Ошибки убивали квантовые вычисления. NVIDIA поручила эту проблему искусственному интеллекту — и кажется, это сработало
NVIDIA представила семейство открытых ИИ-моделей Ising для двух самых тяжёлых задач квантовых вычислений: калибровки процессоров и исправления ошибок. Компания предлагает использовать их как управляющий слой, который помогает точнее настраивать квантовую систему и быстрее реагировать на сбои во время вычислений.
Проблема давно известна. Квантовый компьютер очень чувствителен к помехам. Даже небольшое внешнее воздействие или внутренняя нестабильность могут исказить результат. Именно поэтому квантовые машины пока трудно довести до уровня, на котором они уверенно тянут долгие и практически полезные задачи. Чем крупнее система, тем сложнее её настраивать и удерживать от ошибок.
Семейство Ising бьёт сразу по двум узким местам. Одна часть отвечает за калибровку, то есть за точную настройку квантового процессора перед запуском и во время экспериментов. Другая часть занимается декодированием ошибок: пытается по косвенным признакам понять, где начался сбой, и быстро внести исправление, пока операция не сорвалась.
Модель Ising Calibration построена на связке визуального и языкового анализа. ИИ одновременно разбирает изображения и числовые данные измерений. В случае квантового процессора речь идёт о показаниях, по которым можно понять, насколько точно настроена система. NVIDIA утверждает, что такой подход позволяет автоматизировать калибровку, которая раньше занимала дни, и сокращать её до часов. Для исследователей это не просто экономия времени. Быстрая перенастройка даёт возможность чаще запускать эксперименты и быстрее улучшать работу установки.
Вторая часть семейства, Ising Decoding, нацелена на исправление ошибок в реальном времени. Здесь используются трёхмерные свёрточные нейросети, которые обрабатывают сложные квантовые данные прямо во время вычислений. Задача по смыслу простая, но технически очень тяжёлая: как можно раньше заметить, что система начала сбоить, и как можно быстрее исправить ошибку. Для квантовой техники это критично, потому что при длинных вычислениях особенно важно сохранять когерентность, то есть согласованное квантовое состояние, без которого вычисление теряет смысл.
По данным NVIDIA, модели Ising дают до 2,5 раза более высокую скорость и в 3 раза лучшую точность при квантовой коррекции ошибок по сравнению с традиционными подходами. Компания считает это шагом к более надёжному квантовому оборудованию, которое можно масштабировать без резкого роста нестабильности.
В NVIDIA прямо связывают практическое будущее квантовых вычислений с ИИ. Дженсен Хуанг назвал искусственный интеллект необходимым условием для того, чтобы квантовые машины стали действительно полезными, а Ising описал как управляющий слой - фактически операционную систему для квантового оборудования.
Модели уже начали применять университеты, лаборатории и коммерческие компании, работающие с квантовыми технологиями. Среди первых пользователей NVIDIA называет Гарвард, Fermilab, Lawrence Berkeley National Laboratory и несколько частных квантовых фирм. Это показывает, что ИИ всё активнее входит не только в исследования, но и в повседневную работу с квантовыми системами.
Отдельно NVIDIA встраивает Ising в собственную экосистему. Семейство совместимо с платформой CUDA-Q и аппаратным интерконнектом NVQLink, который связывает квантовые процессоры с классическими GPU. Идея простая: квантовая и классическая части системы должны обмениваться данными без лишних задержек. Для гибридной архитектуры, где квантовый модуль работает вместе с обычными вычислительными ресурсами, это один из ключевых элементов.
Компания также сделала Ising открытым. Разработчики получают доступ к моделям, данным и рабочим процессам, чтобы подстраивать их под разные типы оборудования. Это может ускорить эксперименты и упростить работу небольшим исследовательским группам, которым обычно труднее входить в квантовую разработку.
Разработка хорошо показывает, куда сейчас движется вся отрасль. Квантовые вычисления давно вышли за пределы красивой исследовательской темы, но до полноценной прикладной технологии им всё ещё мешают хрупкость и нестабильность самих систем. Если ИИ действительно поможет быстрее калибровать процессоры и надёжнее ловить ошибки на лету, путь от лабораторных установок до масштабируемых квантовых машин станет короче.