将开放式 AI 模型、训练框架、数据集和工作流引入 NVIDIA 平台,用于量子 GPU 超级计算。
概览
扩展量子计算需要最先进的 AI,但专为此目的构建的模型对于量子计算社区而言仍然遥不可及。
NVIDIA Ising 将这些缺失的工具引入 NVIDIA 量子平台,使其可供整个量子生态系统使用。这个开源 AI 模型系列涵盖了关键的量子工作负载,从用于自动快速调优量子处理器的 Ising Calibration,到加速量子纠错所需的实时解码的 Ising Decoding。所有模型均经过预训练,并包含用于重新训练、微调和部署的指南、数据和工具。
视频
NVIDIA Ising 将专用 AI 引入 NVIDIA 量子 GPU 超级计算平台,与 NVIDIA® CUDA-Q™ 软件平台和 NVQLink™ 硬件互连相辅相成。
了解 AI 如何推动关键量子工作负载取得突破,以及 NVIDIA Ising 如何将其引入量子计算生态系统。
模型
这个首创的开放式 35B 参数视觉语言模型经过微调,可从 QPU 实验数据中推断标定操作。在一套六项用于衡量标定性能的测试中,它的表现优于所有其他模型,并可轻松与智能体配合,实现 QPU 标定的完全自动化。
一对开放式 3D CNN 模型,用于执行预解码,经优化后既快速又准确(参数规模为 0.9M 或 1.8M)。Ising Decoding 附带的模型可与任何距离表面码的去极化噪声模型配合使用,并包含一个新的训练框架,可通过 PyTorch 和 CUDA-Q 支持任何噪声模型。
优势
与传统求解器相比,速度大幅提升,同时保持高性能。Ising Calibration 在一套六项测试中的表现优于所有其他方法,而 Ising Decoding 的速度提升 2.5 倍,准确性提升 3 倍,超越了现有技术水平。请阅读模型架构论文了解更多详情。
NVIDIA Ising 发布时采用了宽松的许可政策,并记录了数据来源、训练方法、数据集,以及用于调优和量化模型的工具。允许开发者针对自己的硬件并使用专有数据进行训练或调优。
NVIDIA Ising 模型提供可靠的验证、物理一致性和不确定性量化 (UQ)。所有模型均采用透明、可复现的基准进行评估,并以权威基线作为参照。有关定义和结果,请参阅基准测试论文。
模型针对常见用例进行预训练,工作流指南为领域专家提供了简单步骤,以针对其特定用例训练或调优模型。NVIDIA NIM™ 微服务还提供即时设置。
用例
NVIDIA Ising 系列 AI 可加速大规模开发和运行量子处理器的两项关键工作负载。
为了使量子处理器正常运行,量子位误差必须通过量子纠错码持续纠正。这需要使用要求极高的(经典)解码算法,每秒对 TB 级的量子位测量数据处理数千次。NVIDIA Ising 提供即用型 AI 解码解决方案,使这一切成为可能。
保持量子处理器正常运行需要不断进行调整,以弥补硬件缺陷或偏差。当前这种标定方法既不具备可扩展性,速度也不够快,且依赖于人工干预或简单的算法。NVIDIA Ising Calibration 提供了一个开放式模型,能够快速解读量子硬件的状态,并连接到智能体自动进行纠正。
利用 NVIDIA Ising 提供的工具、模型和数据集,实现将量子位扩展到实用量子应用所需的突破。
获取有关实用量子 GPU 超级计算未来的最新资讯。