نماذج NVIDIA Ising للذكاء الاصطناعي تستهدف أكبر عيب في الحوسبة الكمومية

داريوس باروو 14 أبريل 2026 15:11

أطلقت NVIDIA نماذج Ising مفتوحة المصدر قائمة على الذكاء الاصطناعي التي توفر تصحيح أخطاء كمومية أسرع بـ 2.5 مرة ودقة أفضل بـ 3 مرات، مما قد يسرع من تطوير الأنظمة الكمومية المتسامحة مع الأخطاء.

نماذج NVIDIA Ising للذكاء الاصطناعي تستهدف أكبر عيب في الحوسبة الكمومية

أطلقت NVIDIA أولى نماذجها مفتوحة المصدر قائمة على الذكاء الاصطناعي المصممة خصيصًا لحل المشكلة الأساسية في الحوسبة الكمومية: البتات الكمومية التي تفشل تقريبًا مرة واحدة كل ألف عملية. تقدم عائلة نماذج Ising، التي أُعلن عنها في 14 أبريل 2026، تصحيح أخطاء أسرع بـ 2.5 مرة ودقة تصل إلى 3 مرات أكثر من الطرق الحالية.

يحتاج معدل الخطأ هذا إلى الانخفاض إلى واحد من تريليون قبل أن تصبح أجهزة الكمبيوتر الكمومية مفيدة حقًا لتطبيقات المؤسسات. تراهن NVIDIA على أن الذكاء الاصطناعي يمكنه سد هذه الفجوة.

نموذجان، مشكلة واحدة

يُطلق Ising بمكونين متخصصين. نموذج المعايرة هو نموذج رؤية ولغة بـ 35 مليار معلمة يقوم بأتمتة عملية ضبط المعالجات الكمومية المملة. في معيار QCalEval الجديد من NVIDIA - أول اختبار موحد للذكاء الاصطناعي للمعايرة الكمومية - تفوق Ising-Calibration-1 على Gemini 3.1 Pro بنسبة 3.27%، وعلى Claude Opus 4.6 بنسبة 9.68%، وعلى GPT 5.4 بنسبة 14.5%.

تتعامل نماذج فك الترميز مع تصحيح الأخطاء في الوقت الفعلي باستخدام شبكات عصبية التفافية ثلاثية الأبعاد. يحقق البديل "الدقيق" المقترن بـ PyMatching 2.33 ميكروثانية لكل جولة على أجهزة GB300 مع تحسين معدلات الخطأ المنطقي بمقدار 1.53 مرة. يتبادل البديل "السريع" بعض الدقة مقابل السرعة، محققًا 0.11 ميكروثانية لكل جولة عبر 13 وحدة معالجة رسومات GB300.

لماذا هذا مهم للتطوير الكمومي

تتطلب الأنظمة الكمومية الحالية تدخلًا مستمرًا من أجهزة الكمبيوتر الكلاسيكية لتصحيح الأخطاء قبل أن تتفاقم. هذا أمر شاق حسابيًا. نهج NVIDIA يخلق بشكل أساسي مستوى تحكم قائمة على الذكاء الاصطناعي يمكن أن يتوسع جنبًا إلى جنب مع تحسينات الأجهزة الكمومية.

درّبت الشركة Ising-Calibration-1 على بيانات من شركاء يعملون عبر أنواع متعددة من البتات الكمومية: البتات الكمومية فائقة التوصيل، والنقاط الكمومية، والأيونات، والذرات المحايدة، والإلكترونات على الهيليوم. يشير هذا الاتساع إلى أن النماذج يجب أن تُعمم عبر بنى كمومية مختلفة بدلاً من أن تكون مقفلة على نهج بائع واحد.

يشمل المتبنون الأوائل جامعة هارفارد، ومختبر فيرمي الوطني للمسرعات، وشركة IQM Quantum Computers، والمختبر الفيزيائي الوطني في المملكة المتحدة. أكاديميا سينيكا أيضًا على متن الطائرة.

مفتوح المصدر مع شروط

يتم شحن كل شيء بموجب ترخيص النموذج المفتوح من NVIDIA: الأوزان، وأطر التدريب، وأدوات توليد البيانات الاصطناعية، ووصفات النشر. يمكن لبناة QPU ضبط خصائص ضوضاء الأجهزة المحددة الخاصة بهم مع الحفاظ على البيانات الخاصة في الموقع.

يستخدم إطار التدريب مكتبة cuQuantum و cuStabilizer من NVIDIA لتوليد بيانات اصطناعية فورًا أثناء تدريب PyTorch. نقاط التفتيش المدربة مسبقًا متاحة على Hugging Face، مع إمكانية الوصول إلى نموذج المعايرة أيضًا من خلال منصات NVIDIA NIM و Build.

بالنسبة للفرق التي تبني أنظمة هجينة كمومية-GPU، يتكامل Ising مع منصة برمجيات CUDA-Q الحالية من NVIDIA وربط الأجهزة NVQLink. تم بناء واجهة برمجة تطبيقات جديدة في الوقت الفعلي على CUDA-Q QEC و CUDAQ-Realtime.

يظل الجدول الزمني للحوسبة الكمومية للاستخدام العملي غير مؤكد، لكن NVIDIA تضع نفسها بوضوح كطبقة البنية التحتية لأي شيء يظهر. مع قيمة سوقية لـ NVDA تبلغ 4.67 تريليون دولار، تمتلك الشركة موارد للعب لعبة طويلة على الحوسبة الكمومية بينما يواصل عمل GPU الخاص بها طباعة الأموال من طلب قائمة على الذكاء الاصطناعي.

مصدر الصورة: Shutterstock