英伟达最新的开源动作瞄准了量子计算领域，推出了全球首个开源的量子AI模型家族——NVIDIA Ising。
这个家族主要包含两大核心组件：
- Ising Calibration（校准）：一个拥有350亿参数的视觉语言模型（VLM）。它的能力在于快速解读来自量子处理器的测量结果并做出反应。借助这个模型构建的智能体，能将原本需要数天的量子系统校准工作，缩短到几个小时。
- Ising Decoding（解码）：一个基于3D卷积神经网络（CNN）的框架，用于实现量子纠错中的实时解码。它提供了分别针对速度和精度优化的两个版本。根据英伟达的数据，与当前开源的行业标准
pyMatching相比，Ising Decoding在速度上最快可提升2.5倍，同时精度高出3倍。
英伟达表示，Ising系列模型极大地简化了对复杂物理系统的理解，为量子纠错和校准提供了高性能、可扩展的AI工具。而这两点，正是构建混合量子-经典系统时最关键的挑战。
黄仁勋对此寄予厚望，他认为：“AI对量子计算的实用化至关重要。有了Ising，AI将成为量子计算机的操作系统，将脆弱的量子比特转变为可扩展且可靠的量子-GPU系统。”
量子计算实用化的关键：用AI对抗错误
谈及量子计算的实用化，业内常戏称存在“5年魔咒”——总说下一个5年就能实现规模化，但5年又5年过去了，目标依然遥远。
其中一个核心难点在于，量子计算机极其容易出错。目前最先进的量子处理器，每进行1000次操作就可能出错一次。然而，要实现规模化应用，错误率必须降到万亿分之一甚至更低。因此，在错误累积之前进行实时校准和纠错，变得至关重要。英伟达相信，AI是突破这一瓶颈最有希望的途径。
NVIDIA Ising Calibration：让AI理解量子实验
Ising Calibration作为一个大型视觉语言模型，能够理解量子科学实验的输出结果，并对比实际结果与预期趋势。它可以被集成到智能体工作流中，对量子处理器的测量做出响应，并主动执行校准任务。
该模型的训练数据涵盖了多种量子比特模态，包括超导量子比特、量子点、离子、中性原子等。为了验证其有效性，英伟达与费米实验室、哈佛大学等合作伙伴共同开发了 QcalEval基准——这是世界上首个用于评估量子计算机校准智能体的基准。
评估结果显示，350亿参数的 Ising-Calibration-1 在解释实验结果、分类结果、评估结果重要性、评估拟合质量和关键特征以及生成可行性建议这六个维度上，平均得分达到了业界领先水平，超越了Gemini 3.1 Pro、Claude Opus 4.6等顶级闭源模型。这标志着AI在理解和操控量子系统方面迈出了坚实一步，是人工智能技术向纵深发展的一个例证。
NVIDIA Ising Decoding：用3D CNN实现实时纠错
Ising Decoding是一个基于3D CNN的AI训练框架和模型集合，专门用于应对量子纠错中要求极高的实时解码任务。它扮演着“预解码器”的角色，通过在空间和时间维度上扩展，处理大量局部的“综合征”错误，从而加速并提高全局解码器的准确性。
用户只需定义噪声模型、旋转表面码的方向和模型深度，Ising Decoding框架就能自动生成合成数据，并训练出针对特定任务优化的3D CNN模型。
英伟达在HuggingFace上开源了两个基础模型实例：
- 针对速度优化的 Fast模型：参数量约为91.2万，层数少、体积小，可在GPU上高效运行。与单独的
pyMatching方案相比，它能带来2.5倍的加速，同时将准确率提升至原来的1.11倍。
- 针对准确率优化的 Accurate模型：参数量约为179万。相比Fast模型，它能纠正更长的错误链，当然运行时间也会相应增加。采用
Ising-Decoder-SurfaceCode-1-Accurate + pyMatching的方案，速度是单独使用pyMatching的2.25倍，准确率则能达到其1.53倍。
值得一提的是，Ising系列模型采用Apache-2.0协议开源，这是一个对商业应用非常友好的宽松许可证。
关于命名，“Ising”来源于统计物理学中经典的伊辛模型（Ising Model），该模型是研究相变和临界现象的基础，广泛应用于物理、化学乃至社会科学领域。用此命名，也体现了该AI模型旨在理解和处理复杂系统内在规律的目标。
业界反响与未来布局
英伟达此次在量子计算领域的大手笔开源，迅速引起了业界关注。有网友评论道：“官方英伟达发布量产量子工具链的时刻，正是那些一直假装后量子问题是2030年以后的协议设计者们开始手忙脚乱的时候。”
回顾黄仁勋的论断，“AI将成为量子计算机的操作系统”，那么通过开源在量子软件生态中抢先卡位，无疑是英伟达为未来布局投下的关键一子。这不再局限于硬件优势，而是从软件和底层逻辑的层面开始构建影响力。
对于开发者社区和研究者而言，这无疑提供了强大的新AI工具。如果你想深入了解或获取这些模型，可以访问下方的开源地址。
开源地址：
参考链接：
发表于 2 小时前
|
查看: 4|
回复: 0
