NVIDIA Ising AI 模型针对量子计算最大缺陷

Darius Baruo 2026年4月14日 15:11

NVIDIA 推出 Ising 开源 AI 模型，提供快 2.5 倍的量子纠错速度和 3 倍更高的准确性，有望加速容错量子系统的发展。

NVIDIA 发布了首个专门设计用于解决量子计算根本问题的开源 AI 模型：量子位大约每千次操作就会失败一次。Ising 模型系列于 2026 年 4 月 14 日宣布，提供比现有方法快 2.5 倍且准确度高达 3 倍的纠错功能。

在量子计算机对企业应用真正有用之前，错误率需要降至万亿分之一。NVIDIA 押注 AI 能够弥合这一差距。

两个模型，一个问题

Ising 推出两个专门组件。校准模型是一个 350 亿参数的视觉语言模型，可自动化调校量子处理器的繁琐过程。在 NVIDIA 全新的 QCalEval 基准测试——首个量子校准 AI 标准化测试中，Ising-Calibration-1 的表现比 Gemini 3.1 Pro 高出 3.27%，比 Claude Opus 4.6 高出 9.68%，比 GPT 5.4 高出 14.5%。

解码模型使用 3D 卷积神经网络处理实时纠错。"准确"变体与 PyMatching 配对在 GB300 硬件上每轮实现 2.33 微秒，同时将逻辑错误率提升 1.53 倍。"快速"变体牺牲部分准确性以换取速度，在 13 个 GB300 GPU 上每轮达到 0.11 微秒。

为何对量子开发至关重要

当前的量子系统需要经典计算机不断干预以在错误级联之前纠正它们。这在计算上非常残酷。NVIDIA 的方法本质上创建了一个由 AI 驱动的控制平面，可以随着量子硬件改进而扩展。

该公司使用来自合作伙伴的数据训练 Ising-Calibration-1，这些合作伙伴涉及多种量子位类型：超导量子位、量子点、离子、中性原子和氦上电子。这种广度表明模型应该能够在不同量子架构中通用，而不是锁定在一家供应商的方法上。

早期采用者包括哈佛大学、费米国家加速器实验室、IQM 量子计算机和英国国家物理实验室。中央研究院也加入其中。

有条件的开源

所有内容都在 NVIDIA 的开放模型许可下发布：权重、训练框架、合成数据生成工具和部署配方。QPU 构建者可以针对其特定硬件噪声特性进行微调，同时将专有数据保留在现场。

训练框架使用 NVIDIA 的 cuQuantum 库和 cuStabilizer 在 PyTorch 训练期间即时生成合成数据。预训练检查点可在 Hugging Face 上获得，校准模型也可通过 NVIDIA NIM 和 Build 平台访问。

对于构建量子-GPU 混合系统的团队，Ising 与 NVIDIA 现有的 CUDA-Q 软件平台和 NVQLink 硬件互连集成。实时 API 基于 CUDA-Q QEC 和 CUDAQ-Realtime 构建。

量子计算实现实际应用的时间表仍不确定，但 NVIDIA 显然将自己定位为任何新兴事物的基础设施层。NVDA 市值达到 4.67 万亿美元，该公司有资源在量子领域长期布局，同时其 GPU 业务继续从 AI 需求中赚取大量收入。

• nvidia
• 量子计算
• 人工智能
• ising
• 纠错