NVIDIA IsingAIモデル、量子コンピューティングの最大の欠陥を標的に

Darius Baruo 2026/4/14 15:11

NVIDIAはオープンソースのAIモデル「Ising」を発表。量子エラー訂正を2.5倍高速化し、精度を3倍向上させ、耐障害性量子システムの加速を実現する可能性がある。

NVIDIAは、量子コンピューティングの根本的な問題、つまり約1000回の操作に1回失敗する量子ビットを修正するために特別に設計された初のオープンソースAIモデルを発表した。2026年4月14日に発表されたIsingモデルファミリーは、既存の方法と比較して2.5倍高速で最大3倍正確なエラー訂正を提供する。

量子コンピュータが企業アプリケーションに真に有用になるには、そのエラー率を1兆分の1まで下げる必要がある。NVIDIAは、AIがそのギャップを埋めることができると賭けている。

2つのモデル、1つの問題

Isingは2つの専門コンポーネントで発表される。キャリブレーションモデルは、量子プロセッサの調整という面倒なプロセスを自動化する350億パラメータのビジョン言語モデルである。NVIDIAの新しいQCalEvalベンチマーク(量子キャリブレーションAIの最初の標準化テスト)において、Ising-Calibration-1はGemini 3.1 Proを3.27%、Claude Opus 4.6を9.68%、GPT 5.4を14.5%上回った。

デコーディングモデルは、3D畳み込みニューラルネットワークを使用してリアルタイムのエラー訂正を処理する。PyMatchingと組み合わせた「Accurate」バリアントは、GB300ハードウェア上で1ラウンドあたり2.33マイクロ秒を達成しながら、論理エラー率を1.53倍改善する。「Fast」バリアントは精度と速度をトレードオフし、13台のGB300 GPUで1ラウンドあたり0.11マイクロ秒を達成する。

量子開発にとって重要な理由

現在の量子システムは、エラーが連鎖する前に修正するために古典的コンピュータの絶え間ない介入を必要とする。これは計算上非常に負荷が高い。NVIDIAのアプローチは本質的に、量子ハードウェアの改善と並行して拡張できるAI駆動の制御プレーンを作成する。

同社は、超伝導量子ビット、量子ドット、イオン、中性原子、ヘリウム上の電子など、複数の量子ビットタイプで作業するパートナーからのデータでIsing-Calibration-1をトレーニングした。この広範性は、モデルが1つのベンダーのアプローチに固定されるのではなく、異なる量子アーキテクチャ全体で汎化できることを示唆している。

早期導入者には、ハーバード大学、フェルミ国立加速器研究所、IQM Quantum Computers、英国国立物理学研究所が含まれる。中央研究院も参加している。

条件付きオープンソース

すべてがNVIDIAのオープンモデルライセンスの下で提供される:重み、トレーニングフレームワーク、合成データ生成ツール、デプロイメントレシピ。QPUビルダーは、独自データをオンサイトに保持しながら、特定のハードウェアノイズ特性に合わせて微調整できる。

トレーニングフレームワークは、NVIDIAのcuQuantumライブラリとcuStabilizerを使用して、PyTorchトレーニング中にその場で合成データを生成する。事前トレーニング済みチェックポイントはHugging Faceで利用可能で、キャリブレーションモデルはNVIDIA NIMおよびBuildプラットフォームからもアクセスできる。

量子GPUハイブリッドシステムを構築するチームにとって、IsingはNVIDIAの既存のCUDA-QソフトウェアプラットフォームおよびNVQLinkハードウェアインターコネクトと統合される。リアルタイムAPIは、CUDA-Q QECおよびCUDAQ-Realtimeに基づいて構築されている。

量子コンピューティングの実用化までのタイムラインは依然として不確実だが、NVIDIAは明らかに、何が出現してもインフラストラクチャレイヤーとして自らを位置付けている。NVDAの時価総額が4.67兆ドルに達している中、同社はGPUビジネスがAI需要から継続的に収益を上げている間、量子に関して長期戦を戦うリソースを持っている。

画像ソース: Shutterstock