NVIDIA با معرفی Ising، یکی از جدیدترین مدلهای OpenAI خود، گامی بزرگ در جهت عملیاتی کردن محاسبات کوانتومی برداشته است. این مدلها با هدف افزایش کارایی و سرعت کامپیوترهای کوانتومی و افزودن قابلیتهای جدید به آنها طراحی شدهاند.
محاسبات کوانتومی به عنوان یکی از مرزهای جدید محاسبات در چند دهه اخیر شناخته شده است. شرکتهای مختلفی در حال تلاش برای بهینهسازی این حوزه بودهاند و تنها اکنون است که تعدادی از آنها موفق به شکستن موانع موجود شدهاند. NVIDIA پیش از این پلتفرمی متنباز به نام CUDA-Q برای توسعه محاسبات کوانتومی ارائه کرده است که با QPUs و مدولهای کیوبیت همخوانی کامل دارد و به صورت کیوبیت-غیرمبتنی عمل میکند. امروز NVIDIA از نخستین خانواده مدلهای OpenAI خود به نام Ising رونمایی کرده است.
مدلهای Ising به محققان و شرکتها کمک میکنند تا پردازشگرهای کوانتومی توسعه دهند که نه تنها قادر باشند، بلکه برای اجرای کاربرهای مختلف، بهخصوص هوش مصنوعی، مفید نیز باشند. یکی از موانع اصلی در محاسبات کوانتومی، کالیبراسیون پردازشگرهای کوانتومی و اصلاح خطاهای کوانتومی است. کیوبیتها به شدت نویزدار هستند و خطاهای زیادی را تجربه میکنند. در حال حاضر، پردازشگرهای کوانتومی به ازای هر هزار عملیات، یک خطا تولید میکنند، در حالی که برای اینکه این محاسبات عملکرد عملیتری داشته باشند، این میزان باید کاهش یابد به یک خطا به ازای هر تریلیون عملیات.
NVIDIA معتقد است که هوش مصنوعی کلید حذف این مانع و امکانپذیر کردن استفاده از پردازشگرهای کوانتومی در مقیاس بزرگ و قابل اعتماد است. مدلهای Ising شامل دو مدل پیشرفته و قابل تنظیم هستند. اولی، Ising Calibration نام دارد که یک مدل زبان بصری است و میتواند به سرعت اندازهگیریها را از پردازشگرهای کوانتومی تفسیر و واکنش دهد؛ بدین ترتیب، عوامل هوش مصنوعی قادر به اتوماسیون کالیبراسیون مداوم میشوند و زمان مورد نیاز کاهش مییابد، از روزها به ساعتها. دومی، Ising Decoding نام دارد که شامل دو نسخه از یک مدل شبکه عصبی پیچشی ۳بعدی است؛ این دو مدل برای سرعت یا دقت بهینهسازی شدهاند تا رمزگشایی آنی برای اصلاح خطاهای کوانتومی انجام دهند. مدلهای Ising Decoding تا ۲.۵ برابر سریعتر و ۳ برابر دقیقتر از pyMatching، که هماکنون به عنوان استاندارد صنعت متنباز شناخته میشود، هستند.
بر اساس ادعای NVIDIA، این مدلها بهویژه برای فرآیند رمزگشایی، ۲.۵ برابر سریعتر و ۳ برابر دقیقتر هستند، که این یک گام حیاتی برای اصلاح خطاهای کوانتومی به شمار میرود. جالب است که Ising Calibration نسبت به جایگزینهای خود ۱۵ برابر کوچکتر است، در حالی که Ising Decoding به ۱۰ برابر داده کمتری نیاز دارد تا آموزش ببیند. NVIDIA تأیید کرده است که مدلهای OpenAI Ising در حال حاضر توسط محققان برجسته، دانشگاهها و شرکتهای بزرگ مورد استفاده قرار میگیرند. این دستاورد بار دیگر نشاندهنده پیشرفت در عصر محاسبات کوانتومی است.
منبع: Wccftech — لینک
زمان انتشار منبع: 15 اپریل 2026