作者 | Daniel Dominguez

譯者 | 田橙

NVIDIA 宣布推出一系列名為 NVIDIA Ising 的開源模型，用于解決量子處理器校準和量子糾錯問題。這是當前量子系統(tǒng)規(guī)?；媾R的兩大工程挑戰(zhàn)，因為量子比特中的噪聲和不穩(wěn)定性會降低計算的可靠性。Ising 模型的目標是利用機器學習自動化這一過程的部分環(huán)節(jié)，從而加快校準周期，并在運行過程中更高效地進行量子錯誤解碼。

Ising 系列包括兩個主要組件。校準模型是一個視覺 - 語言系統(tǒng)，可解讀來自量子硬件的測量數(shù)據(jù)，并在接近實時的情況下調(diào)整參數(shù)，從而減少人工干預并縮短校準周期。解碼模型基于 3D 卷積神經(jīng)網(wǎng)絡，用于處理量子糾錯中的錯誤綜合信息，并提供針對延遲或精度優(yōu)化的不同版本。根據(jù) NVIDIA 的說法，這些模型在速度和準確性上都優(yōu)于現(xiàn)有方法（如 pyMatching），從而使實時量子糾錯工作流更具可行性。

這些模型以開源形式發(fā)布，可以在本地部署，也可以根據(jù)特定的量子硬件環(huán)境進行調(diào)整。NVIDIA 還提供了配套的數(shù)據(jù)集、工作流示例以及 NIM 微服務，幫助開發(fā)者集成和微調(diào)這些模型。該系統(tǒng)還與 CUDA-Q 集成，用于量子 - 經(jīng)典混合編程，并通過 NVQLink 將量子處理器與 GPU 連接起來，使糾錯和控制循環(huán)可以與經(jīng)典計算任務并行運行。

與量子生態(tài)中的其他方法相比，NVIDIA Ising 體現(xiàn)出一種轉變：從依賴基于物理或啟發(fā)式的方法，轉向使用通用 AI 模型來進行控制和糾錯。像 pyMatching 這樣的傳統(tǒng)工具以及其他解碼庫雖然經(jīng)過高度優(yōu)化，但通常是靜態(tài)的，需要針對不同的硬件拓撲進行手動調(diào)優(yōu)。相比之下，Ising 使用可學習的模型，可以適應不同的噪聲模式和系統(tǒng)配置。包括 IBM 和 Google 在內(nèi)的其他廠商也在內(nèi)部探索使用機器學習進行量子糾錯，但這些工作通常與其專有硬件棧緊密綁定，而 NVIDIA 則將 Ising 定位為一個與硬件無關的開源模型層，可跨平臺集成。

社區(qū)的早期反饋既關注其潛力，也關注實際挑戰(zhàn)。一些研究人員認為，這一發(fā)布是邁向讓量子系統(tǒng)更具可編程性的一步，并指出基于 AI 的校準有望降低維護量子設備的運維成本。

用戶 Adel Bucetta 表示：

很多人覺得 AI 只是幫你把代碼寫得更好，但真正的突破，是它在重新定義“什么變得可能”：誰能參與構建量子處理器，以及它到底可以怎么被做出來、怎么運行。

也有人提出了泛化能力方面的疑問，尤其是針對特定硬件環(huán)境訓練的模型，是否能夠有效遷移到不同架構上。

AI 戰(zhàn)略專家 Wefaq Ahmad 在 X 上評論道：

NVIDIA 這是把量子比特的手動調(diào)參變成自動校準了。如果 Ising 真能把校準從幾天壓到幾小時，那量子計算的科研時代，是不是要翻篇了？

此外，還有關于延遲約束的討論，因為實時糾錯需要量子硬件與經(jīng)典計算系統(tǒng)之間的緊密協(xié)同?？傮w來看，反饋體現(xiàn)出一種謹慎的興趣，重點關注基準測試結果以及這些模型在受控環(huán)境之外的表現(xiàn)。

https://www.infoq.com/news/2026/04/nvidia-ising-quantum/

聲明：本文為 InfoQ 翻譯，未經(jīng)許可禁止轉載。

會議推薦

世界模型的下一個突破在哪？Agent 從 Demo 到工程化還差什么？安全與可信這道坎怎么過？研發(fā)體系不重構，還能撐多久？

AICon 上海站 2026，4 大核心專題等你來：世界模型與多模態(tài)智能突破、Agent 架構與工程化實踐、Agent 安全與可信治理、企業(yè)級研發(fā)體系重構。14 個專題全面開放征稿。

誠摯邀請你登臺分享實戰(zhàn)經(jīng)驗。AICon 2026，期待與你同行。

今日薦文

你也「在看」嗎？