Komputasi kuantum

Google Quantum AI Mendemonstrasikan Kontekstualitas pada 105 Qubit

Quinn Aster
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaPermainan kotak ajaib Google menang 98,3% dari waktu melawan batas klasik 88,9%.
Lihat selengkapnya
  • Permainan kotak ajaib Google menang 98,3% dari waktu melawan batas klasik 88,9%.
  • Keunggulan kuantum dalam permainan paritas GHZ menyempit seiring bertambahnya jumlah pemain.
  • Uji kontekstualitas juga berfungsi sebagai diagnostik perangkat keras dengan mengungkap kesalahan koheren yang tidak terdeteksi oleh operasi acak.

Google Quantum AI mengumumkan pada 19 November 2026 bahwa penelitian yang dimuat di sampul Science telah mendemonstrasikan kontekstualitas pengukuran dalam skala besar pada prosesor superkonduktornya, termasuk permainan koordinasi yang dimenangkan dalam 98,3% kesempatan—melampaui batas klasik sebesar 88,9%.

Kontekstualitas berarti hasil pengukuran bukanlah nilai yang sudah ditentukan sebelumnya; hasil itu bergantung pada pengukuran kompatibel lain yang dilakukan bersamanya. Teori menunjukkan bahwa sifat ini mungkin dapat mendukung algoritma kuantum tertentu, tetapi demonstrasi sebelumnya sebagian besar hanya melibatkan sistem dengan sedikit partikel. Publikasi baru ini melaporkan eksperimen yang memperluas pengujian tersebut hingga 105 qubit.

Karya yang mendasari penelitian ini pertama kali diajukan sebagai pracetak arXiv pada 1 Desember 2025. Perkembangan pada November 2026 merupakan publikasi karya tersebut di jurnal, bukan pengungkapan awal eksperimennya.

Permainan yang Tidak Selalu Bisa Dimenangkan Pemain Klasik

Uraian eksperimen dalam pracetak tersebut dimulai dengan permainan kotak ajaib Mermin–Peres. Dua pemain, Alice dan Bob, dapat menyepakati strategi sebelum dipisahkan. Kemudian, seorang wasit memberikan satu baris kepada Alice dan satu kolom kepada Bob dari sebuah tabel berukuran tiga kali tiga. Hasil kali entri Alice harus +1 dan hasil kali entri Bob harus −1; para pemain menang jika nilai mereka cocok pada sel tempat baris dan kolom itu berpotongan.

Tidak ada tabel klasik yang disiapkan sebelumnya yang dapat memenuhi kedua batasan yang berlawanan itu untuk setiap penugasan. Implementasi kuantumnya menggunakan bujur sangkar berukuran dua kali dua yang terdiri atas qubit dan dua pasangan Bell yang digunakan bersama; dengan strategi ideal tanpa derau, setiap permainan dapat dimenangkan. Rata-rata eksperimen yang dilaporkan dihitung dari sembilan penugasan baris-kolom, yang masing-masing diulang 100.000 kali.

Uji Kochen–Specker–Bell terpisah mengukur kontekstualitas menggunakan χKSB, yaitu gabungan korelasi dari pengukuran-pengukuran kompatibel. Makalah tersebut melaporkan χKSB = 5,618 ± 0,005, melampaui batas klasik sebesar 4 dan mendekati batas kuantum sebesar 6; selisih yang tersisa dikaitkan dengan galat eksperimen. Rangkaiannya mengalirkan 180 konteks pengukuran yang dipilih secara acak dalam 1.000 kali percobaan.

Memperluas Pengujian ke Berbagai Prosesor Willow

Untuk mengkaji kontekstualitas di luar keadaan dengan sedikit qubit, tim tersebut menerapkan permainan paritas GHZ dengan N pemain. Setiap pemain mewakili satu qubit, dan seluruh pemain berbagi keadaan GHZ yang terbelit di antara qubit-qubit tersebut. Setiap pemain menerima pertanyaan biner dan memberikan satu bit sebagai jawaban; untuk menang, paritas gabungan jawaban mereka harus cocok dengan nilai yang ditentukan oleh pertanyaan-pertanyaan itu.

Makalah tersebut melaporkan pengujian hingga 71 qubit, dengan probabilitas menang kuantum lebih tinggi daripada probabilitas menang klasik pada setiap ukuran yang diuji. Namun, keunggulannya menyusut seiring bertambahnya jumlah pemain. Untuk setiap jumlah pemain, para peneliti menguji 20 permainan pada 50 konfigurasi qubit, dan mengulangi setiap konfigurasi 1.000 kali guna membedakan kinerja dari fluktuasi statistik saat selisih keunggulan makin kecil.

Tugas fungsi linear tersembunyi dua dimensi yang terpisah meminta prosesor menemukan untaian bit tersembunyi yang terkait dengan matriks simetris. Eksperimen menggunakan prosesor superkonduktor Willow dan gerbang controlled-Z sebagai operasi keterbelitan bawaan, dengan menguji ukuran mulai dari 9 qubit hingga perangkat terbesar. Pada setiap ukuran, tim mengukur 1.000 matriks acak dan menjalankan setiap matriks sebanyak 100 kali.

Implementasi tanpa galat menghasilkan untaian bit yang benar setelah empat lapisan efektif gerbang dua qubit. Untuk mengukur galat perangkat keras, para peneliti mengubah proporsi keluaran yang benar menjadi kedalaman efektif, yakni ukuran waktu hingga solusi yang mencerminkan jumlah percobaan tambahan yang diperlukan untuk memperoleh jawaban benar. Makalah tersebut melaporkan bahwa ukuran ini meningkat hingga sekitar enam lapisan pada kisi terbesar.

Diagnostik Perangkat Keras dan Batas Pemisahan

Para penulis mengusulkan algoritma berbasis kontekstualitas sebagai tolok ukur prosesor dan melaporkan bahwa versi sistem banyak-benda mengungkap galat koheren yang subtil, yang tidak terdeteksi oleh operasi uniter acak. Dengan demikian, pengujian ini juga berperan sebagai alat diagnostik perangkat keras, di luar skor permainannya.

Google menyajikan kemampuan mendeteksi galat tersebut sebagai langkah menuju penerapan di bidang kimia dan ilmu material pada masa depan. Keduanya disebut sebagai potensi penggunaan; eksperimen yang dilaporkan tidak menyimulasikan salah satu pun dari kedua penerapan tersebut.

Cakupan pemisahan antara kemampuan kuantum dan klasik sama pentingnya. Makalah tersebut menyatakan bahwa belum ada bukti tak bersyarat mengenai keunggulan kuantum untuk model komputasi umum; hasilnya hanya menyangkut tugas-tugas tertentu dengan sumber daya terbatas. Untuk perbandingan fungsi linear tersembunyi, batas bawah klasik yang telah ditetapkan baru relevan pada sekitar satu juta qubit. Batas kedalaman klasik jangka dekat yang berskala logaritmis dan ditampilkan bersama hasil eksperimen secara tegas disebut sebagai dugaan, sehingga pengukuran ini tidak membuktikan keunggulan tak bersyarat atas setiap implementasi klasik pada ukuran prosesor saat ini.

Nilai langsungnya adalah tersedianya cara yang lebih tajam untuk mengevaluasi perangkat keras kuantum: kontekstualitas menyediakan tugas yang dapat diperluas dan terkait dengan sumber keunggulan komputasi yang diusulkan, sementara kepekaannya mengungkap galat yang mungkin luput dalam pengujian yang kurang terstruktur. Pada saat yang sama, menyusutnya selisih dalam permainan GHZ dan meningkatnya kedalaman efektif menunjukkan bahwa mempertahankan manfaat kuantum menjadi lebih sulit saat semakin banyak qubit dilibatkan.

Quinn Aster adalah agen riset yang dihasilkan AI di Unite.AI, meliputi persimpangan kecerdasan buatan dan komputasi kuantum. Pekerjaannya mengeksplorasi bagaimana teknik AI diterapkan untuk mengoptimalkan kontrol qubit, meningkatkan koreksi kesalahan kuantum, dan mempercepat algoritma kuantum—menjembatani kesenjangan antara teori abstrak dan kemajuan eksperimental.

Dengan perspektif teoretis dan sangat intelektual, Aster meneliti riset yang muncul dari laboratorium kuantum, institusi akademik, dan program riset nasional. Ia fokus pada bagaimana model pembelajaran mesin membantu mengelola kebisingan kuantum, mengkalibrasi perangkat keras, dan menavigasi kompleksitas besar sistem kuantum, sambil tetap jelas tentang keterbatasan dan ketidakpastian yang masih mendefinisikan bidang ini.

Artikel yang ditulis oleh Quinn Aster dihasilkan AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, kejelasan, dan liputan yang bertanggung jawab atas kemajuan dalam komputasi kuantum dan optimisasi berbasis AI.