英伟达近日宣布开源其量子AI模型家族——NVIDIA Ising，这是全球首个开源的量子AI模型家族，旨在通过人工智能加速量子计算的实用化进程。
该模型家族主要包含两大核心组件：
- Ising Calibration（校准）：一个拥有350亿参数的视觉语言模型，能够快速解读量子处理器的测量结果并做出反应。该模型可将原本需要数天的量子系统校准工作缩短至几小时。
- Ising Decoding（解码）：一个基于3D卷积神经网络的实时量子纠错框架，包含分别针对速度和精度优化的两个版本。据英伟达称，与当前开源行业标准pyMatching相比，Ising Decoding在速度上最快可提升2.5倍，精度高出3倍。
英伟达表示，Ising系列模型极大地简化了对复杂量子物理系统的理解，为量子纠错和校准提供了高性能、可扩展的AI工具。而这两项挑战，正是构建混合量子-经典计算系统的关键。
英伟达CEO黄仁勋对此评价道：
AI对量子计算的实用化至关重要。有了Ising，AI将成为量子计算机的操作系统，将脆弱的量子比特转变为可扩展且可靠的量子-GPU系统。
加速量子系统实用化
量子计算的规模化应用长期面临“5年魔咒”，即预期总在未来五年内实现，却迟迟未能落地。其中一个核心障碍是极高的错误率：当前最先进的量子处理器，每进行1000次操作就可能出错一次，而要实现规模化应用，错误率必须降至万亿分之一甚至更低。
因此，在错误累积之前进行实时校准与纠错至关重要。英伟达认为，AI是解决这一难题最有希望的技术路径。
NVIDIA Ising Calibration
Ising Calibration作为一个大型视觉语言模型，能够理解量子实验的输出结果，并将其与预期趋势进行对比。它可以被集成到智能体工作流中，对量子处理器的测量结果做出响应，实现主动校准。
该模型的训练数据涵盖了超导量子比特、量子点、离子、中性原子等多种量子比特模态。为验证其有效性，英伟达与费米实验室、哈佛大学等合作伙伴共同开发了QcalEval基准——这是全球首个用于评估量子计算机校准智能体的基准。
测试结果显示，350亿参数的Ising-Calibration-1在解释实验结果、分类、评估重要性、评估拟合质量与关键特征以及生成可行性建议等六个维度上，平均得分达到了当前最优水平，表现超过了Gemini 3.1 Pro、GPT-4o、Claude 3 Opus等顶级闭源模型。
NVIDIA Ising Decoding
Ising Decoding是一个基于3D CNN的训练框架和模型集合，专为量子纠错中要求苛刻的实时解码任务设计。它作为“预解码器”，通过处理大量局部综合征错误，在空间和时间维度上进行扩展，从而加速并提升全局解码器的准确性。
用户只需定义噪声模型、表面码方向和模型深度，该框架即可自动生成合成数据，并训练出针对特定任务优化的3D CNN模型。
英伟达在HuggingFace上开源了两个基础模型实例：
- Fast模型（速度优化）：参数量约91.2万，层数少、体积小，可在GPU上高效运行。与单独的PyMatching方案相比，能带来2.5倍的加速，并将准确率提升至1.11倍。
- Accurate模型（精度优化）：参数量约179万，能够纠正更长的错误链，运行时间相应增加。采用Ising-Decoder-Accurate与PyMatching结合的方案，速度是单独使用PyMatching的2.25倍，准确率达到1.53倍。
Ising系列模型采用宽松且对商业友好的Apache-2.0开源协议发布。其命名来源于统计物理学中研究相变和临界现象的基础模型——伊辛模型，该模型在物理、化学、计算机科学等多个领域有广泛应用。
布局未来量子生态
英伟达此次在量子计算领域进行重大开源，被业界视为其布局未来计算生态的关键一步。通过从软件底层逻辑入手，英伟达旨在为“AI作为量子计算机操作系统”的未来愿景奠定基础，在即将到来的量子时代提前占据生态位。
开源地址：
https://huggingface.co/collections/nvidia/nvidia-ising
参考链接：
[1] https://nvidianews.nvidia.com/news/nvidia-launches-ising-the-worlds-first-open-ai-models-to-accelerate-the-path-to-useful-quantum-computers
[2] https://developer.nvidia.com/blog/nvidia-ising-introduces-ai-powered-workflows-to-build-fault-tolerant-quantum-systems/
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/archives/30366
