Jensen Huang war der erste, der ein großes Quantum-AI-Modell Open Source machte.

NVIDIA hat seine neuesten künstliche Intelligenz (KI) -Technologien für die Quantenrechnung offen gemacht:

Es hat die weltweit ersten quelloffenen Quanten-KI-Modellfamilie namens NVIDIA Ising vorgestellt.

Im Einzelnen umfasst es:

Ising Calibration (Kalibrierung): Ein visuelles Sprachmodell (VLM) mit 35 Milliarden Parametern, das in der Lage ist, Messergebnisse von Quantenprozessoren schnell zu interpretieren und darauf zu reagieren. Basierend auf diesem Modell kann der Agent die Kalibrierungsarbeit von Tagen auf Stunden verkürzen.

Ising Decoding (Dekodierung): Realtime-Fehlerkorrektur mit 3D-CNN, einschließlich zweier Versionen, die jeweils auf Geschwindigkeit und Genauigkeit optimiert sind. Im Vergleich zum aktuellen quelloffenen Branchenstandard pyMatching ist Ising Decoding bis zu 2,5 Mal schneller und 3 Mal genauer.

Nach eigenen Worten von NVIDIA vereinfachen die Ising-Serienmodelle die Untersuchung komplexer physikalischer Systeme erheblich und bieten leistungsstarke und skalierbare KI-Tools für Quantenfehlerkorrektur und -kalibrierung.

Quantenfehlerkorrektur und -kalibrierung sind die beiden entscheidenden Herausforderungen bei der Entwicklung von hybriden Quanten-Klassischen Systemen.

Jensen Huang, der Chef von NVIDIA, hat hohe Erwartungen an Ising:

KI ist für die praktische Anwendung der Quantenrechnung von entscheidender Bedeutung. Mit Ising wird die KI zum Betriebssystem von Quantencomputern und wandelt die empfindlichen Quantenbits in skalierbare und zuverlässige Quanten-GPU-Systeme um.

Beschleunigung der praktischen Anwendung von Quantensystemen

Wenn es um die praktische Anwendung der Quantenrechnung geht, wird oft über den "Fünf-Jahres-Fluch" gespottet: Es wird immer behauptet, dass in den nächsten fünf Jahren eine Skalierung möglich sei, aber die Erwartungen werden Jahr um Jahr nicht erfüllt.

Einer der Hauptgründe dafür ist, dass Quantencomputer sehr fehleranfällig sind:

Derzeitig machen die fortschrittlichsten Quantenprozessoren bei 1.000 Operationen durchschnittlich einen Fehler. Für die Skalierung muss die Fehlerrate jedoch auf ein Billionstel oder weniger gesenkt werden.

Deshalb ist es für die Quantenrechnung von entscheidender Bedeutung, in Echtzeit Kalibrierungen und Fehlerkorrekturen vorzunehmen, bevor die Fehler akkumulieren.

NVIDIA ist der Ansicht, dass KI das beste Potenzial hat, diese Herausforderung zu meistern.

Mit der aktuellen Open-Source-Initiative setzt Ising auf Kalibrierung und Quantenfehlerkorrektur ab.

NVIDIA Ising Calibration

Ising Calibration ist ein großes visuelles Sprachmodell (VLM), das in der Lage ist, die Ergebnisse von Quantenrechnungs-Experimenten zu verstehen und diese mit den erwarteten Trends zu vergleichen.

Ising Calibration kann in den Arbeitsablauf eines Agents integriert werden, um auf die Messergebnisse von Quantenprozessoren zu reagieren und aktive Kalibrierungen vorzunehmen.

Die Daten, die für das Training von Ising Calibration verwendet werden, umfassen verschiedene Quantenbit-Modi, darunter supraleitende Quantenbits, Quantenpunkte, Ionen, neutrale Atome, Elektronen auf Helium und vieles mehr.

Um die Wirksamkeit von Ising Calibration zu überprüfen, haben NVIDIA und Partner wie das Fermilab und Harvard gemeinsam auf der Grundlage der Ausgabe echter Quantencomputer den QcalEval-Benchmark entwickelt - der weltweit erste Benchmark zur Bewertung der Kalibrierung von Quantencomputern durch Agenten.

Die Ergebnisse zeigen, dass Ising-Calibration-1 mit 35 Milliarden Parametern in sechs Bewertungsdimensionen - die Interpretation von Experimentergebnissen, die Klassifizierung von Ergebnissen, die Bewertung der Wichtigkeit von Ergebnissen, die Bewertung der Anpassungsqualität und der Schlüsselmerkmale sowie die Generierung von Machbarkeitsempfehlungen - durchschnittlich die besten Ergebnisse erzielt und damit die top-geschlossenen Modelle wie Gemini 3.1 Pro, GPT 5.4 und Claude Opus 4.6 übertrifft.

NVIDIA Ising Decoding

Ising Decoding ist ein auf 3D-CNN basierendes KI-Trainingsframework und eine Sammlung von Modellen, die speziell für die anspruchsvolle Echtzeit-Dekodierung in der Quantenfehlerkorrektur entwickelt wurden.

Als "Vordekoder" kann Ising Decoding räumlich und zeitlich skaliert werden und beschleunigt die Genauigkeit des globalen Dekoders, indem es eine große Anzahl lokaler Syndromfehler verarbeitet.

Benutzer müssen nur das Rauschmodell, die Richtung des rotierenden Oberflächencodes und die Modelltiefe definieren, und das Ising Decoding-Framework generiert automatisch synthetische Daten und trainiert ein 3D-CNN, das für die Dekodierungsleistung des Tasks optimiert ist.

NVIDIA hat auf HuggingFace zwei Basis-Modellinstanzen open source gemacht:

Das auf Geschwindigkeit optimierte Fast-Modell

Das Modell hat etwa 912.000 Parameter, weniger Schichten und eine geringere Größe. Daher kann Ising-Decoder-SurfaceCode-1-Fast effizient auf einer GPU ausgeführt werden.

Im Vergleich zur PyMatching-Lösung allein beschleunigt das Fast-Modell die Dekodierung 2,5 Mal und erhöht die Genauigkeit auf 1,11 Mal.

Das auf Genauigkeit optimierte Accurate-Modell

Das Modell hat etwa 1,79 Millionen Parameter. Im Vergleich zum Fast-Modell kann das Accurate-Modell längere Fehlerketten korrigieren, aber die Laufzeit ist länger.

Im Vergleich zur alleinigen Verwendung von PyMatching ist die Lösung Ising-Decoder-SurfaceCode-1-Accurate + PyMatching 2,25 Mal so schnell und die Genauigkeit 1,53 Mal so hoch.

Es ist erwähnenswert, dass die Ising-Serienmodelle unter der Apache-2.0-Lizenz veröffentlicht wurden, einer relativ freien und kommerziell freundlichen Open-Source-Lizenz.

Außerdem gibt es eine interessante Geschichte hinter dem Namen Ising:

Das Ising-Modell ist ein sehr klassisches und wichtiges mathematisches Modell in der statistischen Physik. Es wurde ursprünglich 1920 von dem Physiker Wilhelm Lenz vorgeschlagen und 1925 von seinem Schüler Ernst Ising für den eindimensionalen Fall ausführlich untersucht.

Heute ist das Ising-Modell das grundlegendste Modell zur Untersuchung von Phasenübergängen und kritischen Phänomenen und wird in den Bereichen Physik, Chemie, Biologie, Informatik und sogar Soziologie weit verbreitet angewendet.

One More Thing

Nach der plötzlichen Open-Source-Initiative von NVIDIA im Bereich der Quantenrechnung ist der Aktienkurs von NVIDIA um mehr als 6 % gestiegen.

Einige Internetnutzer haben witzig kommentiert: Nachdem NVIDIA die Serienproduktion von Quantenwerkzeugen angekündigt hat, werden alle in weniger als fünf Jahren in die Panik geraten.

Wie Jensen Huang sagte: "Die KI wird zum Betriebssystem von Quantencomputern." Indem NVIDIA mit der Open-Source-Initiative einen wichtigen Platz in der Quantenökosystem einnimmt, setzt es einen wichtigen Stein für das Spiel der Zukunft.

NVIDIA setzt nicht nur auf Hardware, sondern legt auch bereits auf der Ebene der Softwaregrundlagen den Grundstein für Einflussnahme.

Open-Source-Adresse:

https://huggingface.co/collections/nvidia/nvidia-ising

Referenzlinks:

[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/

Dieser Artikel stammt aus dem WeChat-Account "Quantum Bit", Autor: Yuyang. Veröffentlicht von 36Kr mit Genehmigung.