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