Namun tidak semua pertanyaan tentang sistem kuantum lebih mudah dijawab menggunakan algoritma kuantum. Beberapa diantaranya sama sederhananya untuk algoritma klasik, yang dijalankan pada komputer biasa, sementara yang lain sulit untuk algoritma klasik dan kuantum.

Untuk memahami keunggulan algoritma kuantum dan komputer yang menjalankannya, para peneliti sering kali menganalisis model matematika yang disebut sistem spin, yang menangkap perilaku mendasar dari serangkaian atom yang berinteraksi. Mereka kemudian mungkin bertanya: Apa yang akan dilakukan sistem putaran jika Anda membiarkannya pada suhu tertentu? Keadaan yang ditempatinya, yang disebut keadaan kesetimbangan termal, menentukan banyak sifat lainnya, sehingga para peneliti telah lama berupaya mengembangkan algoritma untuk menemukan keadaan kesetimbangan.

Apakah algoritme benar-benar mendapat manfaat dari sifat kuantum bergantung pada suhu sistem putaran yang bersangkutan. Pada suhu yang sangat tinggi, algoritma klasik yang dikenal dapat dengan mudah melakukan pekerjaan tersebut. Masalahnya menjadi lebih sulit ketika suhu menurun dan fenomena kuantum menjadi lebih kuat; dalam beberapa sistem, menjadi terlalu sulit untuk diselesaikan oleh komputer kuantum dalam jangka waktu yang wajar. Namun detail dari semua ini masih belum jelas.

“Kapan Anda pergi ke ruang di mana Anda memerlukan kuantum, dan kapan Anda pergi ke ruang di mana kuantum tidak membantu Anda?” dikatakan Ewin Tangseorang peneliti di Universitas California, Berkeley, dan salah satu penulis hasil baru. “Tidak banyak yang diketahui.”

Pada bulan Februari, Tang dan Moitra mulai memikirkan masalah kesetimbangan termal bersama dengan dua ilmuwan komputer MIT lainnya: seorang peneliti pascadoktoral bernama Ainesh Bakshi dan mahasiswa pascasarjana Moitra Allen Liu. Pada tahun 2023, mereka semua telah bekerja sama algoritma kuantum terobosan untuk berbagai tugas yang melibatkan sistem rotasi, dan mereka mencari tantangan baru.

“Saat kami bekerja sama, segala sesuatunya mengalir begitu saja,” kata Bakshi. “Ini sangat bagus.”

Sebelum terobosan pada tahun 2023, ketiga peneliti MIT tersebut belum pernah mengerjakan algoritma kuantum. Latar belakang mereka adalah teori pembelajaran, subbidang ilmu komputer yang berfokus pada algoritma untuk analisis statistik. Namun seperti pemula yang ambisius di mana pun, mereka melihat kenaifan mereka sebagai sebuah keuntungan, sebuah cara untuk melihat masalah dengan pandangan yang segar. “Salah satu kekuatan kami adalah kami tidak mengetahui banyak tentang kuantum,” kata Moitra. “Satu-satunya kuantum yang kita ketahui adalah kuantum yang diajarkan Ewin kepada kita.”

Tim memutuskan untuk fokus pada suhu yang relatif tinggi, di mana para peneliti menduga akan ada algoritma kuantum cepat, meski belum ada yang bisa membuktikannya. Segera, mereka menemukan cara untuk mengadaptasi teknik lama dari teori pembelajaran menjadi algoritma cepat baru. Namun saat mereka sedang menulis makalah, tim lain keluar hasil serupa: bukti bahwa a algoritma yang menjanjikan dikembangkan pada tahun sebelumnya akan bekerja dengan baik pada suhu tinggi. Mereka telah ditangkap.

Kematian Mendadak Terlahir Kembali

Agak kecewa karena mereka berada di urutan kedua, Tang dan rekan-rekannya mulai merespons Alvaro Alhambraseorang fisikawan di Institut Fisika Teoritis di Madrid dan salah satu penulis makalah saingannya. Mereka ingin mengetahui perbedaan hasil yang mereka capai secara mandiri. Namun ketika Alhambra membaca draf awal dari bukti keempat peneliti tersebut, dia terkejut saat mengetahui bahwa mereka telah membuktikan hal lain dalam langkah peralihan: Dalam sistem putaran mana pun dalam kesetimbangan termal, belitan menghilang sepenuhnya di atas suhu tertentu. “Saya mengatakan kepada mereka, ‘Oh, ini sangat, sangat penting,’” kata Alhambra.

Dari kiri: Allen Liu, Ainesh Bakshi, dan Ankur Moitra bekerja dengan Tang, menggambarkan latar belakang mereka di berbagai cabang ilmu komputer. “Salah satu kekuatan kami adalah kami tidak mengetahui banyak tentang kuantum,” kata Moitra.

Foto: Dari kiri: Atas perkenan Allen Liu; Amartya Shankha Biswas; Gretchen Ertl

Sumber