ШІ-моделі NVIDIA Ising націлені на найбільшу ваду квантових обчислень

Darius Baruo 15:11, 14 квітня 2026

NVIDIA запускає Ising, ШІ-моделі з відкритим вихідним кодом, які забезпечують у 2,5 рази швидше квантове виправлення помилок і у 3 рази кращу точність, потенційно прискорюючи стійкі до збоїв квантові системи.

ШІ-моделі NVIDIA Ising націлені на найбільшу ваду квантових обчислень

NVIDIA представила свої перші ШІ-моделі з відкритим вихідним кодом, спеціально розроблені для вирішення фундаментальної проблеми квантових обчислень: кубіти, які виходять з ладу приблизно раз на тисячу операцій. Сімейство моделей Ising, анонсоване 14 квітня 2026 року, забезпечує виправлення помилок, яке в 2,5 рази швидше та до 3 разів точніше за існуючі методи.

Цей показник помилок потрібно знизити до одного на трильйон, перш ніж квантові комп'ютери стануть справді корисними для корпоративних застосунків. NVIDIA ставить на те, що ШІ може закрити цю прогалину.

Дві моделі, одна проблема

Ising запускається з двома спеціалізованими компонентами. Модель калібрування — це візуально-мовна модель з 35 мільярдами параметрів, яка автоматизує виснажливий процес налаштування квантових процесорів. На новому тесті NVIDIA QCalEval — першому стандартизованому тесті для ШІ калібрування квантових систем — Ising-Calibration-1 перевершив Gemini 3.1 Pro на 3,27%, Claude Opus 4.6 на 9,68% і GPT 5.4 на 14,5%.

Моделі декодування обробляють виправлення помилок у режимі реального часу, використовуючи тривимірні згорткові нейронні мережі. Варіант "Accurate" у парі з PyMatching досягає 2,33 мікросекунди за раунд на обладnanні GB300, покращуючи при цьому показники логічних помилок у 1,53 рази. Варіант "Fast" обмінює частину точності на швидкість, досягаючи 0,11 мікросекунди за раунд на 13 GPU GB300.

Чому це важливо для розвитку квантових технологій

Поточні квантові системи вимагають постійного втручання класичних комп'ютерів для виправлення помилок до того, як вони каскадуються. Це обчислювально жорстко. Підхід NVIDIA по суті створює площину керування на базі ШІ, яка може масштабуватися разом із покращеннями квантового обладнання.

Компанія навчила Ising-Calibration-1 на даних від партнерів, які працюють з різними типами кубітів: надпровідними кубітами, квантовими точками, іонами, нейтральними атомами та електронами на гелії. Така широта охоплення свідчить про те, що моделі повинні узагальнюватися для різних квантових архітектур, а не бути прив'язаними до підходу одного постачальника.

Серед перших користувачів — Гарвард, Національна прискорювальна лабораторія Фермі, IQM Quantum Computers та Національна фізична лабораторія Великобританії. Academia Sinica також приєдналася.

Відкритий вихідний код з умовами

Усе постачається під ліцензією NVIDIA Open Model License: ваги, фреймворки навчання, інструменти генерації синтетичних даних та рецепти розгортання. Розробники QPU можуть тонко налаштовувати під характеристики шуму свого специфічного обладнання, зберігаючи при цьому конфіденційні дані на місці.

Фреймворк навчання використовує бібліотеку NVIDIA cuQuantum та cuStabilizer для генерації синтетичних даних на льоту під час навчання PyTorch. Попередньо навчені контрольні точки доступні на Hugging Face, а модель калібрування також доступна через платформи NVIDIA NIM та Build.

Для команд, які створюють гібридні квантово-GPU системи, Ising інтегрується з існуючою програмною платформою NVIDIA CUDA-Q та апаратним з'єднанням NVQLink. Новий API у режимі реального часу побудований на CUDA-Q QEC та CUDAQ-Realtime.

Часові рамки квантових обчислень до практичної корисності залишаються невизначеними, але NVIDIA явно позиціонує себе як інфраструктурний рівень для всього, що з'явиться. З ринковою капіталізацією NVDA у 4,67 трильйона доларів компанія має ресурси для довгої гри в квантових технологіях, поки її GPU-бізнес продовжує генерувати гроші від попиту на ШІ.

Джерело зображення: Shutterstock