ИИ-модели NVIDIA Ising нацелены на главный недостаток квантовых вычислений

Дариус Баруо 15:11, 14 апреля 2026

NVIDIA запускает Ising, ИИ-модели с открытым исходным кодом, которые обеспечивают в 2,5 раза более быструю квантовую коррекцию ошибок и в 3 раза лучшую точность, потенциально ускоряя отказоустойчивые квантовые системы.

ИИ-модели NVIDIA Ising нацелены на главный недостаток квантовых вычислений

NVIDIA выпустила свои первые ИИ-модели с открытым исходным кодом, специально разработанные для решения фундаментальной проблемы квантовых вычислений: кубитов, которые отказывают примерно раз на тысячу операций. Семейство моделей Ising, анонсированное 14 апреля 2026 года, обеспечивает коррекцию ошибок в 2,5 раза быстрее и до 3 раз точнее, чем существующие методы.

Этот уровень ошибок должен снизиться до одной на триллион, прежде чем квантовые компьютеры станут действительно полезными для корпоративных приложений. NVIDIA делает ставку на то, что ИИ может закрыть этот разрыв.

Две модели, одна проблема

Ising запускается с двумя специализированными компонентами. Модель калибровки — это визуально-языковая модель с 35 миллиардами параметров, которая автоматизирует утомительный процесс настройки квантовых процессоров. На новом бенчмарке NVIDIA QCalEval — первом стандартизированном тесте для ИИ квантовой калибровки — Ising-Calibration-1 превзошла Gemini 3.1 Pro на 3,27%, Claude Opus 4.6 на 9,68% и GPT 5.4 на 14,5%.

Модели декодирования обрабатывают коррекцию ошибок в реальном времени с использованием 3D свёрточных нейронных сетей. Вариант «Accurate» в паре с PyMatching достигает 2,33 микросекунды на раунд на оборудовании GB300, улучшая логические коэффициенты ошибок в 1,53 раза. Вариант «Fast» жертвует некоторой точностью ради скорости, достигая 0,11 микросекунды на раунд на 13 GPU GB300.

Почему это важно для квантовой разработки

Современные квантовые системы требуют постоянного вмешательства классического компьютера для исправления ошибок до их каскадирования. Это вычислительно жестоко. Подход NVIDIA фактически создаёт управляющую плоскость на базе ИИ, которая может масштабироваться вместе с улучшениями квантового оборудования.

Компания обучила Ising-Calibration-1 на данных партнёров, работающих с несколькими типами кубитов: сверхпроводящими кубитами, квантовыми точками, ионами, нейтральными атомами и электронами на гелии. Такая широта предполагает, что модели должны обобщаться по различным квантовым архитектурам, а не быть привязанными к подходу одного поставщика.

Среди ранних пользователей — Гарвард, Национальная ускорительная лаборатория Ферми, IQM Quantum Computers и Национальная физическая лаборатория Великобритании. Academia Sinica также присоединилась.

Открытый исходный код с условиями

Всё поставляется по лицензии NVIDIA Open Model License: веса, обучающие фреймворки, инструменты генерации синтетических данных и рецепты развёртывания. Разработчики QPU могут настраивать под конкретные шумовые характеристики своего оборудования, сохраняя проприетарные данные на месте.

Обучающий фреймворк использует библиотеку NVIDIA cuQuantum и cuStabilizer для генерации синтетических данных на лету во время обучения PyTorch. Предварительно обученные контрольные точки доступны на Hugging Face, а модель калибровки также доступна через платформы NVIDIA NIM и Build.

Для команд, создающих гибридные квантово-GPU системы, Ising интегрируется с существующей программной платформой NVIDIA CUDA-Q и аппаратным межсоединением NVQLink. API реального времени построен на CUDA-Q QEC и CUDAQ-Realtime.

График квантовых вычислений до практической полезности остаётся неопределённым, но NVIDIA явно позиционирует себя как инфраструктурный слой для всего, что появится. С рыночной капитализацией NVDA в 4,67 триллиона $, компания располагает ресурсами для долгой игры в квантовых вычислениях, в то время как её GPU-бизнес продолжает печатать деньги от спроса на ИИ.

Источник изображения: Shutterstock