NVIDIA ( bringt ) das weltweit erste Open-Source-Modell auf den Markt, das speziell für Quanten-KI entwickelt wurde: das Open-Source-Modell „NVIDIA Ising“. Es soll die Herausforderungen bei Kalibrierung und Fehlerkorrektur bewältigen, mit denen Quantenprozessoren während des Skalierungsprozesses konfrontiert sind. Die Modellserie stellt Entwicklern durch das Open-Source-Format leistungsstarke Tools zur Verfügung und hilft Forschungsinstitute und Unternehmen dabei, die Effizienz beim Betrieb von Quantenbits zu optimieren.
NVIDIA Ising verkürzt den Kalibrierungszeitplan
Die Betriebssicherheit von Quantenprozessoren hängt in hohem Maße von präzisen Kalibrierungsverfahren ab. Das Kalibrierungsmodell „Ising Calibration“ von NVIDIA Ising nutzt Techniken aus visuellen Sprachmodellen, kann Messdaten von Quantenprozessoren schnell auslesen und darauf reagieren. Diese Technologie ermöglicht es KI-Agenten, kontinuierliche Kalibrierungsaufgaben automatisch auszuführen und die traditionellen Verfahren auf nur wenige Stunden zu verkürzen. Mehrere Forschungseinheiten, darunter das Academia Sinica in Taiwan, das Fermi National Accelerator Laboratory und die Harvard University, haben bereits begonnen, diese Technologie einzusetzen, um die Automatisierungs- und Wartungseffizienz von Quantenhardware zu verbessern und die Arbeitskosten zu senken.
Faltungsneuronale Netze beschleunigen Fehlerkorrektur-Decodierung
Der NVIDIA-Gründer und CEO Huang Renxun sagte, dass KI für die praktische Umsetzung von Quantencomputing entscheidend sei. Mit Ising werde KI zum Betriebssystem für die Steuerungsebene quantenmechanischer Maschinen, und die empfindlichen Quantenbits würden in ein skalierbares und zuverlässiges Quanten-GPU-System umgewandelt.
Quantenfehlerkorrektur (Quantum Error Correction) ist die technische Hürde, um großskalierte Berechnungen zu ermöglichen. Das Dekodieren (Ising Decoding) mit NVIDIA Ising bietet zwei Varianten von 3D-Faltungsneuronalen-Netzwerken (3D CNN), die jeweils auf Verarbeitungsgeschwindigkeit bzw. Rechengenauigkeit optimiert sind. Die Daten zeigen, dass die Verarbeitungsgeschwindigkeit der Ising-Dekodiermodelle im Vergleich zu den aktuellen branchenüblichen Open-Source-Standards pyMatching um das 2,5-fache steigt, und die Genauigkeit um bis zu das 3-fache erreicht wird. Durch eine Echtzeit-Dekodierung der von Quantenbits erzeugten Fehlersignale können Forschende die logische Korrektheit der Berechnungen aufrechterhalten. Aktuell haben unter anderem die Cornell University und Institutionen wie IonQ dieses Modell bereitgestellt, um den Einsatz komplexerer Quantenalgorithmen zu erforschen.
Laut Prognosen der Marktforschungsorganisation Resonance dürfte der globale Markt für Quantencomputing bis 2030 ein Marktvolumen von 11 Milliarden US-Dollar erreichen. Der wichtigste Wachstumstreiber stammt dabei aus dem Durchbruch bei technischen Herausforderungen. Die Ising-Reihe von NVIDIA bietet nicht nur Modelle und Trainingsdaten, sondern integriert sich auch mit der NVIDIA CUDA-Q-Softwareplattform sowie der NVIDIA NVQLink-Hardware-Interconnect-Technologie. Dieses hybride Architekturdesign ermöglicht es Forschenden, das Modell in lokalen Systemen auszuführen und so die Vertraulichkeit von Versuchsdaten zu gewährleisten. Darüber hinaus können Entwickler mithilfe von NVIDIA NIM-Microservices auf bestimmte Hardwarearchitekturen fein abgestimmt werden, wodurch vorhandene Quantenbits in skalierbare Quantencomputing-Systeme überführt werden.
Ising Open-Source-Modell: Download freigegeben
Die Modellseriennamen von Ising leiten sich von einem klassischen mathematischen Modell ab, das die Erforschung komplexer physikalischer Systeme vereinfacht, und verkörpert das Designprinzip, eine vereinfachte Quanten-Steuerungsebene zu schaffen. Derzeit ist das NVIDIA-Ising-Modell auf GitHub, Hugging Face und der offiziellen NVIDIA-Plattform zum Download verfügbar. Es ergänzt das offene Produktportfolio von NVIDIA für Open-Source-Modelle. Dieses Portfolio umfasst NVIDIA Nemotron für Agenten, NVIDIA Cosmos für „Real-World“-KI, NVIDIA Alpamayo für Autos im autonomen Fahren, NVIDIA Isaac GR00T für Robotik und NVIDIA BioNeMo für biomedizinische Forschung.
Indem das Forschungsteam KI als „Steuerungsebene“ oder Betriebssystem einer Quantenmaschine positioniert, kann es die Verwaltung der empfindlichen Quantenbits effizienter gestalten. Das zieht das britische National Physics Laboratory (NPL) und mehrere internationale Top-Universitäten an, um der Ökosystem-Partnerschaft beizutreten und gemeinsam die Entwicklung praktischer Quantenanwendungen voranzutreiben.
Diese offenen Modelle, Daten und Frameworks sind auf GitHub, Hugging Face und build.nvidia.com verfügbar.
Der Artikel „NVIDIA bringt das weltweit erste „Ising“-Modell für Quanten-KI auf den Markt“ erschien zuerst bei Ketten-News ABMedia.
