雖然GPU擅長的通用加速運算與量子電腦的量子運算是兩回事，不過在目前量子運算仍未達到商用化的階段，GPU卻能透過模擬協助開發量子處理器、量子運算應用以及作為量子校準及糾錯，NVIDIA亦針對量子運算釋出多款專業工具；隨著AI技術發展，NVIDIA宣布推出全球首款應用於量子電腦開發的AI模型Ising，利用AI為量子處理器的校準及量子錯誤修正解碼帶來突破性的表現，同時Ising亦是一款開源模型，可幫助全球量子企業、學術機構與實驗室加速量子處理器開發。

NVIDIA已將NVIDIA Ising納入NVIDIA開源模型產品組合，可自GitHub、Hugging Face與build.nvidia.com取得相關開放資料。

透過AI解決量子-經典混合運算最大挑戰

NVIDIA指出量子運算邁向大規模商用，量子處理器的校準與量子錯誤修正必須有重大的突破，而AI技術將會成為這兩項關鍵因素獲得顯著提升的關鍵，NVIDIA希冀透過開源的Ising幫助開發者在完全掌控其資料與基礎設施的同時鍵夠高效能AI。

同時NVIDIA也提供包括量子運算工作流程與訓練資料的實作指南，並可搭配NVIDIA NIM微服務，使開發者可透過最少的設定針對特定硬體架構與使用情境微調模型，並可在研究人員的本地系統執行，不須透過雲端處理，進一步確保資料的保護。

開原始開發者獲得更多掌控權

Ising的命名源自大幅簡化對複雜物理系統理解的重要數學模型，透過NVIDIA Ising模型提供高效能且可擴展的工具，能用於量子錯誤修正與校準，解決建構混合量子-經典系統最關鍵的挑戰；NVIDIA Ising模型驅動全球最頂尖的量子處理器校準，使研究人員能活用量子電腦解決更大規模且複雜的問題。

同時NVIDIA Ising與NVIDIA用於混合量子-經典運算的NVIDIA CUDA-Q平台相輔相成，並整合NVDIIA NVQLink、QPU-GPU硬體互連，可支援即時控制與量子錯誤修正，建構一套完善的工具組合。

兩大模型為量子運算帶來突破

NVDIA Ising包含兩項關鍵模型：Ising Calibration與Ising Decoding；Ising Calibration是可快速解讀及回應量子處理器測量結果的視覺模型，可透過AI代理自動化執行持續校準，並將所需時間自數天縮短為數小時；Ising Decoding則是一項3D捲積神經模型，透過兩種針對速度或準確度最佳化的版本在執行量子錯誤修正時提供即時解碼。

已獲全球研究、學術與量子企業採用

Atom Computing、中央研究院、 EeroQ 、Conductor Quantum、 費米國家加速器實驗室 、哈佛大學約翰．保爾森工程與應用科學學院、Infleqtion、IonQ、IQM Quantum Computers、 勞倫斯伯克利國家實驗室先進量子測試平台 、Q-CTRL以及英國國家物理實驗室(NPL)均已導入Ising Calibration。

Ising Decoding則獲得包括康乃爾大學、 EdenCode 、Infleqtion、IQM Quantum Computers、Quantum Elements、桑迪亞國家實驗室、SEEQC、加州大學聖地牙哥分校、加州大學聖塔芭芭拉分校、芝加哥大學、南加州大學與延世大學導入。

NVIDIA 於世界量子日宣布推出全球首款開源量子 AI 模型系列「NVIDIA Ising」，透過 AI 技術解決量子校準與錯誤更正問題，將校準時間從數天縮短至數小時。

為了響應世界量子日 (World Quantum Day)，NVIDIA今日 (4/17)宣布推出全球首款專為建構量子處理器 (QPU) 所設計的開源人工智慧模型系列——「NVIDIA Ising」。NVIDIA強調，量子運算要邁向百萬級量子位元 (Qubit)的實用化階段，最大的挑戰在於解決量子雜訊問題，而量子工作負載本質上就是「AI工作負載」，因此必須仰賴AI來驅動解碼、控制與錯誤更正。

突破人工校準瓶頸：Ising Calibration (量子硬體校準)

現今的量子位元極度容易受到雜訊干擾，加上物理特性並不穩定。傳統上，即便只是校準50到100個量子位元，依然需要物理專家耗費數天的時間進行手動微調，這在擴展至數千或數百萬個量子位元時是完全不切實際的。

為了解決這個問題，NVIDIA推出名為「Ising Calibration」開源模型。

• 視覺語言模型架構：這是一款參數規模達350億的視覺語言模型 (VLM)，能夠直接讀取QPU的測量數據，並且自動進行校準。

• 輕量且高效：相較於現有替代方案，其模型體積縮小15倍，卻能在包含6項指標的校準基準測試中達到世界最佳效能表現。

• 大幅縮短時間：能將原本需要人類專家花費「數天」的校準時間，大幅壓縮至「數小時」內完成。

▲NVIDIA推出名為「Ising Calibration」開源模型，能將原本需要人類專家花費「數天」的量子校準時間，大幅壓縮至「數小時」內完成

強化錯誤更正效率：Ising Decoding (量子解碼)

在量子錯誤更正 (QEC) 方面，系統需要在極短的時間內處理高達TB級別的龐大資料，這對運算速度與準確度提出嚴苛的要求。

「Ising Decoding」採用卷積神經網路 (CNN)架構，專為量子錯誤更正而生。NVIDIA針對不同的應用情境提供了兩種變體模型：

• 追求極致速度：針對速度優化的版本，其運作速度比目前的業界標準 (Pine-marten)快上2.5倍。

• 追求極致精準：針對準確度優化的版本，其準確度更是現有標準的3倍。

除此之外，該模型在訓練時所需準備的資料量也大幅減少10倍，這對於資源昂貴的量子研究環境而言是一大福音。

▲「Ising Decoding」採用卷積神經網路 (CNN)架構，專為量子錯誤更正而生▲NVIDIA認為量子運算工作流程，實際上與AI運作流程相同

擁抱開源生態系，結合NVIDIA既有量子平台

NVIDIA Ising並非封閉系統，而是一個完整的「開源模型家族」。NVIDIA不僅釋出模型本身，還同步提供微調 (Fine-Tuning)、量化 (Quantization)、推論工作流程的指引內容 (Cookbook)，以及相關的開源研究論文與基準測試數據，讓生態系夥伴與研究人員能針對各自特製的硬體進行客製化與微調。

▲NVIDIA不僅釋出模型本身，還同步提供微調 (Fine-Tuning)、量化 (Quantization)、推論工作流程的指引內容 (Cookbook)，以及相關的開源研究論文與基準測試數據，讓生態系夥伴與研究人員能針對各自特製的硬體進行客製化與微調

同時，NVIDIA Ising也深度整合NVIDIA Open Quantum Platform的既有資源，包含Quantum-GPU平台CUDA-Q、提供GPU加速運算的cuQuantum，以及用於低延遲整合的NVQLink參考架構。透過cuQuantum，即便是尚未取得昂貴實體量子硬體的開發者，也能夠過GPU模擬環境來進行合成數據的訓練與開發，進一步實現量子運算的民主化。

目前，NVIDIA Ising已經獲得量子運算生態系的廣泛採用，包含勞倫斯伯克利國家實驗室、哈佛大學、IonQ、IQM、Atom Computing等眾多頂尖研究機構與企業，都已經將Ising模型導入其校準與解碼的研發工作流程中。

小結：NVIDIA正以AI優勢，奠定未來混合超級運算的軟體底層

面對量子運算這項充滿不確定性的前瞻技術，NVIDIA正利用其在AI領域的絕對主導地位，試圖解決量子硬體發展中最棘手的「控制」與「除錯」問題。透過將Ising模型開源，NVIDIA實質上正在為未來的「量子-GPU 混合超級運算」建立一套難以撼動的基礎軟體標準與生態系。

▲NVIDIA正利用其在AI領域的絕對主導地位，試圖解決量子硬體發展中最棘手的「控制」與「除錯」問題。透過將Ising模型開源，NVIDIA實質上正在為未來的「量子-GPU 混合超級運算」建立一套難以撼動的基礎軟體標準與生態系