NVIDIA Ising AI मॉडल क्वांटम कंप्यूटिंग की सबसे बड़ी खामी को निशाना बनाते हैं

Darius Baruo 14 अप्रैल, 2026 15:11

NVIDIA ने Ising लॉन्च किया, ओपन-सोर्स AI मॉडल जो 2.5 गुना तेज़ क्वांटम एरर करेक्शन और 3 गुना बेहतर सटीकता प्रदान करते हैं, संभावित रूप से फॉल्ट-टॉलरेंट क्वांटम सिस्टम को तेज़ कर रहे हैं।

NVIDIA Ising AI मॉडल क्वांटम कंप्यूटिंग की सबसे बड़ी खामी को निशाना बनाते हैं

NVIDIA ने अपने पहले ओपन-सोर्स AI मॉडल जारी किए जो विशेष रूप से क्वांटम कंप्यूटिंग की मूलभूत समस्या को ठीक करने के लिए डिज़ाइन किए गए हैं: क्यूबिट्स जो लगभग हर हजार ऑपरेशन में एक बार विफल हो जाते हैं। Ising मॉडल फैमिली, 14 अप्रैल, 2026 को घोषित, एरर करेक्शन प्रदान करती है जो मौजूदा तरीकों की तुलना में 2.5 गुना तेज़ और 3 गुना अधिक सटीक है।

एंटरप्राइज़ एप्लिकेशन के लिए क्वांटम कंप्यूटर वास्तव में उपयोगी बनने से पहले उस एरर रेट को एक ट्रिलियन में एक तक गिरना होगा। NVIDIA का दांव है कि AI उस अंतर को पाट सकता है।

दो मॉडल, एक समस्या

Ising दो विशेष घटकों के साथ लॉन्च होता है। कैलिब्रेशन मॉडल एक 35-बिलियन पैरामीटर विज़न-लैंग्वेज मॉडल है जो क्वांटम प्रोसेसर को ट्यून करने की थकाऊ प्रक्रिया को स्वचालित करता है। NVIDIA के नए QCalEval बेंचमार्क पर—क्वांटम कैलिब्रेशन AI के लिए पहला मानकीकृत परीक्षण—Ising-Calibration-1 ने Gemini 3.1 Pro से 3.27%, Claude Opus 4.6 से 9.68%, और GPT 5.4 से 14.5% बेहतर प्रदर्शन किया।

डिकोडिंग मॉडल 3D कन्वोल्यूशनल न्यूरल नेटवर्क का उपयोग करके रियल-टाइम एरर करेक्शन को संभालते हैं। PyMatching के साथ जोड़ा गया "Accurate" वैरिएंट GB300 हार्डवेयर पर प्रति राउंड 2.33 माइक्रोसेकंड हासिल करता है जबकि लॉजिकल एरर रेट में 1.53 गुना सुधार करता है। "Fast" वैरिएंट गति के लिए कुछ सटीकता का त्याग करता है, 13 GB300 GPU में प्रति राउंड 0.11 माइक्रोसेकंड हिट करता है।

क्वांटम विकास के लिए यह क्यों मायने रखता है

वर्तमान क्वांटम सिस्टम को कैस्केड होने से पहले एरर को ठीक करने के लिए निरंतर क्लासिकल कंप्यूटर हस्तक्षेप की आवश्यकता होती है। यह कम्प्यूटेशनल रूप से क्रूर है। NVIDIA का दृष्टिकोण अनिवार्य रूप से एक AI-संचालित कंट्रोल प्लेन बनाता है जो क्वांटम हार्डवेयर सुधारों के साथ स्केल कर सकता है।

कंपनी ने Ising-Calibration-1 को कई क्यूबिट प्रकारों में काम करने वाले भागीदारों के डेटा पर प्रशिक्षित किया: सुपरकंडक्टिंग क्यूबिट्स, क्वांटम डॉट्स, आयन, न्यूट्रल एटम, और हीलियम पर इलेक्ट्रॉन। वह व्यापकता सुझाव देती है कि मॉडल को एक विक्रेता के दृष्टिकोण में लॉक होने के बजाय विभिन्न क्वांटम आर्किटेक्चर में सामान्यीकृत होना चाहिए।

शुरुआती अपनाने वालों में Harvard, Fermi National Accelerator Laboratory, IQM Quantum Computers, और UK National Physical Laboratory शामिल हैं। Academia Sinica भी बोर्ड पर है।

शर्तों के साथ ओपन सोर्स

सब कुछ NVIDIA के ओपन मॉडल लाइसेंस के तहत आता है: वेट्स, ट्रेनिंग फ्रेमवर्क, सिंथेटिक डेटा जनरेशन टूल्स, और डिप्लॉयमेंट रेसिपी। QPU बिल्डर्स अपने विशिष्ट हार्डवेयर नॉइज़ विशेषताओं के लिए फाइन-ट्यून कर सकते हैं जबकि मालिकाना डेटा को ऑन-साइट रखते हैं।

ट्रेनिंग फ्रेमवर्क PyTorch ट्रेनिंग के दौरान फ्लाई पर सिंथेटिक डेटा उत्पन्न करने के लिए NVIDIA की cuQuantum लाइब्रेरी और cuStabilizer का उपयोग करता है। प्री-ट्रेनड चेकपॉइंट्स Hugging Face पर उपलब्ध हैं, कैलिब्रेशन मॉडल भी NVIDIA NIM और Build प्लेटफॉर्म के माध्यम से सुलभ है।

क्वांटम-GPU हाइब्रिड सिस्टम बनाने वाली टीमों के लिए, Ising NVIDIA के मौजूदा CUDA-Q सॉफ़्टवेयर प्लेटफ़ॉर्म और NVQLink हार्डवेयर इंटरकनेक्ट के साथ एकीकृत होता है। रियल-टाइम API CUDA-Q QEC और CUDAQ-Realtime पर बनाया गया है।

क्वांटम कंप्यूटिंग की व्यावहारिक उपयोगिता की समयरेखा अनिश्चित बनी हुई है, लेकिन NVIDIA स्पष्ट रूप से खुद को जो भी उभरता है उसके लिए इंफ्रास्ट्रक्चर लेयर के रूप में स्थापित कर रहा है। NVDA की मार्केट कैप $4.67 ट्रिलियन पर बैठी है, कंपनी के पास क्वांटम पर लंबा गेम खेलने के लिए संसाधन हैं जबकि इसका GPU व्यवसाय AI मांग से पैसा कमाना जारी रखता है।

छवि स्रोत: Shutterstock