Η Nvidia παρουσίασε μια νέα οικογένεια μοντέλων Τεχνητής Νοημοσύνης ανοιχτού κώδικα με την ονομασία Ising, με στόχο να επιταχύνει την ανάπτυξη πρακτικών κβαντικών υπολογιστών.
Η ανακοίνωση έγινε με αφορμή την Παγκόσμια Ημέρα Κβαντικής και επικεντρώνεται στην αντιμετώπιση δύο από τα βασικότερα εμπόδια του κλάδου: τη διόρθωση σφαλμάτων και τη βαθμονόμηση των κβαντικών επεξεργαστών.
Η οικογένεια Ising περιλαμβάνει δύο βασικές κατηγορίες μοντέλων. Το Ising Calibration αξιοποιεί αρχιτεκτονική μοντέλου γλώσσας όρασης για την αυτοματοποίηση της συνεχούς ρύθμισης των κβαντικών επεξεργαστών, μειώνοντας δραστικά τον χρόνο που απαιτείται - από ημέρες σε ώρες.
Από την άλλη πλευρά, το Ising Decoding επικεντρώνεται στη διόρθωση σφαλμάτων, προσφέροντας δύο εκδόσεις ενός τρισδιάστατου συνελικτικού νευρωνικού δικτύου: μία που δίνει έμφαση στην ταχύτητα και μία που προτεραιοποιεί την ακρίβεια.
Σύμφωνα με την εταιρεία, η συνδυασμένη απόδοση των μοντέλων ξεπερνά σημαντικά τις υπάρχουσες λύσεις ανοιχτού κώδικα, όπως το PyMatching, επιτυγχάνοντας έως και 2,5 φορές ταχύτερη αποκωδικοποίηση και τριπλάσια ακρίβεια.
Η Nvidia υποστηρίζει ότι η Τεχνητή Νοημοσύνη αποτελεί κρίσιμο παράγοντα για τη μετάβαση της κβαντικής υπολογιστικής από το εργαστήριο σε εφαρμογές πραγματικού κόσμου, λειτουργώντας ως «επίπεδο ελέγχου» για τα εύθραυστα qubits.
Τα qubits, βασική μονάδα πληροφορίας στους κβαντικούς υπολογιστές, παραμένουν εξαιρετικά ευαίσθητα στον θόρυβο. Σήμερα, ακόμη και οι πιο προηγμένοι επεξεργαστές εμφανίζουν περίπου ένα σφάλμα ανά χίλιες λειτουργίες, ποσοστό που απέχει σημαντικά από το επίπεδο αξιοπιστίας που απαιτείται για εμπορική αξιοποίηση. Η βαθμονόμηση συμβάλλει στη μείωση αυτού του θορύβου, ενώ τα μοντέλα αποκωδικοποίησης εντοπίζουν και διορθώνουν σφάλματα σε πραγματικό χρόνο.
Το Ising Calibration έχει εκπαιδευτεί σε δεδομένα από πολλαπλές τεχνολογίες qubit, όπως υπεραγώγιμα συστήματα, παγιδευμένα ιόντα και ουδέτερα άτομα, επιτυγχάνοντας υψηλές επιδόσεις σε εξειδικευμένα benchmarks. Παράλληλα, η Nvidia συνοδεύει την κυκλοφορία με εργαλεία υποστήριξης, όπως οδηγούς ροών εργασίας, σύνολα δεδομένων και μικροϋπηρεσίες για προσαρμογή των μοντέλων σε διαφορετικά περιβάλλοντα υλικού.
Η σύγκλιση Τεχνητής Νοημοσύνης και κβαντικής υπολογιστικής ενισχύεται, καθώς οι δύο τεχνολογίες αλληλοσυμπληρώνονται. Παρά τις προοπτικές, οι υψηλές απαιτήσεις υποδομής - όπως η ανάγκη για ακραία ψύξη - εξακολουθούν να περιορίζουν τη διάδοση των κβαντικών συστημάτων. Ωστόσο, η αγορά αναμένεται να αναπτυχθεί δυναμικά τα επόμενα χρόνια, υποδηλώνοντας αυξανόμενο ενδιαφέρον και επενδύσεις στον τομέα.
