NVIDIA Ising AI 模型瞄準量子運算最大缺陷
Darius Baruo 2026年4月14日 15:11
NVIDIA 推出 Ising 開源 AI 模型,提供快 2.5 倍的量子錯誤修正和 3 倍更高的準確度,有望加速容錯量子系統的發展。
NVIDIA 發布首個專門設計用於解決量子運算根本問題的開源 AI 模型:量子位元大約每千次運算就會失效一次。於 2026 年 4 月 14 日宣布的 Ising 模型系列,提供比現有方法快 2.5 倍且準確度高達 3 倍的錯誤修正。
錯誤率需要降低到兆分之一,量子電腦才能真正用於企業應用。NVIDIA 押注 AI 能縮小這個差距。
兩個模型,一個問題
Ising 推出兩個專門元件。校準模型是一個 350 億參數的視覺語言模型,可自動化調校量子處理器的繁瑣過程。在 NVIDIA 新推出的 QCalEval 基準測試(首個量子校準 AI 標準化測試)中,Ising-Calibration-1 的表現超越 Gemini 3.1 Pro 3.27%、Claude Opus 4.6 9.68%,以及 GPT 5.4 14.5%。
解碼模型使用 3D 卷積神經網路處理即時錯誤修正。「精確」版本搭配 PyMatching 在 GB300 硬體上每輪達到 2.33 微秒,同時將邏輯錯誤率改善了 1.53 倍。「快速」版本犧牲部分準確度以換取速度,在 13 個 GB300 GPU 上每輪達到 0.11 微秒。
為何這對量子發展至關重要
目前的量子系統需要傳統電腦持續介入,在錯誤串聯之前進行修正。這在運算上極為吃力。NVIDIA 的方法本質上創建了一個由 AI 驅動的控制平面,可隨著量子硬體改進而擴展。
該公司使用來自合作夥伴的資料訓練 Ising-Calibration-1,涵蓋多種量子位元類型:超導量子位元、量子點、離子、中性原子和氦上電子。這種廣度顯示模型應能適用於不同的量子架構,而非局限於單一供應商的方法。
早期採用者包括哈佛大學、費米國家加速器實驗室、IQM Quantum Computers 和英國國家物理實驗室。中央研究院也已加入。
附帶條件的開源
所有內容都在 NVIDIA 的開放模型授權下發布:權重、訓練框架、合成資料生成工具和部署配方。QPU 建造者可以針對其特定硬體雜訊特性進行微調,同時將專有資料保留在現場。
訓練框架使用 NVIDIA 的 cuQuantum 函式庫和 cuStabilizer,在 PyTorch 訓練期間即時生成合成資料。預訓練檢查點可在 Hugging Face 上取得,校準模型也可透過 NVIDIA NIM 和 Build 平台存取。
對於建構量子-GPU 混合系統的團隊,Ising 與 NVIDIA 現有的 CUDA-Q 軟體平台和 NVQLink 硬體互連整合。即時 API 建立在 CUDA-Q QEC 和 CUDAQ-Realtime 之上。
量子運算達到實際應用的時間表仍不確定,但 NVIDIA 顯然將自己定位為無論出現什麼結果的基礎設施層。隨著 NVDA 市值達到 4.67 兆美元,該公司有資源在量子領域進行長期佈局,同時其 GPU 業務持續從 AI 需求中獲利。
圖片來源:Shutterstock- nvidia
- 量子運算
- 人工智慧
- ising
- 錯誤修正
