Ilmuwan AS Kembangkan Sistem Cerdas untuk Menyesuaikan Perangkat Kuantum Secara Otomatis, Mempercepat Komputasi Kuantum dan Pencarian Materi Gelap

Ilmuwan AS sedang mengembangkan sebuah agen cerdas yang mampu menyesuaikan perangkat kuantum sensitif secara otomatis, sehingga mempercepat komputasi kuantum serta pencarian materi gelap yang sulit terdeteksi. Sistem kecerdasan buatan (AI) ini saat ini diuji di Pacific Northwest National Laboratory (PNNL) yang berlokasi di Richland, Washington. Menurut laporan, agen tersebut mampu mengendalikan penguat parametrik yang dibatasi oleh noise kuantum. Perangkat mikrogelombang super-low-noise ini digunakan untuk memperkuat sinyal sangat lemah yang ditetapkan oleh mekanika kuantum, dengan hampir tidak menambahkan noise tambahan. Selain itu, perangkat ini juga digunakan dalam eksperimen pencarian materi gelap serta sistem untuk membaca informasi dari qubit superkonduktor.

AI Mengotomatisasi Penyesuaian Perangkat Kuantum

Namun, mengoperasikan perangkat-perangkat ini biasanya memerlukan fisikawan ahli untuk menyesuaikan pengaturan dan menguji hasilnya, proses yang bisa berlangsung selama berjam-jam. Untuk mengatasi masalah ini, tim PNNL yang dipimpin Dr. Christian Boutan mengusulkan sistem AI guna mengotomatisasi tugas tersebut. Proyek ini bernama AQUA-WOLF (Autonomous Quantum Amplifier Workflow Optimization and Learning Framework), dan didukung oleh Genesis Mission milik Departemen Energi AS.

Teknologi baru ini berpotensi mendukung eksperimen Axion Dark Matter Experiment (ADMX), yang bertujuan mencari partikel hipotetis bernama akxion. Eksperimen ini cukup tidak biasa bagi detektor materi gelap, karena tidak terletak jauh di bawah tanah. ADMX menggunakan rongga mikrogelombang yang ditempatkan di dalam medan magnet kuat besar untuk mencari akxion materi gelap dingin di halo materi gelap galaksi lokal. Jika partikel tersebut ada, tim berharap ia dapat berubah menjadi foton mikrogelombang, sehingga tertangkap oleh perangkat elektronik kuantum yang sangat sensitif. Eksperimen ini harus memindai serangkaian massa akxion yang mungkin, yang membuat waktu pengumpulan data perangkat menjadi sangat penting.

Menurut Boutan, penyesuaian penguat adalah "sumber pemborosan waktu utama" dalam proses pencarian. Namun ia percaya AQUA-WOLF dapat mengotomatisasi proses tersebut melalui reinforcement learning. Agen AI akan mengubah pengaturan sendiri dan belajar dari hasilnya, tanpa lagi bergantung pada fisikawan yang berulang kali menyesuaikan penguat.

Memanfaatkan Prinsip Fisika untuk Berpenalaran

Pada awalnya, peneliti memberikan reward pada sistem berdasarkan gain, yaitu ukuran dalam desibel seberapa besar penguat memperkuat sinyal masuk. Selanjutnya, mereka bertujuan memperluas proses tersebut dengan mempertimbangkan faktor lain, termasuk noise dan stabilitas. Ilmuwan juga akan menguji efektivitas beberapa algoritma untuk menentukan metode paling efektif. Di sisi lain, otomatisasi seluruh proses juga berpotensi bermanfaat bagi komputasi kuantum. Hal ini karena penguat membaca informasi dari qubit. Namun, seiring komputer kuantum mengandung ribuan qubit, menyesuaikannya bisa menjadi sulit. Mereka juga berencana mengajarkan agen tentang fisika di balik perangkat, dan mengenkode Hamiltonian sistem (matematika yang menggambarkan energinya) ke dalam agen.

Dengan demikian, agen dapat mengambil keputusan berdasarkan prinsip fisika, bukan hanya menjelajahi melalui percobaan dan kesalahan pada pengaturan berbeda.

Dr. Erik Lentz, fisikawan PNNL yang mengajarkan agen AI untuk berpenalaran dan mengambil keputusan menggunakan prinsip fisika, menyatakan algoritma tradisional dalam mengeksplorasi ruang parameter yang tersedia "cukup tidak efisien". Karena penguat parametrik bekerja dengan prinsip yang serupa, AI dapat belajar menyesuaikan perangkat baru dengan pelatihan yang lebih sedikit. Tim berencana melakukan pengujian pada perangkat keras aktual, misalnya penguat dari NIST, dan menyesuaikannya ke penguat lain yang akhirnya mungkin digunakan dalam eksperimen seperti ADMX. Setelah tervalidasi, PNNL berencana merilis agen AI tersebut sebagai perangkat lunak open source.

Dataset-nya juga akan mendukung infrastruktur ilmiah bersama Genesis Mission. Peneliti menyatakan dalam siaran pers: "Tujuannya bukan mengeluarkan ilmuwan dari laboratorium, melainkan membebaskan mereka dari jam-jam pekerjaan membosankan agar mereka bisa menghabiskan lebih banyak waktu untuk mengungkap misteri alam semesta."

Pentingnya Otomatisasi bagi Penelitian Kuantum

Kompleksitas komputasi kuantum dan penelitian materi gelap membuat penerapan teknologi otomatisasi menjadi sangat penting. Sistem AI proyek AQUA-WOLF tidak hanya mampu meningkatkan efisiensi operasional, tetapi juga mengurangi ketergantungan pada fisikawan profesional, sehingga ilmuwan dapat fokus pada pekerjaan penelitian yang lebih kreatif. Seiring perkembangan teknologi kuantum, sistem otomatisasi semacam ini akan membantu mempercepat penemuan ilmiah, dan berpotensi menjadi alat kunci bagi komputasi kuantum dan eksplorasi materi gelap di masa depan.