Studi Komparasi Teknik Efisiensi Penggunaan Energi pada Komputasi Kuantum dan Pemanfaatan Teknologi AI

Authors

  • Jarwo Sekolah Tinggi Teknologi Pomosda Nganjuk

Keywords:

Komputasi Kuantum, Kecerdasan Buatan (AI), Efisiensi Energi, Sistem Kriogenik, Gate Fidelity, Komputasi Hybrid

Abstract

Paradigma komputasi saat ini menghadapi tantangan besar terkait keterbatasan skalabilitas daya dan efisiensi algoritma pada sistem klasik, di mana konsumsi energi superkomputer (HPC) meningkat secara eksponensial seiring kompleksitas masalah. Komputasi kuantum hadir sebagai solusi futuristik dengan efisiensi algoritma radikal, namun menghadapi paradoks inefisiensi termal pada sistem pendukung kriogenik. Penelitian ini merupakan studi komparasi yang mengevaluasi berbagai teknik efisiensi energi, mulai dari optimalisasi sistem pendingin hingga arsitektur perangkat keras. Hasil studi menunjukkan bahwa inovasi pada kabel koaksial superkonduktor dan kontrol optik dapat mengurangi beban panas secara drastis. Selain itu, penerapan algoritma hybrid seperti VQE dan QAOA serta peningkatan kesetiaan gerbang (gate fidelity) terbukti mampu menekan waktu operasional dan jumlah pengulangan komputasi, yang secara langsung meningkatkan efisiensi energi sistem. Studi ini menyimpulkan bahwa diversifikasi arsitektur berbasis fotonik dan ion terperangkap menawarkan jalur yang lebih berkelanjutan bagi integrasi teknologi kuantum dan AI di masa depan.

Author Biography

Jarwo, Sekolah Tinggi Teknologi Pomosda Nganjuk

Program Studi Teknik Informatika Sekolah Tinggi Teknologi Pomosda Nganjuk

References

Bluefors. (2026). Modular Cryogenic Platform for Scalable Quantum Computing Infrastructure. Bluefors Technical White Paper

Google Quantum AI. (2026). Scaling Logical Qubits: The Path to Below-Threshold Gate Error Rates. Nature. ISSN: 1476-4687

IBM Quantum. (2025). Advancements in Error Mitigation: Achieving Practical Quantum Utility with PEC and ZNE. IBM Research Report..

IonQ. (2026). Achieving High-Fidelity All-to-All Connectivity in Trapped-Ion Architectures. White Paper Series..

McClean, J. R., et al. (2025). Autonomous Pulse Shaping for High-Fidelity Quantum Gates via Reinforcement Learning. Nature Communications. ISSN: 2041-1723

PsiQuantum. (2025). Scalable Photonic Quantum Computing: Progress in Room-Temperature Optical Circuits. Technical Report.

Quantinuum. (2025). The QCCD Architecture: Scaling to Millions of High-Fidelity Qubits. Quantinuum Roadmap 2025.

Svore, M., et al. (2026). Sustainable Generative AI and Quantum Computing: Environmental Impact Assessment. Frontiers in Sustainability. ISSN: 2673-4524

Tilly, J., et al. (2025). The State of Variational Quantum Algorithms in Industrial Applications. Nature Reviews Physics. ISSN: 2522-5820

World Economic Forum. (2026). Scaling Quantum Computing for Maximum Energy Efficiency. Insight Report.

Downloads

Published

2026-04-14

How to Cite

Jarwo. (2026). Studi Komparasi Teknik Efisiensi Penggunaan Energi pada Komputasi Kuantum dan Pemanfaatan Teknologi AI. Jurnal Aplikasi Sistem Dan Teknik Informatika Pomosda (JASTIP), 4(01), 27–32. Retrieved from https://jurnal.stt-pomosda.ac.id/index.php/jastip/article/view/370

Most read articles by the same author(s)

<< < 1 2