Saat Ini

Batasan Quantum Annealing

Batasan Konektivitas (Connectivity): Akibat dari Minor Embedding yang disebutkan sebelumnya, jumlah qubit fisik yang dibutuhkan akan meningkat secara eksponensial seiring membesarnya skala masalah.
Presisi Koefisien (Precision): Kesalahan fisik saat mengatur parameter analog seperti $J_{ij}$ dan $h_i$ pada perangkat keras berdampak langsung pada kualitas solusi.
Suhu dan Transisi Non-Adiabatik: Karena suhu sistem bukan nol absolut, ada kemungkinan sistem keluar dari solusi optimal akibat eksitasi termal.

Batasan Model Quantum Gate

Waktu Koherensi (Coherence Time): Waktu keadaan kuantum dapat dipertahankan hanya berkisar dari beberapa mikrodetik hingga milidetik, dan ini sangat membatasi jumlah gerbang (kedalaman sirkuit) yang dapat dieksekusi dalam waktu tersebut.
Fidelitas Gerbang (Gate Fidelity): Tingkat error operasional pada gerbang 2 qubit (seperti CNOT) masih belum cukup rendah (umumnya sekitar 99.x%). Untuk mewujudkan FTQC, fidelitas ini harus ditingkatkan ke 99.99% atau lebih.
Volume Kuantum (Quantum Volume): Peningkatan skalabilitas (bukan hanya jumlah qubit, tetapi kapasitas komputasi efektif (volume kuantum) yang memperhitungkan keterhubungan antar qubit dan tingkat error) adalah tantangan terbesar saat ini.

6. Contoh Penggunaan (Use Case) dan Algoritma Spesifik

Mari kita lihat area aplikasi spesifik yang menjadi keunggulan dari masing-masing metode.

6.1. Contoh Penggunaan Quantum Annealing

Logistik & Routing: Optimasi rute pengiriman untuk banyak kendaraan (variasi dari Travelling Salesperson Problem). Pencarian rute real-time dengan mempertimbangkan kemacetan lalu lintas.
Rekayasa Keuangan: Optimasi portofolio. Mencari kombinasi saham yang meminimalkan risiko sekaligus memaksimalkan keuntungan.
Machine Learning: Seleksi Fitur (Feature Selection). Mengekstraksi kombinasi variabel yang berkontribusi paling besar terhadap prediksi dari kumpulan data yang masif.
Manufaktur: Masalah penjadwalan Job Shop di pabrik (Menentukan suku cadang mana yang harus diproses di mesin mana, dalam urutan apa, agar prosesnya paling cepat).

6.2. Contoh Penggunaan Model Quantum Gate

Simulasi Kimia Kuantum: Menyimulasikan tingkat energi molekul dan reaksi kimia dengan akurasi tinggi.
Faktorisasi Prima (Algoritma Shor): Algoritma yang memfaktorkan bilangan komposit raksasa dalam waktu polinomial. Jika ini berhasil dipraktikkan, infrastruktur kriptografi kunci publik saat ini seperti enkripsi RSA akan hancur, sehingga transisi ke kriptografi pasca-kuantum (PQC) menjadi hal yang mendesak.
Pencarian Basis Data (Algoritma Grover): Saat mencari data yang diinginkan dari basis data yang tidak terstruktur, komputer klasik membutuhkan waktu $O(N)$ langkah, sedangkan dengan algoritma Grover, pencarian dapat diselesaikan dalam $O(\sqrt{N})$ langkah.

6.3. Algoritma Hibrida di Era NISQ: VQE dan QAOA

Untuk mengatasi batasan dari sirkuit kuantum yang dangkal (shallow) pada perangkat NISQ, “Algoritma Kuantum Variasional” (Variational Quantum Algorithms), yang menggabungkan keunggulan komputer kuantum dan klasik, mulai menarik banyak perhatian.

VQE (Variational Quantum Eigensolver): Algoritma untuk mencari energi ground state sebuah molekul. Menggunakan sirkuit kuantum berparameter (Ansatz) untuk menyiapkan keadaan kuantum, dan nilai ekspektasi energi $\langle \psi(\theta) | H | \psi(\theta) \rangle$ diukur. Dengan menggunakan ekspektasi ini sebagai fungsi objektif, parameter $\theta$ diperbarui menggunakan algoritma optimasi klasik (seperti Gradient Descent). Mengulang ini hingga konvergen akan memberikan tingkat energi yang akurat dari molekul tersebut.
QAOA (Quantum Approximate Optimization Algorithm): Algoritma yang menyelesaikan masalah optimasi kombinatorial menggunakan Model Quantum Gate. Evolusi waktu adiabatik dari Quantum Annealing didekati ke dalam operasi gerbang diskrit melalui “Trotterisasi” (Trotterization), lalu menerapkan Hamiltonian secara bergantian untuk mendapatkan solusi hampiran (aproksimasi). QAOA diharapkan menjadi sarana ampuh untuk memecahkan masalah optimasi dengan Model Gate.

graph TD User["Masalah Pengguna"] --> Formulation{"Sifat Masalah"} Formulation -- "Optimasi Kombinatorial" --> QA_Path["Quantum Annealing / Mesin Ising"] QA_Path --> QUBO["Perumusan QUBO"] QUBO --> DWave["Eksekusi D-Wave"] Formulation -- "Komputasi Kimia/Serbaguna" --> Gate_Path["Model Quantum Gate"] Gate_Path --> Circuit["Desain Sirkuit Kuantum (VQE / QAOA)"] Circuit --> IBMGoogle["Eksekusi Perangkat Keras Kuantum IBM / Google"]

7. Kesimpulan

Meskipun Quantum Annealing dan Model Quantum Gate sama-sama memanfaatkan sifat magis mekanika kuantum sebagai sumber daya komputasi, pendekatan dan tujuan akhirnya sangat berbeda.

Quantum Annealing adalah “mesin heuristik tujuan khusus” untuk menghasilkan solusi praktis sejak dini untuk masalah nyata tertentu, yaitu optimasi kombinatorial. Saat ini, uji coba (Proof of Concept/PoC) oleh berbagai perusahaan sedang berjalan dengan pesat.
Model Quantum Gate adalah “komputer kuantum serbaguna” dengan potensi untuk mengubah paradigma ilmu komputer secara radikal, mulai dari simulasi fisika & kimia yang presisi, hingga pemecahan kode (kriptografi). Namun, penelitian dan pengembangan jangka panjang diperlukan untuk mengatasi kendala besar yaitu koreksi kesalahan.

Di masa depan, kita dapat memperkirakan akan terbangunnya lingkungan “Komputasi Heterogen” (Heterogeneous Computing), yang pusatnya menggunakan superkomputer klasik (HPC), di mana tugas optimasi dialihkan ke mesin Annealing, sedangkan komputasi kimia kuantum dialihkan ke komputer kuantum model Gate.

Komputer kuantum masih dalam tahap perkembangan, namun baik perangkat keras maupun algoritmanya terus berkembang dengan sangat cepat dari hari ke hari. Memahami konsep matematis di balik Model Ising dan dasar-dasar sirkuit kuantum akan menjadi senjata andalan yang sangat berguna menuju era “Quantum Native” di masa mendatang.

Artikel ini secara komprehensif menjelaskan komputasi kuantum, mulai dari konsep dasar hingga tren perangkat keras terbaru. Nantikan terus perkembangan penelitian terbaru di masa yang akan datang.

Hari Ketika Komputer Kuantum Menjadi Praktis: Posisi Saat Ini di Tahun 2026

Fri, 11 Sep 2026 06:00:00 +0900

1. Pendahuluan: Sejauh Mana Komputer Kuantum Berkembang di Tahun 2026?

Pada tahun 2026 saat ini, komputasi kuantum telah membuat pergeseran yang menentukan dari “mimpi teoretis” di masa lalu menjadi “realitas rekayasa”. Seiring dengan semakin jelasnya batasan perangkat NISQ (Noisy Intermediate-Scale Quantum) yang merupakan arus utama hingga beberapa tahun lalu, lembaga penelitian dan raksasa teknologi di seluruh dunia telah mengalihkan haluan menuju realisasi “Komputasi Kuantum Toleransi Kesalahan (FTQC: Fault-Tolerant Quantum Computing)”.

Dalam artikel ini, kita akan menggali lebih dalam posisi komputer kuantum saat ini, sekaligus membahas terobosan terbaru di tahun 2026. Secara khusus, kita akan menjelaskan secara rinci tentang koreksi kesalahan kuantum (kode permukaan), perbedaan antara qubit fisik dan qubit logis, kemajuan komputasi kuantum topologis, serta garis depan metode superkonduktor dan perangkap ion.

2. Dasar-dasar Keadaan Kuantum dan Fidelitas (Fidelity)

Qubit, yang merupakan unit dasar dari komputer kuantum, berbeda dari bit klasik (0 atau 1) karena dapat mengambil keadaan superposisi (Superposition) antara 0 dan 1. Keadaan dari sebuah qubit tunggal direpresentasikan sebagai vektor dalam ruang Hilbert sebagai berikut:

$$ |\psi\rangle = \alpha|0\rangle + \beta|1\rangle $$

Di sini, $\alpha$ dan $\beta$ adalah amplitudo probabilitas berupa bilangan kompleks, yang memenuhi kondisi normalisasi berikut:

$$ |\alpha|^2 + |\beta|^2 = 1 $$

Metrik yang sangat penting dalam mengukur kinerja komputasi kuantum adalah Fidelitas (Fidelity). Fidelitas $F$ antara keadaan kuantum ideal $|\psi\rangle$ dan matriks densitas aktual $\rho$ yang telah terdegradasi menjadi keadaan campuran akibat derau (noise), didefinisikan sebagai berikut:

$$ F(\rho, |\psi\rangle) = \langle \psi | \rho | \psi \rangle $$

Saat ini di tahun 2026, fidelitas gerbang 2-qubit (contoh: gerbang CNOT atau gerbang CZ) dengan metode superkonduktor telah secara stabil melampaui batas 99,99% (yang dikenal sebagai “4 nine”). Angka ini jauh melampaui ambang batas koreksi kesalahan oleh kode permukaan (sekitar 99%), dan merupakan salah satu terobosan terbesar menuju penggunaan praktis.

3. Batasan Era NISQ dan Pergeseran Paradigma ke FTQC

Periode dari akhir 2010-an hingga awal 2020-an adalah era NISQ (Noisy Intermediate-Scale Quantum), yaitu perangkat dengan puluhan hingga ratusan qubit tanpa koreksi kesalahan. Namun, NISQ memiliki batasan yang jelas.

Seiring bertambahnya kedalaman (Depth) sirkuit, kesalahan terakumulasi secara eksponensial, sehingga mustahil untuk mendapatkan hasil komputasi yang bermakna. Probabilitas keberhasilan keseluruhan $P_{success}$ pada sirkuit dengan kedalaman $D$ menurun relatif terhadap fidelitas gerbang tunggal $f$ dan jumlah gerbang $N$ sebagai berikut:

$$ P_{success} \approx f^N $$

Jika kita menerapkan 1000 gerbang dengan $f = 0.99$, maka hasilnya adalah $0.99^{1000} \approx 4.3 \times 10^{-5}$, dan hasilnya hampir tenggelam dalam derau acak. Oleh karena itu, pada tahun 2026, sumber daya tidak lagi difokuskan pada peningkatan skala algoritma NISQ secara langsung (seperti VQE atau QAOA), melainkan dipusatkan pada pembuatan Qubit Logis (Logical Qubit).

4. Koreksi Kesalahan Kuantum dan Qubit Logis: Garis Depan Kode Permukaan

Koreksi Kesalahan Kuantum (QEC: Quantum Error Correction) adalah teknologi yang mengodekan beberapa “qubit fisik” untuk menciptakan satu “qubit logis” guna mendeteksi dan mengoreksi kesalahan. Saat ini, metode yang dianggap paling menjanjikan adalah Kode Permukaan (Surface Code).

4.1 Struktur Kode Permukaan (Surface Code)

Dalam kode permukaan, qubit disusun dalam bentuk kisi 2 dimensi. Qubit data (yang menyimpan informasi aktual) dan qubit pengukuran (untuk pengukuran sindrom) disusun seperti pola papan catur.

graph TD A["Qubit Data (D1)"] --- B["Qubit Pengukuran (M1)"] B --- C["Qubit Data (D2)"] C --- D["Qubit Pengukuran (M2)"] D --- E["Qubit Data (D3)"] B --- F["Qubit Data (D4)"] D --- G["Qubit Data (D5)"] style A fill:#e1f5fe,stroke:#039be5 style C fill:#e1f5fe,stroke:#039be5 style E fill:#e1f5fe,stroke:#039be5 style F fill:#e1f5fe,stroke:#039be5 style G fill:#e1f5fe,stroke:#039be5 style B fill:#fff3e0,stroke:#fb8c00 style D fill:#fff3e0,stroke:#fb8c00

Dengan menggunakan operator penstabil (stabilizer) $S_x$ dan $S_z$, sistem secara terus-menerus memantau pembalikan bit (kesalahan X) dan pembalikan fase (kesalahan Z).

$$ S_x = \prod_{i \in \text{star}} X_i, \quad S_z = \prod_{j \in \text{plaquette}} Z_j $$

Kemajuan penting di tahun 2026 adalah keberhasilan menembus “Titik Impas (Break-even point)” sepenuhnya. Artinya, derau yang dihilangkan oleh koreksi kesalahan kini lebih besar daripada derau yang ditimbulkan oleh sirkuit tambahan yang digunakan untuk melakukan koreksi kesalahan tersebut, sehingga umur qubit logis kini bisa melampaui umur qubit fisik hingga beberapa orde besaran.

4.2 Siklus Koreksi Kesalahan Kuantum

Koreksi kesalahan berfungsi sebagai putaran umpan balik (feedback loop) yang berkelanjutan.

sequenceDiagram participant D as "Qubit Data" participant M as "Ancilla/Qubit Pengukuran" participant C as "Pengontrol Klasik" loop "Siklus Ekstraksi Sindrom (sekitar 1 mikrodetik)" D->>M: "Entanglement (CNOT/CZ)" M->>C: "Ukur Keadaan (Sindrom)" C->>C: "Dekode Sindrom (misalnya Minimum Weight Perfect Matching)" C-->>D: "Terapkan Koreksi Pauli (jika perlu)" end

Saat ini, teknologi untuk menjalankan proses dekode klasik ini (analisis sindrom) dalam skala nanodetik menggunakan FPGA atau ASIC khusus telah mapan, dan koreksi kesalahan secara waktu nyata (real-time) telah memasuki tahap praktis.

5. Evolusi Arsitektur Perangkat Keras (Edisi 2026)

Perangkat keras kuantum di tahun 2026 berevolusi terutama pada tiga poros: “metode superkonduktor”, “metode perangkap ion”, dan “metode topologis”.

5.1 Integrasi Qubit Superkonduktor

Metode superkonduktor adalah bidang yang dipimpin oleh perusahaan seperti IBM dan Google, dengan qubit Transmon yang menggunakan sambungan Josephson sebagai arus utama. Pada tahun 2026, sebuah chip mega (megachip) yang mengintegrasikan ribuan hingga puluhan ribu qubit fisik pada satu chip tunggal telah terealisasi.

Yang patut dicatat adalah penetapan Interkoneksi Kuantum Antarmodul (Quantum Interconnects). Teleportasi kuantum antar-chip menggunakan foton gelombang mikro telah diimplementasikan pada tingkat komersial, sehingga memungkinkan kita untuk menghindari batasan ukuran dari satu kulkas dilusi (dilution refrigerator).

5.2 Penskalaan 2 Dimensi Perangkap Ion dan Interkoneksi Optik

Pada metode perangkap ion (dipimpin oleh Quantinuum, IonQ, dll.), status energi internal ion yang melayang dalam ruang hampa digunakan sebagai qubit. Dibandingkan dengan metode superkonduktor, ia memiliki keuntungan berupa waktu koherensi T1/T2 yang sangat panjang serta konektivitas menyeluruh (All-to-All Connectivity) yang dimungkinkan.

Terobosan di tahun 2026 adalah visualisasi 2 dimensi dari arsitektur QCCD (Quantum Charge Coupled Device) dan pembuatan entanglement berkecepatan tinggi antar multi-perangkap menggunakan interkoneksi fotonik. Hal ini secara drastis memperbaiki “lambatnya kecepatan gerbang” dan “skalabilitas” yang sebelumnya menjadi kelemahan perangkap ion.

5.3 Komputasi Kuantum Topologis: Pengendalian Anyon

Komputasi kuantum topologis, yang lama dianggap hanya ada secara teori, akhirnya memasuki fase pembuktian eksperimental pada tahun 2026. Metode yang didorong oleh Microsoft dan lainnya ini menggunakan anyon non-Abelian (Non-Abelian Anyons) yang disebut “Mode Nol Majorana (Majorana Zero Modes)”.

Gerbang kuantum dijalankan melalui operasi yang disebut “Jalinan (Braiding)”, yang menukar posisi partikel anyon.

$$ |\psi_{final}\rangle = B_{ij} |\psi_{initial}\rangle $$

Di sini, $B_{ij}$ adalah operator jalinan. Karena metode topologis bergantung pada topologi “simpul” keseluruhan alih-alih pada keadaan lokal partikel untuk menyimpan informasi, metode ini secara inheren tahan terhadap derau lingkungan (toleransi kesalahan di tingkat perangkat keras). Pada tahun 2026, pembentukan qubit logis topologis dengan fidelitas tinggi berhasil dikonfirmasi untuk pertama kalinya di dunia, dan hal ini menarik perhatian sebagai jalan pintas yang kuat menuju FTQC.

6. Peta Jalan dan Prospek Menuju Penggunaan Praktis

Untuk benar-benar mewujudkan Keunggulan Kuantum (Quantum Advantage), di mana komputer kuantum mengungguli komputer klasik (superkomputer) di bidang seperti “komputasi kimia”, “ilmu material”, dan “pemodelan keuangan”, diperlukan ribuan qubit logis.

gantt title "Peta Jalan Komputasi Kuantum (Revisi 2026)" dateFormat YYYY axisFormat %Y section "Era NISQ" "Qubit Berderau (<1000)" :done, 2018, 2024 section "Awal FTQC" "Demonstrasi Titik Impas" :done, 2024, 2026 "Ratusan Qubit Logis" :active, 2026, 2028 section "FTQC Skala Penuh" "1000+ Qubit Logis (Aplikasi Komersial)" : 2028, 2030 "Komputer Kuantum Toleransi Kesalahan Universal" : 2030, 2035

6.1 Tantangan yang Dihadapi Saat Ini dan Masa Depan

Tantangan terbesar per tahun 2026 adalah kapasitas pendinginan dari kriostat raksasa (kulkas dilusi) untuk mempertahankan suhu sangat rendah, serta pemasangan kabel (bottleneck I/O) yang menghubungkan perangkat pengendali pada suhu ruang dengan chip kuantum bersuhu sangat rendah. Sebagai solusinya, pengembangan chip pengontrol CMOS yang beroperasi di lingkungan bersuhu sangat rendah (Cryo-CMOS) sedang berjalan dengan sangat cepat.

Kesimpulan

Tahun 2026 akan tercatat dalam sejarah komputer kuantum sebagai “Tahun Pertama Penskalaan Qubit Logis”. Dengan pembuktian algoritma koreksi kesalahan, modularisasi perangkat keras, dan kemajuan pesat dalam pendekatan topologis, “hari ketika komputer kuantum menjadi praktis” bukan lagi cerita dari masa depan yang jauh, melainkan sebuah tonggak pencapaian konkret yang dapat kita nantikan dalam beberapa tahun mendatang. Bagi para pengembang algoritma kuantum dan perusahaan, sekaranglah waktu yang tepat untuk berinvestasi secara serius pada pemecahan masalah kuantum-native.

Artikel ini ditulis berdasarkan makalah penelitian komputasi kuantum terbaru dan tren industri per tahun 2026.