NVIDIA выпустила новую семью открытых моделей под названием Ising, направленных на решение задач калибровки квантовых процессоров и коррекции квантовых ошибок. Это важно для разработчиков, так как именно эти аспекты часто ограничивают масштабируемость квантовых систем — нестабильность кубитов приводит к снижению надёжности вычислений.
Что нового в моделях Ising
Модели Ising автоматизируют процессы, используя машинное обучение, что значительно ускоряет циклы калибровки и облегчает исправление ошибок в реальном времени. В состав моделей входят два основных компонента: модель калибровки и модели для декодирования ошибок. Первая — это система с интерпретацией визуальных данных, которая оптимизирует параметры квантового оборудования практически мгновенно, сокращая объем ручной настройки. Возможности второй модели, основанной на 3D-сверточных нейронных сетях, позволяют эффективно обрабатывать синдромы ошибок.NVIDIA утверждает, что новые модели превосходят существующие решения, такие как pyMatching, как по скорости, так и по точности, позволяя реализовать более удобные процессы коррекции ошибок. Все модели доступны в открытом доступе и могут быть адаптированы под конкретные условия работы квантового оборудования.
Преимущества для разработчиков
Система Ising также интегрируется с CUDA-Q для гибридного квантово-классического программирования, что позволяет запускать операции коррекции ошибок одновременно с классическими вычисловыми нагрузками. Это представляет собой шаг к более эффективным и гибким квантовым системам.По мнению многих исследователей, такое решение может упростить работу с квантовыми устройствами. "Благодаря качественной автоматизации калибровки возможно существенно снизить затраты на эксплуатацию квантовых устройств" — делится своими мыслями пользователем Adel Bucetta. Однако также возникают вопросы о том, как будут работать модели на различных архитектурах, особенно для устройств, находящихся вне закрытых экосистем.