Pengantar Komputasi Moderen
Feri Chandra
Nadhiranisa S.M
Tubagus M RayhanT
Chisei Nesa
Kelas 4IA19
Fakultas Teknik Informatika
Quantum Gates
Quantum Gates adalah sebuah gerbang kuantum yang
dimana berfungsi mengoperasikan bit yang terdiri dari 0 dan 1 menjadi qubits.
dengan demikian Quantum gates mempercepat banyaknya perhitungan bit pada waktu
bersamaan. Quantum Gates adalah blok bangunan sirkuit kuantum, seperti klasik
gerbang logika yang untuk sirkuit digital konvensional.
Quantum
Gates / Gerbang Quantum merupakan sebuah aturan logika / gerbang logika yang
berlaku pada quantum computing. Prinsip kerja dari quantum gates hampir sama
dengan gerbang logika pada komputer digital. Jika pada komputer digital
terdapat beberapa operasi logika seperti AND, OR, NOT, pada quantum computing
gerbang quantum terdiri dari beberapa bilangan qubits, sehingga quantum gates
lebih susah untuk dihitung daripada gerang logika pada komputer digital.
Quantum
Logic Gates, Prosedur berikut menunjukkan bagaimana cara untuk membuat sirkuit
reversibel yang mensimulasikan dan sirkuit ireversibel sementara untuk membuat
penghematan yang besar dalam jumlah ancillae yang digunakan. Diantaranya :
1.
Gerbang
CNOT.
2.
Gerbang
SWAP.
3.
Gerbang
TOFFOLI.
4.
Gerbang
FREDKIN.
Gerbang CNOT
-
Table
CNOT
-
CNOT gate 2 bit logical
Gerbang SWAP
-
Table
SWAP
-
SWAP gate 2 bit logical
Gerbang SWAP dan CNOT
Gerbang TOFFOLI
-
Tabel
TOFFOLI komputasi reversibel klasik yang bersifat universal.
-
Gerbang
TOFFOLI juga dapat dibilang gerbang yang berhubungan dengan gerbang CNOT.
Gerbang FREDKIN
-
Tabel
FREDKIN komputasi reversibel klasik yang bersifat universal.
-
Gerbang
FREDKIN juga dapat dibilang gerbang yang berhubungan dengan gerbang SWAP.
DISTRIBUTED
PROCESSING
Distributed Processing
Distributed
Processing mengerjakan semua proses pengolahan data secara bersama antara
komputer pusat dengan beberapa komputer yang lebih kecil dan saling dihubungkan
melalui jalur komunikasi. Setiap komputer tersebut memiliki prosesor mandiri
sehingga mampu mengolah sebagian data secara terpisah, kemudian hasil
pengolahan tadi digabungkan menjadi satu penyelesaian total. Jika salah satu
prosesor mengalami kegagalan atau masalah yang lain akan mengambil alih
tugasnya.
Pemrosesan
terdistribusi adalah penggunaan lebih dari satu prosesor untuk melakukan
pengolahan untuk tugas individu. Contoh pemrosesan terdistribusi dalam sistem
database Oracle muncul dalam Gambar 6-1.
Dalam
Bagian A dari gambar, klien dan server yang terletak di komputer yang berbeda,
komputer ini terhubung melalui jaringan. Server dan klien dari sistem database
Oracle berkomunikasi melalui Net8, antarmuka jaringan Oracle.
Dalam
Bagian B dari gambar, satu komputer memiliki lebih dari satu prosesor, dan
prosesor yang berbeda memisahkan pelaksanaan aplikasi klien dari Oracle.
Figure
6-1 The Client/Server Architecture and Distributed Processing
Oracle
client / server arsitektur dalam lingkungan pemrosesan terdistribusi memberikan
manfaat sebagai berikut
·
Aplikasi client tidak bertanggung
jawab untuk melaksanakan setiap pengolahan data. Sebaliknya, mereka meminta
masukan dari pengguna, data permintaan dari server, dan kemudian menganalisa
dan menyajikan data ini menggunakan kemampuan tampilan dari workstation klien
atau terminal (misalnya, dengan menggunakan grafik atau spreadsheet).
·
Aplikasi client tidak tergantung
pada lokasi fisik dari data. Jika data tersebut akan dipindahkan atau
didistribusikan ke server database lain, aplikasi terus berfungsi dengan
modifikasi sedikit atau tidak ada.
·
Oracle memanfaatkan fasilitas multitasking
dan berbagi-memori sistem operasi yang mendasarinya. Akibatnya, ini memberikan
tingkat tertinggi kemungkinan konkurensi, integritas data, dan kinerja untuk
aplikasi kliennya.
·
Klien workstation atau terminal
dapat dioptimalkan untuk penyajian data (misalnya, dengan menyediakan grafis
dan dukungan mouse) dan server dapat dioptimalkan untuk pengolahan dan
penyimpanan data (misalnya, dengan memiliki sejumlah besar memori dan ruang
disk) .
·
Dalam lingkungan jaringan, Anda
dapat menggunakan workstation klien murah untuk mengakses data remote dari
server efektif.
·
Jika perlu, Oracle dapat
ditingkatkan sebagai sistem Anda tumbuh. Anda dapat menambahkan beberapa server
untuk mendistribusikan beban database pengolahan seluruh jaringan (horizontal
skala), atau Anda dapat memindahkan Oracle ke komputer mini atau mainframe,
untuk mengambil keuntungan dari kinerja sistem yang lebih besar itu (vertikal
skala). Dalam kedua kasus, semua data dan aplikasi yang dipertahankan dengan
modifikasi sedikit atau tidak ada, karena Oracle adalah portabel antara sistem.
·
Dalam lingkungan jaringan, data
bersama disimpan pada server, bukan pada semua komputer dalam sistem. Hal ini
membuat lebih mudah dan lebih efisien untuk mengelola akses konkuren.
·
Dalam lingkungan jaringan, aplikasi
client mengirimkan permintaan database ke server dengan menggunakan pernyataan
SQL. Setelah diterima, pernyataan SQL diproses oleh server, dan hasilnya
dikembalikan ke aplikasi klien. Jaringan lalu lintas disimpan ke minimum karena
hanya permintaan dan hasilnya dikirim melalui jaringan.
Distributed data processing /
pemrosesan data terdistribusi
Merupakan sekumpulan peralatan
pemrosesan yang saling terhubung melalui jaringan yang mengerjakan tugas-tugas
tertentu.
Pemrosesan terdistribusi dapat
dikelompokan berdasarkan beberapa kriteria yaitu :
- Struktur antar hubungan
- Kesaling tergantungan komponen-komponen.
- Keselarasan antar komponen.
Distributed database system /
system database terdistribusi
Merupakan sekumpulan database yang
saling terhubung secara logical dan secara fisik terdistribusi pada berbagai
tempat melalui jaringan computer.
Sistem yang mengelola database
terdistribusi dan menyediakan mekanisme agar distribusi transparent adalahdistributed
database management system (DDBMS).
Ciri-ciri untuk system yang bukan
merupakan system database terdistribusi :
- Sistem yang berisi kumpulan file
- Berbagai arsitektur fisik berkait dengan system multiprocessor.
Ciri sistem database distribusi
- Data disimpan pada sejumlah tempat. Setiap tempat secara logic terdiri dari processor tunggal.
- Processor pada tempat yang berbeda tersebut dihubungkan dengan jaringan computer.
- Bukan sekumpulan file yang berada pada berbagai tempat tetapi merupakan database pada berbagai tempat.
- Setiap tempat mempunyai kemampuan untuk mandiri memproses permintaan user yang membutuhkan akses kedata ditempat tersebut, dan juga mampu untuk memproses data yang tersimpan di tempat lain
Keuntungan dan Kelemahan sistem database distribusi
-
Keuntungan :
- Pengelolaan secara transparan data terdistribusi dan replicated.
- Mengacu pada struktur organisasi
- Meningkatkan kemampuan untuk share dan otonomi local
- Meningkatkan ketersediaan data
- Meningkatkan kehandalan
- Meningkatkan unjuk kerja
- Memudahkan pengembangan system
-
Kelemahan :
- Kompleksitas manajemen
- Control integritas lebih sulit
- Biaya pengembangan
- Keamanan
- Kurang standarisasi
- Menambahkan kebutuhan penyimpanan
- Lebih sulit dalam mengatur lingkungan data
- Menambah biaya pelatihan.
PARALLEL COMPUTATION (komputasi
pararel)
Komputasi
paralel adalah salah satu teknik melakukan komputasi secara bersamaan dengan
memanfaatkan beberapa komputer independen secara bersamaan. Ini umumnya
diperlukan saat kapasitas yang diperlukan sangat besar, baik karena harus
mengolah data dalam jumlah besar (di industri keuangan, bioinformatika, dll)
ataupun karena tuntutan proses komputasi yang banyak. Kasus kedua umum ditemui
di kalkulasi numerik untuk menyelesaikan persamaan matematis di bidang fisika
(fisika komputasi), kimia (kimia komputasi) dll.
- Mesin paralel, Untuk melakukan aneka jenis komputasi paralel ini diperlukan infrastruktur mesin paralel yang terdiri dari banyak komputer yang dihubungkan dengan jaringan dan mampu bekerja secara paralel untuk menyelesaikan satu masalah. Untuk itu diperlukan aneka perangkat lunak pendukung yang biasa disebut sebagai middleware yang berperan untuk mengatur distribusi pekerjaan antar node dalam satu mesin paralel. Selanjutnya pemakai harus membuat pemrograman paralel untuk merealisasikan komputasi. Tidak berarti dengan mesin paralel semua program yang dijalankan diatasnya otomatis akan diolah secara paralel !
- GRID, merupakan pengembangan teknologi mesin paralel dengan memanfaatkan jaringan pita lebar di era dijital. Dengan adanya jaringan pita lebar, paralelisasi tidak hanya dilakukan antar komputer dalam satu jaringan, tetapi juga antar mesin paralel yang terpisah secara geografis.
- Pemrograman Paralel, teknik pemrograman komputer yang memungkinkan eksekusi perintah/operasi secara bersamaan (komputasi paralel), baik dalam komputer dengan satu (prosesor tunggal) ataupun banyak (prosesor ganda dengan mesin paralel) CPU. Bila komputer yang digunakan secara bersamaan tersebut dilakukan oleh komputer-komputer terpisah yang terhubung dalam suatu jaringan komputer lebih sering istilah yang digunakan adalah sistem terdistribusi (distributed computing).
Motivasi
Tujuan
utama dari pemrograman paralel adalah untuk meningkatkan performa komputasi.
Semakin banyak hal yang bisa dilakukan secara bersamaan (dalam waktu yang
sama), semakin banyak pekerjaan yang bisa diselesaikan. Analogi yang paling
gampang adalah, bila anda dapat merebus air sambil memotong-motong bawang saat
anda akan memasak, waktu yang anda butuhkan akan lebih sedikit dibandingkan
bila anda mengerjakan hal tersebut secara berurutan (serial). Atau waktu yg
anda butuhkan memotong bawang akan lebih sedikit jika anda kerjakan berdua.
Performa
dalam pemrograman paralel diukur dari berapa banyak peningkatan kecepatan
(speed up) yang diperoleh dalam menggunakan tehnik paralel. Secara informal,
bila anda memotong bawang sendirian membutuhkan waktu 1 jam dan dengan bantuan
teman, berdua anda bisa melakukannya dalam 1/2 jam maka anda memperoleh
peningkatan kecepatan sebanyak 2 kali.
- Peningkatan Kecepatan
Peningkatan
kecepatan dapat diformulasikan dalam persamaan berikut ini
{\displaystyle
S={\frac {T_{1}}{T_{j}}}} {\displaystyle S={\frac {T_{1}}{T_{j}}}}
Dimana
{\displaystyle T_{1}} {\displaystyle T_{1}} adalah waktu yang dibutuhkan untuk
menyelesaikan pekerjaan (program komputer) bila dijalankan dalam satu komputer.
Dan {\displaystyle T_{j}} {\displaystyle T_{j}} adalah waktu yang dibutuhkan
jika pekerjaan dikerjakan bersamaan oleh beberapa komputer.
Ada
limitasi dalam usaha membuat suatu program komputer berjalan lebih efisien
melalui peningkatan kecepatan, hukum yang menetapkan batasan ini dikenal
sebagai Hukum Amdahl. Ide dari hukum amdahl ini adalah bahwa anda hanya akan
bisa meningkatkan efisiensi program komputer anda, sebatas pada bagian tertentu
dari program tersebut yang dapat di paralelkan. Sementara bagian yang memang
harus dilaksanakan secara berurutan, akan menjadi penentu performa akhir.
Kembali
ke analogi memasak tadi, bila anda harus menggunakan sarung tangan sebelum
menyalakan kompor ataupun memotong bawang, maka waktu yang anda butuhkan untuk
memakai sarung tangan ini adalah waktu serial, yang tidak dapat dihindari.
Sementara waktu untuk memasak dan memotong bawang tadi adalah bagian yang bisa
diparalelkan.
- Hukum Amdahl, Telah dijelaskan bahwa dari {\displaystyle T_{1}} {\displaystyle T_{1}} (waktu yg dibutuhkan menjalankan pekerjaan dalam satu komputer) tadi, ada sebagian yg tidak bisa diparalelkan. Untuk menyatakan ini kita gunakan notasi {\displaystyle \alpha } {\displaystyle \alpha } dimana {\displaystyle 0\leq \alpha \leq 1} {\displaystyle 0\leq \alpha \leq 1} menunjukkan berapa bagian dari {\displaystyle T_{1}} {\displaystyle T_{1}} yang tidak bisa dijadikan paralel (atau bagian serial dari program ini).
Maka
kita ketahui {\displaystyle \alpha *T_{1}} {\displaystyle \alpha *T_{1}} adalah
waktu yg tidak akan terpengaruh oleh bertambahnya komputer yg digunakan (a).
Sisanya
{\displaystyle (1-\alpha )*T_{1}} {\displaystyle (1-\alpha )*T_{1}} adalah
waktu yang akan berkurang menjadi {\displaystyle {\frac {(1-\alpha
)*T_{1}}{N}}} {\displaystyle {\frac {(1-\alpha )*T_{1}}{N}}} bila kita
menggunakan N komputer tambahan {b) .
Sehingga
waktu total yang dibutuhkan untuk menjalankan pekerjaan dalam N komputer adalah
(a) + (b) alias :
{\displaystyle
T_{N}=\alpha *T_{1}+{\frac {(1-\alpha )*T_{1}}{N}}} {\displaystyle T_{N}=\alpha
*T_{1}+{\frac {(1-\alpha )*T_{1}}{N}}}
Peningkatan kecepatan yang kita
peroleh dari persamaan ini adalah :
{\displaystyle
S_{N}={\frac {T_{1}}{\alpha *T_{1}+{\frac {(1-\alpha )*T_{1}}{N}}}}}
{\displaystyle S_{N}={\frac {T_{1}}{\alpha *T_{1}+{\frac {(1-\alpha
)*T_{1}}{N}}}}}
Mungkin
anda akan mendapati persamaan speed up yang terlihat berbeda tetapi pada
dasarnya sama. Persamaan dibawah, bisa didapat dari persamaan di atas, dengan
mengeliminasi komponen {\displaystyle T_{1}} {\displaystyle T_{1}} (pada bagian
atas dan bawah persamaan), lalu mengatur N dan {\displaystyle \alpha }
{\displaystyle \alpha }
{\displaystyle
S_{N}={\frac {N}{1+\alpha (N-1)}}} {\displaystyle S_{N}={\frac {N}{1+\alpha
(N-1)}}}
Bila
anda cermati persamaan di atas, bisa dilihat bahwa jika kita menggunakan
komputer yang amat banyak ( {\displaystyle N\rightarrow \infty } {\displaystyle
N\rightarrow \infty }) komponen (b) akan dapat diabaikan, menyisakan persamaan
:
{\displaystyle
S_{N}={\frac {1}{\alpha }}} {\displaystyle S_{N}={\frac {1}{\alpha }}}
Inilah
batas maksimum peningkatan kecepatan yang bisa dicapai menurut hukum Amdahl
yaitu perbandingan terbalik dari seberapa banyak bagian serial dari suatu
pekerjaan.
Dalam
sistem terdistribusi dimana anda berusaha menggunakan lebih banyak prosesor
untuk menyelesaikan masalah, akan ada imbal balik. Menggunakan komputer
tambahan dari lokasi yang berbeda memberikan anda sumber komputasi baru, tetapi
juga melibatkan biaya komunikasi tambahan, saat anda harus memberikan pekerjaan
tersebut pada komputer yg terpisah.
- Bahasa populer dalam Pemrograman Paralel
MPI
Message Passing Interface, bahasa pemrograman dengan basis pertukaran pesan.
PVM
Parallel Virtual machine.
Istilah-istilah dalam pemrograman
paralel
- Embarasingly Parallel adalah pemrograman paralel yang digunakan pada masalah-masalah yang bisa diparalelkan tanpa membutuhkan komunikasi satu sama lain. Sebenarnya pemrograman ini bisa dibilang sebagai pemrograman paralel yang ideal, karena tanpa biaya komunikasi, lebih banyak peningkatan kecepatan yang bisa dicapai.
- Taksonomi dari model pemrosesan paralel dibuat berdasarkan alur instruksi dan alur data yang digunakan:
- SISD Single Instruction Single Datapath, ini prosesor tunggal, yang bukan paralel.
- SIMD Single Instruction Multiple Datapath, alur instruksi yang sama dijalankan terhadap banyak alur data yang berbeda. Alur instruksi di sini kalau tidak salah maksudnya ya program komputer itu. trus datapath itu paling ya inputnya, jadi inputnya lain-lain tetapi program yang digunakan sama.
- MIMD Multiple Instruction Multiple Datapath, alur instruksinya banyak, alur datanya juga banyak, tetapi masing-masing bisa berinteraksi.
- MISD Multiple Instruction Single Datapath, alur instruksinya banyak tetapi beroperasi pada data yang sama.
- Perkembangan di Indonesia, Di Indonesia, usaha untuk membangun infrastruktur mesin paralel sudah dimulai sejak era 90-an, meski belum pada tahap serius dan permanen. Namun untuk pemrograman paralel sudah sejak awal menjadi satu mata-kuliah wajib di banyak perguruan tinggi terkait. Baru pada tahun 2005 dimulai pembuatan infrastruktur mesin paralel permanen, misalnya yang dikembangkan oleh Grup Fisika Teoritik dan Komputasi di P2 Fisika LIPI. Didorong oleh perkembangan pemrograman paralel yang lambat, terutama terkait dengan sumber daya manusia (SDM) yang menguasainya, mesin paralel LIPI ini kemudian dibuka untuk publik secara cuma-cuma dalam bentuk LIPI Public Cluster (LPC)[3]. Saat ini LPC telah dikembangkan lebih jauh menjadi gerbang komputasi GRID di Indonesia dengan kerjasama global menjadi IndoGRID.
Contoh parallel programming models
Name
|
Class of interaction
|
Class of decomposition
|
Example implementations
|
Asynchronous message passing
|
Task
|
||
Shared memory
|
Task
|
||
Synchronous message passing
|
Task
|
||
Message passing
|
Task
|
||
Message passing
|
Task
|
||
Implicit
|
Task
|
||
Synchronous message passing
|
Not specified
|
None
|
|
Shared memory
|
Data
|
Algoritma Shor
Algoritma
Shor didasarkan dari sebuah teori bilangan: fungsi F(a) = xamod n adalah
feungsi periodik jika x adalah bilangan bulat yang relatif prima dengan n.
Dalam Algoritma Shor, n akan menjadi bilangan bulat yang hendak difaktorkan.
Menghitung
fungsi ini di komputer konvensional untuk jumlah yang eksponensial akan
membutuhkan
waktu
eksponensial pula. Pada masalah ini algoritma quantum shor memanfaatkan
pararellisme quantum untuk melakukannya hanya dengan satu langkah.
Karena
F(A) adalah fungsi periodik, maka fungsi ini memiliki sebuah periode r.
Diketahui x0mod n = 1, maka xr mod n =1,
begitu juga x2r mod n dan seterusnya.
Dengan
informasi ini dan manipulasi persamaan sederhana berikut:
1.
xr ≡ 1 mod n
2.
(xr/2)2 ≡ 1 mod n
3.
(xr/2)2 - 1≡ 0 mod
n
4.
Dengan anggapan r
adalah angka genap:
5.
(xr/2 – 1)(xr/2 +
1) ≡ 0 mod n
Terlihat
bahwa hasil dari (xr/2 – 1)(xr/2 + 1) adalah kelipatan n. Maka selama |xr/2| ≠
1, setidaknya salah satu dari (xr/2 – 1) atau (xr/2 + 1) memiliki faktor yang
sama dengan n. Maka, dengan menghitung gcd(xr/2 – 1,n) dan gcd(xr/2 + 1,n)
faktor dari n akan didapat.
Tetapi
untuk menghitung r dari persamaan xr ≡ 1 mod n akan membutuhkan waktu
eksponensial di komputer konvensional. Karena itu proses ini perlu dijalankan
dengan komputer quantum agar seluruh nilai superposisi akan terhitung dalam
sekali jalan.
Proses
kunci lainnya adalah transformasi quantum fourier. Efeknya adalah akan
meningkatkan puncakpuncak amplitudo probabilistik superposisi dimana
probabilitas r adalah periode yang benar. Proses ini akan meningkatkan
probabilitas kebenaran r.
Kelemahan dan Kelebihan Algoritma
Quantum Shor
Berbeda
dengan komputer konvensional yang deterministik, komputer quantum bersifat
nondeterministik dan probabilistik, yang berarti suatu algoritma kadang kala
dapat berhasil dan kadang kala akan gagal biarpun untuk kondisi yang sama. Hal
ini dikarena sifat pengukuran dalam mekanika quantum yang probabilistik.
Akibatnya, Algoritma Shor dapat gagal menemukan faktor karena beberapa sebab,
diantaranya:
•
Hasil pengukuran dari transformasi quantum fourier dapat berupa 0, membuat
langka ke 10 tak mungkin dilakukan.
•
Kadang hasil faktorisasi algoritma akan menghasilkan 1 dan n, yang secara
definisi benar tetapi tidak berguna
•
Bila hasil r ganjil, maka langkah ke 10 tidak dapat dilakukan
Walaupun
begitu, probabilitas sukses akan bertambah setiap kali algoritma diulang. Dalam
Algoritma Shor yang dimodifikasi dengan penentuan order, probabilitas sukses
setelah 2 kali jalan lebih dari 60%, dan probabilitas sukses setelah 4 kali
jalan lebih dari 90%.
Maka
walaupun perlu berjalan untuk waktu yang tak ditentukan, waktu tersebut adalah
polinomial. Lebih tepatnya, Algoritma Shor berjalan dengan kecepatan O((log
n)2*log log n) pada komputer quantum, dan harus melakukan paska prosesing
selama O(log n) pada komputer konvensional. Secara utuh algoritma ini
polinomial.
REFERENSI
REFERENSI
Tidak ada komentar:
Posting Komentar