Кванттық есептеу ондаған жылдар бойы компьютерлік технологияның дамуындағы келесі шекара болып саналды. Көптеген компаниялар бірнеше жылдар бойы оларды ақылға сыйғызуға тырысты, тек бірнеше адам ғана алға жылжи бастады. NVIDIA бұл серпілісті шынайы ететіндердің біріне айналды.
Компания қазірдің өзінде CUDA-Q деп аталатын ашық кванттық есептеу платформасын ұсынады, ол кубиттердің белгілі бір түріне байланысты емес және кванттық процессорлармен (QPU) және әртүрлі кубиттік модальділіктермен үйлесімді.
Енді NVIDIA ашық кванттық AI модельдерінің бірінші отбасы-Ising шығарылатынын хабарлайды. Олар зерттеушілер мен компанияларға технологиялық жағынан қызықты ғана емес, сонымен қатар жұмыста, ең алдымен, жасанды интеллект мәселелерінде шынымен пайдалы болатын кванттық процессорларды құруға көмектесу үшін жасалған.
Неліктен кванттық компьютерлер әлі де жаппай құрал бола алмады
Негізгі кедергі екі процесс болып қала береді: кванттық процессорларды калибрлеу және кванттық қателерді түзету. Кубиттер табиғаты бойынша тұрақсыз және қателіктерге бейім. Бүгінгі таңда кванттық процессорлар әр мың операция үшін бір қателік жібереді. Кванттық компьютерлерді шынымен практикалық ету үшін бұл көрсеткішті триллион операцияға бір қатеге дейін азайту керек. NVIDIA сенімді: бұл жасанды интеллект бұл қиындықты жоюға және ауқымды, сенімді есептеулерге жол ашуға қабілетті.
Ising дегеніміз не және ол неден тұрады
Ising отбасында екі жетілдірілген және икемді теңшелетін модель бар.
Ising Calibration-бұл кванттық процессорлардың өлшемдерін тез түсіндіруге және оларға нақты уақыт режимінде жауап беруге қабілетті мультимодальды тілдік модель. Бұл AI агенттеріне жабдықты үздіксіз калибрлеуді автоматтандыруға мүмкіндік береді, бұл күндерді бірнеше сағатқа дейін қысқартады.
Ising Decoding-екі нұсқада ұсынылған үш өлшемді конволюциялық нейрондық желіге негізделген модель: жылдамдық үшін оңтайландырылған және дәлдік үшін оңтайландырылған. Оның міндеті — кванттық қателерді түзету үшін нақты уақыттағы декодтау. PyMatching - қазіргі ашық бастапқы салалық стандартпен салыстырғанда-Ising Decoding 2,5 есе жылдам жұмыс істейді және 3 есе дәлдікті қамтамасыз етеді.
Бұл сандарда не ерекше маңызды
Өнімділік көрсеткіштері ғана әсерлі емес. Көлемі бойынша Ising Calibration ұқсас шешімдерден 15 есе аз, ал Ising Decoding оқыту үшін 10 есе аз деректерді қажет етеді. Бұл модельдерді зерттеушілер мен ұйымдардың кең ауқымына қол жетімді етеді — үлкен есептеу ресурстарын қажет етпейді.
NVIDIA мәліметтері бойынша, Ising модельдерін қазірдің өзінде әлемдегі жетекші зерттеушілер, академиялық мекемелер және коммерциялық компаниялар қолданады. Бұл кванттық есептеу дәуіріндегі кезекті, бірақ өте маңызды қадам.