🚀 NVIDIA Ising：全球首个用于构建容错量子处理器的AI模型家族
NVIDIA推出世界上第一个开放式量子AI模型系列，助力量子计算迈入实用化时代
📋 核心概述
NVIDIA Ising 是全球首个用于构建量子处理器的开放式AI模型家族，旨在解决量子计算领域最根本的挑战——量子比特噪声问题。
⚠️ 当前挑战：目前最优秀的量子处理器每千次操作就会出现一次错误。
✅ 目标要求：要成为真正有用的科学和企业计算加速器，错误率必须降低到万亿分之一或更低。
结论：AI 是实现这一跨越的最有希望路径。
🔬 两大核心模型
1. Ising Calibration（校准模型）
- 类型：视觉-语言模型（VLM）
- 参数：350亿参数
- 功能：理解量子计算科学实验输出，并将其与预期趋势进行比较
- 工作流程：在代理工作流中使用，主动校准量子处理器直到运行达到所需规格
- 训练数据：涵盖多种量子比特模态，包括超导量子比特、量子点、离子、中性原子、氦上电子等
🎯 性能表现（QCalEval基准测试）
| 对比模型 | 性能差距 |
|---|---|
| Gemini 3.1 Pro | +3.27% |
| Claude Opus 4.6 | +9.68% |
| GPT 5.4 | +14.5% |
2. Ising Decoding（解码模型）
- 类型：3D CNN模型
- 用途：量子纠错解码的实时处理
- 核心优势：可扩展到数百万量子比特的技术
🔧 两个基础模型变体
| 型号 | 层数 | 参数量 | 感受野 | 适用场景 |
|---|---|---|---|---|
| Fast | 较少 | ~91.2万 | 9×9×9 | 速度优先，延迟敏感场景 |
| Accurate | 较多 | ~179万 | 13×13×13 | 精度优先，LER敏感场景 |
📊 性能数据（d=13, p=0.003条件）
2.5×
Fast + PyMatching
速度提升
速度提升
1.11×
Fast + PyMatching
精度提升
精度提升
2.25×
Accurate + PyMatching
速度提升
速度提升
1.53×
Accurate + PyMatching
精度提升
精度提升
🎯 在d=31, p=0.003条件下，Accurate模型可实现 3倍 LER（逻辑错误率）改进
⚡ 实时解码性能
基于NVIDIA CUDA-Q QEC、CUDAQ-Realtime和NVQLink构建的实时API：
- 延迟：2.33微秒/轮（Accurate模型+PyMatching, GB300, FP16精度）
- 投影性能：0.11微秒/轮（13台GB300 GPU, FP8精度, Fast模型）
📦 开放资源生态
NVIDIA Ising 提供完全开源的生态：
🔗 模型权重
- HuggingFace：Ising Calibration 1
- HuggingFace：Ising Decoder SurfaceCode 1
- NVIDIA NIM：通过NGC Catalog部署
- 许可证：NVIDIA Open Model License
🛠️ 训练框架
- GitHub：Ising-Decoding（Apache 2.0）
- 支持cuQuantum、cuStabilizer和PyTorch
📊 基准测试
- QCalEval：全球首个用于代理量子计算机校准的基准测试
- HuggingFace数据集：nvidia/QCalEval
🌟 技术意义
NVIDIA Ising 的发布标志着：
1. AI驱动的量子纠错
首次将大语言模型应用于量子校准任务
首次将大语言模型应用于量子校准任务
2. 可扩展性突破
支持从当前量子处理器扩展到数百万量子比特
支持从当前量子处理器扩展到数百万量子比特
3. 开放生态
完整的模型权重、训练框架、数据集全部开源
完整的模型权重、训练框架、数据集全部开源
4. 实时处理能力
微秒级解码延迟满足量子纠错严苛时序要求
微秒级解码延迟满足量子纠错严苛时序要求
📖 原文链接
发布日期：2025年4月
技术领域：量子计算 | AI模型 | 量子纠错 | GPU计算
登录后才能评论哦 ~ 立即登录