- NVIDIA Isingは、量子プロセッサにおけるキャリブレーションとエラー訂正のためのオープンAIモデル群です。
- これには、イジングキャリブレーション、35BパラメータのVLM、イジングデコーディングが含まれており、3DネットワークはpyMatchingよりも最大2,5倍高速で、3倍正確です。
- これらのモデルはCUDA-QおよびNVQLinkと統合され、AIをハイブリッドQPU-GPUシステムの制御プレーンへと変える。
- データとツールを活用したオープンなアプローチは、標準化を推進し、実用的な量子ハードウェアの登場を加速させる。
量子コンピューティングは、最も有望な技術分野の1つであると同時に、実用化するのが極めて難しい分野でもある。Googleのような企業は、 ヤナギのチップIBMは大きな進歩を遂げた。 物理的なボトルネック、騒音、およびエンジニアリング上の課題 それらは依然として巨大であり、業界での実際の導入を妨げている。
こうした背景から、NVIDIA Isingが登場しました。これは、地味ながらも極めて重要な問題に直接的に取り組む、オープンソースの人工知能モデルの新しいファミリーです。 量子プロセッサのキャリブレーションとエラーの系統的補正これは単なる実験ではなく、AIを量子マシンの「制御プレーン」に変え、実用的な量子コンピューティングを真に実現させるための戦略的な賭けなのです。
NVIDIA Isingとは何ですか？また、なぜそのように呼ばれるのですか？
NVIDIA Isingは、オープンソースのAIモデル群です。 量子プロセッサ（QPU）やハイブリッド量子古典システムと連携して動作するように設計されたこのシステムの主な目的は、現在膨大な時間と人的資源を消費している2つのタスク、すなわちQPUの継続的なキャリブレーションとリアルタイム量子誤り訂正のための復号化を自動化および最適化することである。
イジングという名前はマーケティング上の気まぐれではなく、 イジングモデルイジングモデルは、磁気相互作用を持つ粒子系を研究するために1925年にエルンスト・イジングによって開発された古典的な数学モデルです。このモデルは、相転移や複雑な物質の挙動を理解するための統計物理学の基礎であり、また、 量子コンピューティングにおける困難な最適化問題NVIDIAはこの概念を比喩として捉え、非常に複雑な物理システムを、適切に設計されたモデルによって簡素化するという考え方を採用している。
実際には、イジングは単一のモデルではなく、 モデル、ツール、データ、ワークフローの完全なセット さまざまなタイプの量子ハードウェアに適応できます。特にNVIDIAスタックと自然に統合されます。 CUDA-Q （ハイブリッド量子古典コンピューティング用ソフトウェアプラットフォーム）と相互接続 NVQリンクこれは、QPUとGPUを直接接続することで、エラー制御と訂正における遅延を最小限に抑えるものです。
さらに、NVIDIA Isingはオープンで再利用可能な技術として提供されています。 これらのモデルはオープンソースであり、寛容なライセンスで提供されています。これにより、研究所、企業、研究センターは、それらをダウンロードしてローカルで実行し、独自のアーキテクチャに合わせて微調整し、外部サービスに依存することなく、必要に応じてプライベートデータを完全に制御できるようになります。
NVIDIAのモデルエコシステムにおいて、イジングはどのような位置づけになるのでしょうか？
イジングは一人で到着するのではなく、 NVIDIAのより広範な戦略である、垂直統合型AIモデルの構築 特定の技術分野向け。同社は既に、さまざまな分野に対応した複数の製品ファミリーを展開している。 ネモトロン エージェント型AIシステムの場合、 コスモス 物理AIの場合、 アイザック ロボット工学のために、 クララ y バイオネモ 生物医学のために、 アポロ AI物理学または アルパマヨ 自動運転車などにも使用される。
NVIDIAはIsingにおいて、同じ論理を量子世界に適用している。 生産準備済みのモデルを提供する これは、高度に専門化された技術スタックの重要なポイントを網羅するものです。単にハードウェアやスタンドアロンのライブラリを提供するのではなく、実験的な技術を実用的なシステムへと変換する、AI、データ、ツールの包括的なパッケージを提供するというアプローチです。
この垂直的なアプローチには明確な解釈がある。 NVIDIAは、量子コンピューティングとGPUアクセラレーションによる古典コンピューティングの架け橋となる存在として自らを位置づけたいと考えている。彼らは「量子チップ」を販売するのではなく、それらのチップを現実世界の条件下で動作させ、拡張することを可能にするソフトウェアとAIレイヤーを制御することに重点を置いている。
量子力学の真の問題点：ノイズ、制御、そして繰り返し
量子コンピューティングについて議論する際、通常は量子ビットの数やいわゆる「量子超越性」に焦点が当てられるが、ボトルネックは別のところにある。 量子ビットを安定させ、較正し、エラー率を管理可能な範囲に保つ重ね合わせとエンタングルメントの状態にある量子ビットは、環境ノイズに非常に敏感です。 temperatura振動、ハードウェアの不具合などによるもの。
NVIDIAによると、またサム・スタンウィック氏（同社の量子製品担当ディレクター）などの業界関係者によっても確認されているように、 現在最も優れた量子プロセッサは、1000回の演算につき約1回のエラーを発生する。これは印象的に聞こえるかもしれないが、高価値で実用的なアプリケーションに必要なレベルには程遠い。実用アプリケーションでは、エラー率を大幅に削減し、理想的には10億回の操作につき1回、あるいはそれ以下に抑える必要がある。このような状況は、次のような企業の発展にも表れている。 IBM そして、同分野におけるその他の主要プレーヤー。
その信頼性を実現するには、単に量子ビット数を増やすだけでは不十分です。必要なのは… 量子誤り訂正と継続的なハードウェア校正これには、非常に要求の厳しい古典的な復号アルゴリズムを用いて、テラバイト規模の量子ビット測定値を「毎秒数千回」処理すると同時に、量子プロセッサのパラメータをほぼ継続的に調整して最適な状態を維持することが含まれる。
これまで、その作業は 物理学者のチームが手動でパラメータを調整する 高価で、遅く、拡張性に欠ける、比較的単純な自動化システムだが、プロトタイプが大きくなるにつれて不十分になる。量子ビット数の増加ごとに、運用上の複雑さが劇的に増大する。まさにここで NVIDIA Isingは、システムの運用における「面倒な作業」に焦点を当てている。試作品の美しい写真には賛成できない。
イジング較正：研究室が「読み取る」モデル
家族の最初の主要なブロックは イジング校正、ビジョン言語モデル（VLM） 35.000 億のパラメータ 量子プロセッサから出力される測定値を迅速に解釈し、どのように調整するかを決定するように設計されている。
このVLMは、 QPUからの実験データの理解 （グラフ、曲線、パラメータスイープ結果など）をキャリブレーションアクションに変換します。どのコンポーネントを調整するか、どの範囲を探索するか、どのパラメータを最適化するか、そしてその順序は？重要なのは精度だけでなく、簡単に統合できることです。 AIエージェントこれにより、継続的な人的介入なしにエンドツーエンドのキャリブレーションフローを構築することが可能になります。
NVIDIAによると、イジングキャリブレーションは これまで数日かかっていた手作業による校正プロセスをわずか数時間に短縮するさらに、プロセッサが時間とともにずれても、継続的に再調整する機能を備えています。これにより、これまでほぼ完全に手作業で行われていた作業が、工業的に自動化され、再現性と測定可能性を備えたプロセスへと変革されます。
重要な根本的なポイントは、AIが装飾品ではなくなり、 量子実験室の「神経系」このモデルは、何が起こっているかを監視し、調整を提案し、専門家チームが常に手作業で微調整する必要なく、ハードウェアの応答を調整します。
Ising Calibrationは、すでに以下のような組織で実用化されています。 アトムコンピューティング、中央研究院、EeroQ、導体量子、フェルミラボ、ハーバード SEAS、インフレクション、IonQ、IQM 量子コンピュータ、 ローレンス・バークレー国立研究所の先端量子実験施設, Q-CTRL O·エル 英国国立物理研究所その他にも、こうした早期導入事例は、これが単なる実験室の試作品ではなく、即座に運用に影響を与えるツールであることを示している。
イジング復号：エラーとの戦いに勝利するための3Dネットワーク
もう一つの主要な構成要素は イジング復号物語全体の中で恐らく最も重要な部分に焦点を当てた。 リアルタイム量子誤り訂正のための復号ここでのプレッシャーは非常に大きい。修正が遅れると、システムは有用な機能を発揮する前に劣化してしまうからだ。
イジング復号は以下から構成される 3D畳み込みニューラルネットワークモデルの2つのバリアント （3D CNN）は「プリデコーダー」として設計されています。バリアントの1つは、 最大速度一方、もう一方は 最高精度これにより、実験の種類や利用可能なレイテンシの許容範囲に応じて選択できます。
これらのモデルは以下と連携します 表面コードと脱分極ノイズ任意の距離でのエラー症候群のデコードを可能にする。NVIDIA はまた、以下のトレーニング フレームワークも提供している。 PyTorchとCUDA-Q これにより、チームはモデルを他の種類のノイズや量子デバイスの特定の構成に合わせて調整できるようになります。
同社のデータによると、イジングデコーディングモデルは 最大2,5倍高速なパフォーマンスと最大3倍高い精度 約 pyMatchingこれまでで最も広く使われているオープンデコード規格です。これらの数値が実稼働環境で当てはまる場合、その影響は単なる見出しにとどまりません。低遅延と高精度は、 エラーの理解に費やす計算量を減らし、有用なアルゴリズムの実行にリソースをより多く割り当てる。.
イジング復号は、すでに以下のような機関によって実装またはテストされています。 コーネル大学、EdenCode、Infleqtion、IQM Quantum Computers、Quantum Elements、サンディア国立研究所、SEEQC、カリフォルニア大学サンディエゴ校、カリフォルニア大学サンタバーバラ校、シカゴ大学、南カリフォルニア大学 と 延世大学とりわけ、これは最終的にオープンな量子誤り復号の事実上の基準となる可能性があるという考えを裏付けるものである。
オープンソース、データ、トレーサビリティ：エコシステムへの取り組み
NVIDIA Isingの最も印象的な側面の1つは、生のパフォーマンスを超えて、 出版方法同社は単にモデルの重量を発表するだけでは済ませず、発売に合わせて 寛容なライセンス、出所に関する文書、トレーニング方法、データセット、およびツール それらを微調整し、定量化し、適応させるため。
このアプローチには非常に明確な解釈があります。量子コンピューティングが孤立した研究室やカスタムメイドのプロトタイプの段階を超えようとするならば、 オープンで再利用可能な事実上の標準規格が必要であるこれまで、校正と誤差補正は各研究所のほぼ秘伝の手法であり、競争優位性の一部であった。履歴を含む完全なモデルを公開することで、ある程度の標準化が効果的に促進されるだろう。
イジングのモデルとリソースは以下で入手できます。 GitHub、Hugging Face、およびbuild.nvidia.comポータル生態系に加えて NVIDIA NIM マイクロサービスこれにより、これらのモデルをサービスとして展開およびカスタマイズし、既存のアーキテクチャに統合することが可能になります。NIMを使用すると、たとえば、Isingを特定のタイプのQPUや特定のワークフローに適応させる際に、最初から再学習する必要がなくなります。
注目すべきは ここでいう「オープン」は利他的という意味ではないNVIDIAにとって、Isingをオープンにすることは、採用を加速させ、学術機関や国立研究所における障壁を軽減すると同時に、自社のCUDA-Q + NVQLinkスタックをエコシステムの中心となる標準として確立する手段となる。Isingの利用が拡大すればするほど、次世代量子システムの中核となるNVIDIAのインフラストラクチャを避けることは難しくなるだろう。
QPU-GPUブリッジ：NVQLinkとレイテンシー問題
Isingは、NVIDIAが推進してきたアーキテクチャにぴったり合うように設計されており、 「量子GPUスーパーコンピューティング」。 一方では、 CUDA-Q これは、ハイブリッド量子古典コンピューティングを統括するソフトウェア層として機能します。一方、 NVQリンク これは、QPUとGPUを直接接続し、最小限の遅延でデータ交換や制御判断を行うためのハードウェア相互接続です。
理由は簡単です： 実用的な量子コンピューティングには、極めて高速な誤り訂正判断が不可欠である。復号化および較正モデルが量子ビットから送られてくる情報を処理するのに時間がかかりすぎると、修正措置が間に合わず、量子状態が劣化してしまう。1マイクロ秒でも短縮することが重要である。
NVIDIAは、AI処理の負荷が高い部分（キャリブレーション、デコード、制御）をQPUに直接接続されたGPUに移行させることで、自社製品の弱点を露呈させている。 レイテンシのクリティカルパス上これは、ある意味で、初期のコンピューティングの歴史で起こったことと似ています。決定的な飛躍はトランジスタの発明だけではなく、エコシステムの構築でした。 信頼性が高く再現性のある製造、工具、ソフトウェア、およびエラー修正.
量子力学では、その類推は明確です。運用上の「ミドルウェア」、つまり物理的なノイズを制御および修正の決定に変換する層を制御する者は、 最も素晴らしいプロセッサを自慢する人よりも、より多くの価値を獲得できるイジングはその劇の重要なピースであり、AIを実質的に 量子マシン向けオペレーティングシステム.
市場およびIT専門家への影響
NVIDIA Isingの発表は、技術面だけでなく財務面にも急速な影響を与えた。発表直後、 複数の量子ハードウェアおよびサービス企業の株価が大幅に上昇した。Investing.comが収集したデータによると、IonQは約14％、Rigetti Computingは12％、D-Wave Quantumは11％、Quantum Computing Inc.は9％近く上昇した。
これらの反応は、投資家がイジングを 量子ハードウェアの実用化までの期間を短縮するための手段分析会社Resonanceは、世界の量子コンピューティング市場が 11.000年には2030億ドルしかし、その成長は、拡張性、自動校正、耐障害性エラー訂正といった技術的な課題の解決に直接的に依存している。
IT組織、インフラ部門、データサイエンスチーム、ソフトウェア開発者にとって、Isingは業界の今後の方向性を示す明確な指標でもある。 高度に専門化されたAIと非常に特定の技術分野との融合他のデジタル変革と同様に、AIソリューションは各業界に合わせてますますカスタマイズされるようになるだろう。量子コンピューティングも例外ではない。
IQMのような企業は、イジングの使用を、 「エージェントのキャリブレーション」AIエージェントによって自動的にキャリブレーションが実行され、手動による介入の大部分が排除され、量子ハードウェアが次のような環境で動作できるようになるシステム。 AI工場 現場に量子専門家チームを配置する必要がなくなる。これは、この技術を扱うために必要な専門家のあり方を根本的に変える可能性を秘めている。
同時に、モデルとそのデータの公開は、 透明性の向上と再現可能なベンチマークの出現マーケティングが技術的な現実をしばしば凌駕してきた業界において、結果を比較するためのオープンなツールがあれば、「誇大広告」を減らし、真の進歩を加速させることができ、市場参加者はプレスリリースで約束したことをデータで証明せざるを得なくなる。
全体として見ると、NVIDIA Isingは単なる数個のAIモデル以上のものだ。 これは、人工知能を量子コンピュータの有効なオペレーティングシステムにしようとする試みである。キャリブレーションの自動化、エラー訂正の高速化、そしてNVIDIAのGPUとソフトウェアに密接に結びついたオープンなスタックの提供により、このアプローチは真に実用的な量子コンピューティングへの道のりを大幅に短縮し、これらのマシンの「頭脳」としてのAIの役割を確固たるものにする可能性がある。
バイトの世界とテクノロジー全般についての情熱的なライター。私は執筆を通じて自分の知識を共有するのが大好きです。このブログでは、ガジェット、ソフトウェア、ハードウェア、技術トレンドなどについて最も興味深いことをすべて紹介します。私の目標は、シンプルで楽しい方法でデジタル世界をナビゲートできるよう支援することです。