黄仁勋率先开源量子AI大模型

fish1352

英伟达最新AI开源，瞄准了量子计算：
  推出全球首个开源量子AI模型家族——NVIDIA Ising。
1 I! U3 S' V4 b' S  
3 p* m5 _$ P" `' n  具体包括：
' O2 R) d2 z9 [$ T) A* M. E  Ising Calibration（校准）：一个350亿参数的视觉语言模型（VLM），能够快速解读并对来自量子处理器的测量结果做出反应。基于这一模型，Agent能够把几天的校准工作缩短到几小时。
1 X) b' A& ?) D! S" s$ e  Ising Decoding（解码）：用3D CNN做实时纠错，包括分别针对速度和精度优化的两个版本。相比于当前开源行业标准pyMatching，Ising Decoding在速度上最多快2.5倍，精度高出3倍。
" G% _$ k6 @1 x" p7 T  用英伟达自己的话说，Ising系列模型极大地简化了对复杂物理系统的理解，为量子纠错和校准提供了高性能、可扩展的AI工具。
  而量子纠错和校准，正是构建混合量子-经典系统时最关键的两大挑战。
  老黄亦对Ising寄予厚望：
* A4 r/ ]; I% Y, x1 ?0 Y  

   AI对量子计算的实用化至关重要。有了Ising，AI将成为量子计算机的操作系统，将脆弱的量子比特转变为可扩展且可靠的量子-GPU系统。
  

  加速量子系统实用化
# j# b$ ?7 ^8 m- ^% l' |
1 u/ u- i1 q- D0 Z8 a2 G: W  说到量子计算的实用化，大家总开玩笑说存在“5年魔咒”：总是说下一个5年就能规模化，实则5年又5年，预期仍未实现。
6 N2 V: n6 b9 a6 v% \  其中很重要的一个原因是，量子计算机太容易出错了：
6 \$ [$ n6 F9 }/ J  w- ?" S& q  当前最先进的量子处理器，每进行1000次操作就可能出错一次。而从规模化的角度来看，错误率必须降至万亿分之一甚至更低。
  因此，对于量子计算而言，在错误累积前进行实时校准和纠错，非常关键。
  英伟达认为，AI最有希望突破这一难题。
0 @2 v; A. k& p  此次开源，Ising正是在校准和量子纠错解码两方面发力。
  NVIDIA Ising Calibration

  Ising Calibration是一个大型视觉语言模型（VLM），能够理解量子计算科学实验的输出结果，以及结果与预期趋势的对比。
* i- T0 L5 C# o3 Q& I5 E  Ising Calibration可以被用到Agent的工作流中，对量子处理器的测量结果作出相应，并进行主动校准。
2 n0 V3 \' D) T$ S: c8 q$ s; j  用于训练Ising Calibration的数据涵盖多种量子比特模态，包括超导量子比特、量子点、离子、中性原子、氦上电子等等。
  为了验证Ising Calibration的有效性，英伟达和包括费米实验室、哈佛在内的合作伙伴们一起，基于真实量子计算机的输出，共同开发了QcalEval基准——这是世界上首个用于评估Agent量子计算机校准的基准。
8 Y& G5 }- g5 P  i# v- O: s  
  结果显示，350亿参数的Ising-Calibration-1在解释实验结果、分类结果、评估结果重要性、评估拟合质量和关键特征，以及生成可行性建议这六个评估维度上，平均得分达到SOTA，超过了Gemini 3.1 Pro、GPT 5.4、Claude Opus 4.6等顶级闭源模型。
  NVIDIA Ising Decoding
- ]6 v/ `+ Y; b# l* |0 M
7 D3 ?$ q1 z1 O2 H$ D/ K3 e+ \. O  Ising Decoding则是基于3D CNN的AI训练框架和模型集合，专门用于量子纠错中要求极高的实时解码任务。
  作为“预解码器”，Ising Decoding可以在空间和时间上扩展，通过处理大量局部的综合征错误，来加速并提高全局解码器的准确性。
/ m/ T6 R/ z7 t  
  用户只需定义噪声模型、旋转表面码的方向和模型深度，Ising Decoding框架就能自动生成合成数据，并训练出针对任务优化解码性能的3D CNN。
  英伟达在HuggingFace上开源了两个基础模型实例：
7 [2 O* v1 u6 ~% A; k. |4 o: x  针对速度优化的 Fast模型
( w' B5 l! v) ]! k! V5 l  模型参数量大约为91.2万，层数较少，体积较小。因此，Ising-Decoder-SuRFaceCode-1-Fast可以在GPU上高效运行。
  相比于单独的PyMatching方案，Fast模型能带来2.5倍加速，同时将准确率提升至原来的1.11倍。
. W) O  k4 Q6 N( s2 P; L& {  针对准确率优化的 Accurate模型
* b5 z. {, H. C4 ^! o1 h+ v, V  模型参数量大约为179万。相比于Fast，Accurate模型能纠正更长的错误链，同时运行时间也会变长。
( h4 G% c; P; A  相比于单独使用PyMatching，Ising-Decoder-SurfaceCode-1-Accurate + PyMatching的方案是前者的2.25倍，准确率能达到1.53倍。
0 A; h. D; Q" o  
' w6 j5 d: S( e1 L  值得一提的是，Ising系列模型采用的是Apache-2.0协议，这是一个较为宽松、商用友好的开源许可。
  另外，Ising这个名字也有点说法：
4 H. |( l$ p' S0 m/ f" Q  伊辛模型（Ising Model）是统计物理学中一个非常经典且重要的数学模型，最初由物理学家Wilhelm Lenz在1920年提出，并由他的学生Ernst Ising在1925年对其一维情况进行了详细研究。
- ^6 _' |+ d$ v' q, L  现在，伊辛模型已经成为研究相变和临界现象的最基本模型，并被广泛应用于物理、化学、生物、计算机科学甚至社会学领域。
# F7 [+ ~. C$ s, i9 |$ I0 O  One More Thing
+ O1 W) o! c: ~* [0 i( h4 S. L
  英伟达突然在量子计算领域大手笔开源，股价也迎来一波超过6%的涨幅。
% ?% U' N" k( y- U/ d2 _2 Q  
  就有网友辣评：英伟达发布量产量子工具链，等不到5年以后，大家伙又要开始手忙脚乱了。
  
  回到老黄那句话上，“AI将成为量子计算机的操作系统”，那么率先用开源在量子生态中占据一席之地，就是英伟达为这盘未来棋局投下的重要一子。
  依旧不止于硬件，而是从软件底层逻辑的层级上，就开始埋下影响力的伏笔。
$ T1 M8 W/ K6 }. @4 h  开源地址：
  https://huggingface.co/collections/nvidia/nvidia-ising
5 e( q& J3 S1 o6 O( c! A  参考链接：
9 ]3 D4 p2 d+ E! k, I9 O  [1]https://nvidianews.nvidia.com/news/nvidia-launches-ising-the-worlds-first-open-ai-models-to-accelerate-the-path-to-useful-quantum-computers
4 \2 D3 M( @4 Z5 C2 d9 Z  [2]https://developer.nvidia.com/blog/nvidia-ising-introduces-ai-powered-workflows-to-build-fault-tolerant-quantum-systems/
  本文来自微信公众号“量子位”，作者：鱼羊 ，36氪经授权发布。

1 ~1 N3 |" x& ?, k6 h+ H『本文转载自网络,版权归原作者所有,如有侵权请联系删除』