| 英伟达发布Ising 系列量子AI 模型 4 月14 日，英伟达开源了用于构建量子处理器的开放式AI 模型家族——英伟达Ising，具体推出了两个模型：Ising 校准和Ising 解码。 NVIDIA Ising 包含最先进的可定制模型、工具和数据，加速量子处理器的发展：1）Ising 校准模型：一种视觉语言模型（VLM），能够快速解读并响应量子处理器的测量数据。这使得人工智能智能体能够自动实现连续校准，将所需时间从数天缩短到数小时。2）Ising 解码模型：两种3D CNN 模型的变体——针对速度或准确性进行优化——用于实现实时解码以实现量子纠错。Ising 解码模型的速度是当前开源行业标准pyMatching 的2.5 倍，准确度高出3 倍。 目前，包括费米国家加速器实验室、哈佛大学、劳伦斯伯克利国家实验室量子测试**台、英国国家物理实验室等顶级学术机构与研究机构，以及Infleqtion、IQM Quantum Computers 等量子科技企业已宣布采用该模型。 Ising 校准模型：通过AI 智能体实现量子校准全闭环Ising Calibration（校准模型）是一个35B 参数的视觉语言模型（VLM），不仅能读取数字，还能“看懂”实验图表和科学仪器的输出。 通过AI Agent 的自动化闭环，Ising Calibration 能够实时监控量子处理器的状态。一旦发现比特性能因温度波动或电磁干扰产生漂移，它能迅速给出纠偏建议并自动执行重调优。在QCalEval 测试基准上，Ising Calibration 1 的**均得分比 Gemini 3.1 Pro 高出3.27%，比 Claude Opus 4.6 高出9.68%，比GPT 5.4 高出14.5%。 Ising 解码模型：AI 辅助量子纠错，实现复杂度下降Ising Decoder(解码模型)在传统PyMatching 解码器的基础上，融入了3D CNN 网络的预解码器，用户只需要自定义噪声模型、旋转表面码方向和模型深度，框架自动生成合成数据并训练CNN 模型。这些预解码器通过处理大量局部综合症错误，加速并提高解码器的准确性。 它们还可以扩展到任意编码距离，从而实现纠错复杂度的下降。Fast解码器增强版PyMatching 在给定13 块GB300 GPU，FP8 精度，物理误差率p=0.003,运行1000 轮，Surface 码的码距d=13 的情况下，Fast模型运算速度可以达到0.11μs/轮，比传统PyMatching 快2.5 倍，纠错精度高1.11 倍。Accurate 解码器增强版PyMactching 在GB300GPU 和FP16 精度下，给定物理误差率p=0.003，运行104 轮，Sruface码的码距d=13，Accurate 模型运算速度可达到2.33μs/轮，比传统PyMatching 计算速度快2.25 倍，精度比PyMatching 高1.53 倍。 建议关注：国盾量子、科大国创、普源精电、禾信仪器、神州信息、三未信安、格尔软件等。 风险提示：技术迭代不及预期；市场需求不及预期等。 |
