NVIDIA Ising: Как ИИ пытается спасти квантовые компьютеры от самих себя
Пока мир ждет того момента, когда квантовые вычисления наконец решат все проблемы человечества, сами квантовые процессоры продолжают страдать от «детских болезней». Они слишком чувствительны, слишком шумные и склонны ошибаться буквально на каждом шагу. Компания Дженсена Хуанга (Jensen Huang), которая уже давно превратилась из производителя «железа» для геймеров в главного архитектора ИИ-революции, решила, что лучший способ укротить капризные кубиты — это натравить на них нейросети. Так появилась Ising — первая в мире открытая платформа для создания ИИ-моделей, ориентированных на квантовые вычисления.
Проблема тысячи ошибок
Головная боль современных квантовых систем — это декогеренция и шум. Сегодняшние квантовые процессоры допускают ошибки примерно один раз на тысячу операций. Для сравнения: ваш смартфон или ноутбук может выполнять миллиарды операций без единого сбоя. Чтобы квантовые компьютеры стали действительно полезными для запуска сложных алгоритмов, этот показатель нужно улучшить на несколько порядков. Проблема в том, что традиционные методы калибровки и коррекции ошибок занимают слишком много времени и ресурсов.
Платформа Ising предлагает исследователям не просто набор инструментов, а две специализированные модели, которые можно настраивать под конкретное железо. Первая из них — Ising Calibration. Это модель обработки визуального языка (VLM), которая умеет мгновенно интерпретировать данные, поступающие от квантового процессора. Если раньше процесс калибровки системы мог длиться днями, то с помощью агентов ИИ это время сокращается до нескольких часов. Фактически, ИИ берет на себя роль лаборанта, который непрерывно подстраивает систему для поддержания ее работоспособности.
Быстрее и точнее, чем стандарты
Вторая составляющая платформы — Ising Decoding. Это вариация трехмерной сверточной нейросети, созданная для декодирования ошибок в реальном времени. NVIDIA предлагает два варианта этой модели: один оптимизирован под максимальную скорость, другой — под высочайшую точность. Результаты выглядят убедительно даже на бумаге. Согласно официальным данным, модели Ising работают до 2.5 раза быстрее и в 3 раза точнее, чем pyMatching — нынешний отраслевой стандарт с открытым кодом.
Для индустрии это означает, что разрыв между теоретическими возможностями квантовых вычислений и их практическим применением начинает сокращаться. NVIDIA не пытается построить собственный квантовый компьютер в классическом понимании, но она создает программную «основу», без которой это железо останется лишь дорогими игрушками в лабораториях. Открытость платформы позволяет другим компаниям интегрировать эти решения в свои наработки, что потенциально ускорит появление устройств, способных работать с реальным ИИ-софтом.
Это логический шаг для компании, которая уже доминирует на рынке ускорителей. Использование экосистемы NVIDIA Quantum становится для исследователей путем наименьшего сопротивления. Ведь если вы уже используете их GPU для обучения моделей, почему бы не использовать их же алгоритмы для устранения ошибок в вашем экспериментальном квантовом процессоре?
Пока NVIDIA оптимизирует квантовые вычисления, другие технологические гиганты ищут способы упростить коммуникацию с пользователями. Например, проект Starlink заменяет операторов поддержки на искусственный интеллект Grok, что еще раз подтверждает тренд на тотальную автоматизацию сложных процессов.