Квантовые вычисления десятилетиями считались следующим рубежом в развитии компьютерных технологий. Многие компании годами пытались довести их до ума, и лишь единицы начали по-настоящему продвигаться вперёд. NVIDIA стала одной из тех, кто делает этот прорыв реальным.
Компания уже предлагает открытую платформу разработки для квантовых вычислений под названием CUDA-Q. Она не привязана к конкретному типу кубитов и совместима с квантовыми процессорами (QPU) и различными кубитными модальностями.
Теперь NVIDIA объявляет о выпуске первого семейства открытых квантовых ИИ-моделей — Ising. Они созданы для того, чтобы помочь исследователям и компаниям строить квантовые процессоры, которые были бы не просто технологически интересны, но и по-настоящему полезны в работе — прежде всего в задачах искусственного интеллекта.
Почему квантовые компьютеры всё ещё не стали массовым инструментом
Главным камнем преткновения остаются два процесса: калибровка квантовых процессоров и исправление квантовых ошибок. Кубиты по своей природе нестабильны и склонны к ошибкам. Сегодня квантовые процессоры допускают одну ошибку на каждую тысячу операций. Чтобы квантовые компьютеры стали по-настоящему практичными, этот показатель нужно снизить до одной ошибки на триллион операций. NVIDIA убеждена: именно искусственный интеллект способен устранить это узкое место и открыть путь к масштабным надёжным вычислениям.
Что такое Ising и из чего он состоит
Семейство Ising включает две передовые и гибко настраиваемые модели.
Ising Calibration — это мультимодальная языковая модель, способная быстро интерпретировать измерения квантовых процессоров и реагировать на них в режиме реального времени. Это позволяет ИИ-агентам автоматизировать непрерывную калибровку оборудования, сокращая время, которое раньше занимало дни, до нескольких часов.
Ising Decoding — модель на основе трёхмерной свёрточной нейронной сети, представленная в двух вариантах: оптимизированном для скорости и оптимизированном для точности. Её задача — декодирование в реальном времени для коррекции квантовых ошибок. По сравнению с pyMatching — нынешним отраслевым стандартом с открытым исходным кодом — Ising Decoding работает до 2,5 раза быстрее и обеспечивает точность в 3 раза выше.
Что особенно важно в этих цифрах
Впечатляют не только показатели производительности. Ising Calibration по объёму в 15 раз меньше аналогичных решений, а Ising Decoding требует в 10 раз меньше данных для обучения. Это делает модели доступными для более широкого круга исследователей и организаций — без необходимости в колоссальных вычислительных ресурсах.
По данным NVIDIA, модели Ising уже используются ведущими исследователями, академическими учреждениями и коммерческими компаниями по всему миру. И это лишь очередной — но весьма значимый — шаг в эпоху квантовых вычислений.