IBM Buktikan Sirkuit Kuantum Mengungguli LLM pada Dua Masalah Komputasi

IBM Research pada 15 September 2026 mempublikasikan bukti teoretis bahwa sirkuit kuantum dangkal mampu menyelesaikan dua jenis masalah komputasi yang tidak bisa diungguli oleh model bahasa besar (LLM) mana pun. Hasil ini membuka kemungkinan benchmark baru yang membandingkan kemampuan sistem kuantum dan LLM secara fair.

Hasil Inti Penelitian

Penelitian ini diterbitkan sebagai paper berjudul “Separating quantum circuits from classical LLMs” oleh Srinivasan Arunachalam, Arkopal Dutt, Hari Krovi, dan Rik Sengupta, dipublikasikan di arXiv pada 4 Agustus 2026. IBM Research merangkum temuannya dalam sebuah artikel di blog resmi mereka.

Ada dua kategori masalah yang diteliti:

Masalah Fungsional. Masalah ini berkaitan dengan tugas pencarian informasi — misalnya merespons prompt dengan data yang tepat. Tim menemukan bahwa LLM dengan arsitektur decoder-only (seperti GPT, Claude, dan Llama) membutuhkan sumber daya komputasi yang sangat besar untuk menyelesaikan apa yang disebut iterated index problem. Secara spesifik, decoder-only transformer constant-depth membutuhkan lebar yang sangat besar — ukurannya tumbuh cepat terhadap ukuran input. Sebaliknya, sirkuit kuantum close-to-constant-depth yang dilengkapi satu gerbang AND klasik bisa menyelesaikan masalah yang sama.

Masalah Sampling. Masalah ini berkaitan dengan menghasilkan output sesuai distribusi probabilitas tertentu — misalnya memproduksi teks atau gambar baru dari prompt. Tim menunjukkan bahwa sirkuit QNC0 (sirkuit kuantum constant-depth dengan gerbang bounded fan-in) bisa melakukan sampling pada distribusi tertentu yang tidak bisa direplikasi dalam jarak konstan oleh diffusion language model (DLM) dengan shallow scheduling, meskipun DLM tersebut diizinkan menggunakan chain-of-thought dan mekanisme remasking.

Konteks dan Keterbatasan

Penelitian ini dilakukan dalam kerangka kerja yang sudah decades berkembang, dimulai dari paper Sergey Bravyi, David Gosset, dan Robert König di Science 2018 yang membuktikan sirkuit kuantum constant-depth bisa menyelesaikan masalah pencarian yang tidak bisa diselesaikan sirkuit klasik manapun. Sejak itu, batas klasik terus digeser mundur, sementara sisi kuantum tetap mempertahankan kedalaman yang dangkal.

Namun, para peneliti IBM menyadari bahwa LLM kontemporer berjalan di atas sumber daya komputasi yang jauh lebih matang dibandingkan komputer kuantum saat ini yang masih kecil dan noisy. Artinya, hasil ini bersifat teoretis — bukan klaim bahwa komputer kuantum sudah mengungguli LLM dalam praktik.

Yang penting, paper ini tidak mengidentifikasi skala pasti di mana sistem kuantum akan mulai mengungguli LLM untuk masalah-masalah spesifik yang diteliti. Yang mereka buktikan adalah: secara asimptotik, seiring kemajuan teknologi kuantum, ada tugas komputasi yang secara inheren lebih cocok dijangkau oleh sirkuit kuantum dangkal dibandingkan arsitektur transformer berbasis LLM.

Implikasi untuk Masa Depan AI

Hasil ini dianggap signifikan karena dua alasan. Pertama, ini adalah upaya pertama yang secara rigor membuktikan pemisahan teoretis antara sirkuit kuantum dan LLM modern, bukan sekadar klaim berdasarkan tolok ukur praktis. Kedua, temuan ini membuka pintu bagi pengembangan benchmark konkret yang bisa dipakai untuk membandingkan kinerja sistem kuantum dan LLM pada masalah yang memang secara struktural lebih cocok untuk sirkuit kuantum.

IBM Research menyebut bahwa karya ini berharap bisa mendorong ekosistem riset kuantum untuk mencari masalah-masalah di mana keunggulan kuantum bisa diwujudkan secara nyata, bukan hanya dalam persamaan matematika.

Sumber

1. IBM Research — “A theoretical separation between quantum computers & LLMs” (15 September 2026)
2. arXiv:2608.03962 — “Separating quantum circuits from classical LLMs” (4 Agustus 2026)