Pusat Riset Quantum Computing & AIRiset Terbuka, Dampak Nyata
Pusat riset yang mengembangkan riset quantum computing dan kecerdasan artifisial, mendampingi dosen dan mahasiswa, serta menghasilkan publikasi bereputasi internasional dan paten industri.
$ riset quantum + ai
Didukung oleh
Pengurus. Pusat riset ini berdiri dan dipimpin berdasarkan Surat Keputusan Rektor.
Diktum Pertama SK Rektor No. 140 Tahun 1447 H / 2026 M.
Tentang kami. Wadah pengembangan riset, inovasi, dan kolaborasi di bidang komputasi kuantum dan kecerdasan artifisial.
Pusat Riset Komputasi Kuantum dan Kecerdasan Artifisial (AI) Universitas Muhammadiyah Makassar merupakan wadah pengembangan riset, inovasi, dan kolaborasi dalam bidang komputasi kuantum serta kecerdasan artifisial. Pusat riset ini berfokus pada pengembangan teknologi komputasi mutakhir untuk mendukung penyelesaian berbagai permasalahan kompleks di bidang pendidikan, kesehatan, industri, lingkungan, dan analisis data. Melalui kolaborasi multidisiplin, pusat riset ini diharapkan menghasilkan publikasi ilmiah, prototipe teknologi, kekayaan intelektual, serta sumber daya manusia yang unggul dan berdaya saing global.
Menjadi pusat riset unggulan dan inovatif dalam bidang komputasi kuantum dan kecerdasan artifisial yang berkontribusi terhadap kemajuan ilmu pengetahuan, transformasi digital, serta penyelesaian permasalahan masyarakat pada tingkat nasional dan internasional berdasarkan nilai-nilai Islam berkemajuan.
- Mengembangkan penelitian berkualitas dalam bidang komputasi kuantum, kecerdasan artifisial, dan teknologi terkait.
- Menghasilkan inovasi, model, algoritma, prototipe, publikasi ilmiah, serta kekayaan intelektual yang bermanfaat bagi masyarakat.
- Meningkatkan kompetensi dosen, mahasiswa, peneliti, dan tenaga profesional melalui pendidikan, pelatihan, seminar, serta kegiatan ilmiah.
- Membangun kolaborasi riset multidisiplin dengan perguruan tinggi, pemerintah, industri, komunitas, dan lembaga penelitian di tingkat nasional maupun internasional.
- Menerapkan hasil riset komputasi kuantum dan AI untuk mendukung pengambilan keputusan serta menyelesaikan persoalan strategis di berbagai bidang.
- Mendorong pemanfaatan teknologi yang etis, aman, bertanggung jawab, dan selaras dengan nilai-nilai Islam serta kemanusiaan.
Topik riset. Bidang kajian yang menjadi fokus pengembangan dan kolaborasi pusat riset.
- 01Sirkuit dan arsitektur kuantumQuantum circuits and architectures
- 02Larik gerbang kuantum untuk aplikasi AIQuantum gate arrays for AI applications
- 03Pembelajaran mesin dan pembelajaran mendalam kuantumQuantum machine learning and quantum deep learning
- 04Anil kuantum untuk pemrosesan data dan optimasiQuantum annealing for data processing and optimization
- 05Sirkuit kuantum untuk optimasi adiabatikQuantum circuits for adiabatic optimization
- 06Aspek teoretis kuantisasi pada komputer kuantum dan jaringan sarafTheoretical aspects of quantization in quantum computers and neural networks
- 07Komputasi kuantum dalam analitik data besarQuantum computing in big data analytics
- 08Komputer kuantum toleran galatFault tolerant quantum computers
- 09Kode koreksi galat, stabilizer, dan topologis kuantumQuantum error correction codes, quantum stabilizer codes, quantum topological codes
- 10Algoritma kuantum untuk pemrosesan sinyalQuantum algorithms for signal processing
- 11Teori informasi kuantumQuantum information theory
- 12Kriptografi kuantum dan penambangan data yang menjaga privasiQuantum cryptography and privacy-preserving data mining
- 13Komputasi kuantum untuk pemodelan data teknik elektroQuantum computing for data modeling in electrical engineering
- 14Penerapan pada masalah kompleks dunia nyataApplications to real-world complex problems
Daftar ini bersifat terbuka dan tidak membatasi cakupan riset. Usulan topik di luar daftar tetap dapat diajukan untuk dibahas bersama.
Teknologi. Riset kami dibangun di atas perangkat sumber terbuka.
Logo ditampilkan sebagai penanda teknologi yang kami gunakan, bukan bentuk afiliasi maupun dukungan resmi dari pemilik merek.
Lab. Post-train your own self improving agents
FIG.1
Turn any task into an RL environment. Init, develop, eval, and push with the Prime CLI.
FIG.2
Hosted evaluations for you to benchmark the performance of your models.
FIG.3
Train large-scale models optimized for agentic workflows.
FIG.4
Dedicated or serverless inference for your custom models, with native LoRA support.
Environment Hub
Access and contribute to 2,500+ open-source RL environments and a community of researchers and developers.
Explore
My Stars
My Environmentsopencode-science
Solve science problems using OpenCode agent via...
Updated 8 days agodeepdive
DeepDive QA RL environment with a Serper-powered search tool
Updated 11 days agorubric-discovery
Meta-environment for learning rubric functions from labeled...
Updated 2 months agomini-swe-agent-plus
Mini SWE Agent Plus environment for solving SWE issues inside Pri...
Updated 3 days agodeepdive
DeepDive QA RL environment with a Serper-powered search tool
Updated 11 days agoscience-env
A collection of challenging single-turn science problems
Updated 11 days agohud-text-2048
Text-based 2048 game for training agents to reach target tiles through strategic moves
Updated 7 months agohud-text-2048
Text-based 2048 game for training agents to reach target tiles through strategic moves
Updated 7 months agotau2-bench
Verifiers implementation of tau2-bench
Updated 2 months ago
import verifiers as vf vf_env = vf.ToolEnv( dataset=dataset, parser=parser, rubric=rubric, tools=tool_list, max_turns=10, )
A library of modular components for creating RL environments and training LLM agents.
uv run rl \ --trainer @ examples/reverse_text/ rl/train.toml \ --orchestrator @ examples/ reverse_text/rl/orch.toml \ --inference @ examples/ reverse_text/rl/infer.toml
A framework for asynchronous reinforcement learning (RL) at scale.
deepswe-sandbox-1
python:3.11-slim
deepcoder-sandbox-1
python:3.11-slim
i3-math-sandbox-1
python:3.11-slim
For secure code execution optimized for large-scale reinforcement learning.
Inference. Serve open-source and custom models
through the same stack that trains them.
Dedicated inference, pay-per-token LoRA serving, and serverless APIs-all in one loop that turns traces into better models and cheaper intelligence your business owns.
Turn production traces into the next training run.
Capture traces, cluster failures, convert high-value misses into environments and evals, then train adapters that make the production model cheaper, more reliable, and more specific to your business.
Pendampingan. Mendampingi dosen dan mahasiswa dari usulan riset, eksperimen komputasi, hingga publikasi dan paten.
Alur pendampingan
Dari proposal sampai publikasi.
Didampingi tim pusat riset di setiap tahap.
FIG.5
H200
x2 · x1H200
x2 · x1H200
x2 · x1H200
x2 · x1B300
x2 · x1B200
x2 · x1H200
x2 · x1H100
x2 · x1GH200
x2 · x1RTX Pro 6000
x1A100
x2 · x1A40
x1
FIG.7
Cari perangkat..
B300 SXM6
NODE TUNGGALStatus pengajuan
Terbuka
Dukungan teknis
Tim pusat riset membantu penyiapan lingkungan komputasi
dan analisis hasil eksperimen.
Research. Our Contributions to the Frontier of Open-Source AI
DISCOVER
Bergabung dengan QUANTUM.AI
Kami mengajak dosen, mahasiswa, dan mitra industri untuk berkolaborasi dalam riset quantum computing dan kecerdasan artifisial di Universitas Muhammadiyah Makassar. Kirimkan proposal atau portofolio riset terbaik Anda.