NVIDIA Ising
Nvidia a annoncé la sortie de NVIDIA Ising, une famille de modèles d’IA open source conçus pour aider les chercheurs et les entreprises à construire des processeurs quantiques capables d’exécuter des applications utiles. Ces modèles visent à accélérer le développement de systèmes quantiques fiables et performants, en s’attaquant aux défis majeurs de la calibration et de la correction d’erreurs quantiques.
Calibration et correction d’erreurs quantiques
Pour exploiter pleinement le potentiel des applications quantiques à grande échelle, des avancées significatives sont nécessaires dans la calibration des processeurs quantiques et la correction des erreurs. L’intelligence artificielle joue un rôle déterminant dans cette transformation, permettant de convertir les processeurs quantiques actuels en ordinateurs fiables et évolutifs. Les modèles open source offrent aux développeurs la possibilité de créer une IA performante tout en conservant un contrôle total sur leurs données et leur infrastructure. La plateforme CUDA-Q d’Nvidia joue un rôle essentiel dans ce contexte.
La famille Nvidia Ising, nommée d’après un modèle mathématique de référence qui a simplifié la compréhension des systèmes physiques complexes, fournit des outils d’IA évolutifs pour la correction d’erreurs et la calibration quantiques. Ces outils sont essentiels pour relever les défis liés à la construction de systèmes hybrides quantiques-classiques. Les modèles Ising permettent d’obtenir les meilleures calibrations de processeurs quantiques au monde, permettant aux chercheurs de s’attaquer à des problèmes plus vastes et complexes avec les ordinateurs quantiques. Ils offrent des performances jusqu’à 2,5 fois plus rapides et une précision trois fois supérieure pour le processus de décodage nécessaire à la correction des erreurs quantiques.
Fonctionnalités et adoption
Nvidia Ising comprend des modèles personnalisables, des outils et des données qui accélèrent les processeurs quantiques :
- Ising Calibration : Un modèle de vision-langage qui peut rapidement interpréter et réagir aux mesures des processeurs quantiques. Cela permet aux agents d’IA d’automatiser la calibration continue, réduisant le temps nécessaire de plusieurs jours à quelques heures.
- Ising Decoding : Deux variantes d’un modèle de réseau neuronal convolutif 3D, optimisées pour la vitesse ou la précision, afin d’effectuer un décodage en temps réel pour la correction des erreurs quantiques. Les modèles Ising Decoding sont jusqu’à 2,5 fois plus rapides et trois fois plus précis que pyMatching, la norme open source actuelle.
Nvidia fournit également un ensemble de workflows de calcul quantique et de données d’entraînement avec les microservices Nvidia NIM, permettant aux développeurs d’affiner les modèles pour des architectures matérielles et des cas d’utilisation spécifiques avec une configuration minimale. Les modèles peuvent également être exécutés localement sur les systèmes des chercheurs, protégeant ainsi les données propriétaires.
Nvidia Ising complète la plateforme logicielle Nvidia CUDA-Q pour le calcul hybride quantique-classique et s’intègre à l’interconnexion matérielle Nvidia NVQLink QPU-GPU pour le contrôle en temps réel et la correction des erreurs quantiques, fournissant aux chercheurs et aux développeurs une suite complète d’outils nécessaires pour transformer les qubits d’aujourd’hui en superordinateurs quantiques accélérés de demain.
