[智能应用]英伟达发布全球首个开源量子AI模型Ising [复制链接]

，当地时间周二，英伟达发布全球首个开源量子AI模型"ISING（伊辛）"。
英伟达表示，AI模型将使研究人员和企业能够构建更出色的量子计算机，从而能够大规模运行实用的应用程序。
简要来讲，ISING模型对应将量子计算器转变为可靠计算机的两大痛点：量子处理器校准和量子纠错。
据介绍，这一套模型包括"伊辛校准"视觉语言模型，快速解读并响应来自量子处理器的测量结果，使得AI代理能够持续自动化校准，并能把所需时间从数天缩短到数小时。
另外还有两个3D卷积神经网络解码模型变体，分别正对速度或精度进行优化，用于量子纠错的实时解码。
比起开源行业标准pyMatching，英伟达模型的运行速度最高提升约2.5倍，解码准确率最高提升约3倍。
目前，该模型已被康奈尔大学、芝加哥大学、加州大学圣地亚哥分校、延世大学等知名高校/研究机构应用。
英伟达还提供量子计算工作流"cookbook"与训练数据，相关机构可选用支持模型微调的NIM微服务，还可以通过本地运行保护专有数据。
除此之外，ISING模型还可以和CUDA-Q、NVQLink等技术协同工作，共同构建未来量子超算的完整技术体系。
目前该模型已经开源，相关数据、框架可在GitHub、Hugging Face及公司官网找到。
黄仁勋表示："要让量子计算真正走向实用，AI至关重要。借助Ising，AI将成为量子计算的控制层，也就是量子机器的操作系统，把脆弱的量子比特转变为可扩展且可靠的量子GPU系统。"

英伟达发布全球首个开源量子AI模型Ising
2026年4月14日，英伟达推出名为ISING（伊辛）的开源量子AI模型系列，旨在助力科研人员和企业构建实用的量子处理器，解决量子计算领域的两大核心难题：量子处理器校准与量子纠错
。

核心功能与性能突破
量子处理器校准

通过视觉-语言模型快速解析量子处理器的测量数据，实现AI自动化校准流程，将原本需要数天的校准时间缩短至数小时
。

量子纠错解码

基于3D卷积神经网络构建两种优化变体（速度优化/精度优化），相比行业标准pyMatching，解码速度最高提升2.5倍，精度最高提升3倍
。

开源与生态协同
模型已全面开源，相关数据、框架可在GitHub、HuggingFace及英伟达官网获取
。
支持与CUDA-Q、NVQLink等技术协同，构建未来量子超算的完整技术体系
。
目前已被康奈尔大学、芝加哥大学、加州大学圣地亚哥分校等知名机构应用
。
英伟达CEO黄仁勋表示，AI将成为量子计算的“控制层”（操作系统），将脆弱的量子比特转化为可扩展、可靠的量子GPU系统

英伟达发布全球首个开源量子AI模型"ISING（伊辛）"
ISING模型的发布背景
英伟达发布：全球首个开源量子AI模型ISING发布，旨在推动量子计算机的发展。
目标：使研究人员和企业能够构建更出色的量子计算机，运行实用的应用程序。
ISING模型解决的痛点
量子处理器校准：通过"伊辛校准"视觉语言模型快速解读量子处理器的测量结果，自动化校准。
量子纠错：包括两个3D卷积神经网络解码模型变体，分别针对速度或精度优化，用于实时解码。
ISING模型的性能优势
速度提升：运行速度比行业标准pyMatching提升约2.5倍。
准确率提升：解码准确率提升约3倍。
ISING模型的应用情况
高校/研究机构：已被康奈尔大学、芝加哥大学、加州大学圣地亚哥分校、延世大学等应用。
工作流和数据提供：英伟达提供量子计算工作流"cookbook"与训练数据，支持模型微调的NIM微服务。
ISING模型的技术协同
CUDA-Q、NVQLink：ISING模型可以与这些技术协同工作，构建未来量子超算的完整技术体系。
ISING模型的开源信息
开源平台：相关数据、框架可在GitHub、Hugging Face及英伟达官网找到。
黄仁勋的观点：AI对量子计算走向实用至关重要，ISING将作为量子机器的操作系统，把脆弱的量子比特转变为可靠的量子GPU系统。
结论
英伟达开源的ISING模型为量子计算领域带来了创新的解决方案，通过AI技术提高了量子处理器的校准效率和量子纠错的准确性。开源的ISING模型将促进全球研究人员和开发者共同推动量子计算技术的发展，有望实现量子计算机的大规模实用化。通过与CUDA-Q、NVQLink等技术的协同，ISING模型将助力构建未来的量子超算技术体系。

‌英伟达已正式发布全球首个开源量子AI模型家族NVIDIA Ising‌，该模型旨在加速量子计算实用化进程，重点解决量子处理器校准与量子纠错两大核心瓶颈。

NVIDIA Ising的核心突破
‌量子处理器校准（Ising Calibration）‌

采用一个‌350亿参数的视觉语言模型‌，可自动解读量子处理器的实验数据，实现AI驱动的持续自动化校准。
将传统需数天完成的校准过程缩短至‌数小时级别‌，显著提升运维效率。
‌量子纠错解码（Ising Decoding）‌

提供两个优化方向的3D卷积神经网络（CNN）模型，分别针对‌速度‌与‌精度‌进行调优。
相比开源行业标准pyMatching，解码速度‌最高提升2.5倍‌，准确率‌最高提升3倍‌，为构建大规模容错量子计算机奠定基础。
‌命名渊源与战略意图‌

模型名称“Ising”源自物理学中的‌伊辛模型‌，该模型以简单规则解释复杂系统的相变行为，广泛应用于统计力学与AI领域。
英伟达借此命名，意在将AI定位为量子系统的“‌控制层‌”或“‌操作系统‌”，把脆弱的量子比特转化为可扩展、高可靠的量子GPU系统。
生态整合与实际应用
‌CUDA-Q平台协同‌：Ising模型与NVIDIA CUDA-Q软件平台深度集成，支持混合量子-经典计算工作流，实现QPU-GPU实时协同。
‌全球顶尖机构采用‌：包括费米国家加速器实验室、哈佛大学、英国国家物理实验室、IQM Quantum Computers等在内的多家科研与企业机构已部署使用。
‌开源开放‌：模型已在GitHub、Hugging Face及NVIDIA开发者平台上线，支持开发者微调、量化并部署于自有硬件。