Die Ising-Modellfamilie zielt auf Quantenfehlerkorrektur und Prozessorkalibrierung ab, zwei der größten Hindernisse für praktisches Quantencomputing.
NurPhoto / Getty Images
Die Ising-Familie startet mit zwei Modellbereichen. Mit einer Vision-Language-Modellarchitektur übernimmt Ising Calibration die kontinuierliche Abstimmung von Quantenprozessoren automatisch und reduziert einen Prozess, der zuvor Tage dauerte, auf einen, der in Stunden gemessen wird, so Nvidia. Für die Fehlerkorrektur bietet die Ising Decoding-Komponente zwei verschiedene Versionen eines 3D-Faltungsneuronalen Netzes — eines, das darauf ausgelegt ist, die Verarbeitungsgeschwindigkeit zu priorisieren, das andere, um die Genauigkeit zu maximieren.
Im Vergleich zu PyMatching — dem vorherrschenden Open-Source-Standard für diese Arbeit — erreicht die kombinierte Modellsuite eine Fehlerkorrektur-Dekodierung, die bis zu 2,5-mal schneller und dreimal genauer ist, sagte Nvidia.
"AI ist entscheidend, um Quantencomputing praktisch zu machen," sagte Nvidia-CEO Jensen Huang in einer Erklärung. "Mit Ising wird AI zur Steuerungsebene — dem Betriebssystem von Quantenmaschinen — und verwandelt fragile Qubits in skalierbare und zuverlässige Quantum-GPU-Systeme."
Die beiden Modellbereiche adressieren, was Nvidia als das Kernnadelöhr des Quantencomputings beschreibt: Qubits sind von Natur aus rauschanfällig. Sam Stanwyck, Direktor für Quantenprodukte bei Nvidia, sagte Reportern, dass aktuelle Spitzen-Quantenprozessoren ungefähr einen Fehler pro tausend Operationen erreichen — beeindruckend nach heutigen Maßstäben, aber weit entfernt von der Eins-in-einer-Billion-Schwelle, die sie zu wirklich nützlichen Beschleunigern machen würde, laut CIO.
Die Kalibrierung reduziert das Rauschen in jedem Prozessor, während die Fehlerkorrektur-Dekodierung Fehler in Echtzeit schneller erkennt und behebt als sie sich ansammeln, sagte Nvidia. Das Ising-Kalibrierungsmodell, das auf Daten trainiert wurde, die mehrere Qubit-Typen umfassen, einschließlich supraleitender Qubits, Quantenpunkte, Ionen und neutraler Atome, übertraf mehrere allgemeine KI-Modelle bei QCalEval, einem Benchmark, den Nvidia mit Quantenpartnern entwickelt hat, um Kalibrierungsaufgaben zu bewerten.
Nvidia kombiniert die Modellveröffentlichung mit einer Reihe von unterstützenden Ressourcen: einem Kochbuch, das sich mit Workflows der Quantencomputing und Trainingsdaten befasst, sowie NIM-Microservices, die Entwickler verwenden können, um die Modelle an ihre spezifischen Hardwarekonfigurationen anzupassen. Die Modelle können auch lokal auf den Systemen der Forscher ausgeführt werden, um proprietäre Daten zu schützen.
Institutionen, die Ising bereits übernehmen, sind das Fermi National Accelerator Laboratory, die Harvard John A. Paulson School of Engineering and Applied Sciences, das Advanced Quantum Testbed des Lawrence Berkeley National Laboratory, IQM Quantum Computers, Infleqtion, die Cornell University, die Sandia National Laboratories und das U.K. National Physical Laboratory, unter anderem, sagte Nvidia.
Ising reiht sich in Nvidias breiteres offenes Modellportfolio ein, das Nemotron für agentische Systeme, Cosmos für physische KI, Alpamayo für autonome Fahrzeuge, Isaac GR00T für Robotik und BioNeMo für biomedizinische Forschung umfasst. Modellgewichte sind auf Hugging Face und build.nvidia.com verfügbar, mit Trainingsframeworks auf GitHub unter der Apache 2.0-Lizenz.
KI und Quantencomputing konvergieren zunehmend da sich jede Technologie für die andere als nützlich erweist. KI-Tools verbessern das Design von Quantenschaltungen und die Fehlerkorrektur, während Quantenprozessoren vielversprechend für spezifische KI-Aufgaben wie Betrugserkennung und die Generierung synthetischer Trainingsdaten sind. Die Infrastrukturanforderungen für die beiden Technologien unterscheiden sich jedoch erheblich — Quantensysteme erfordern extreme Kühlung und spezialisierte Einrichtungen, die die Technologie weitgehend auf Labore beschränkt haben.
Ein Bericht, der am selben Tag vom Quantum Economic Development Consortium veröffentlicht wurde, schätzte den globalen Quantenmarkt für 2025 auf 1,9 Milliarden Dollar, laut CIO. In die Zukunft blickend, prognostiziert das Konsortium ein jährliches Wachstum von 30 %, wobei der Markt bis 2028 voraussichtlich 3 Milliarden Dollar erreichen wird.
Schließen Sie sich über 500.000 Lesern an, die ihren Tag mit Quartz beginnen.
Mit dem Abonnieren stimmen Sie unseren Nutzungsbedingungen und unserer Datenschutzrichtlinie zu.
