据 go.theregister.com 报道，英伟达（Nvidia）推出了全新的开源权重 AI 模型，旨在降低量子计算硬件的错误率。
目前，量子计算系统面临着巨大的稳定性挑战，而英伟达正致力于解决这一难题。尽管量子计算机在材料科学和金融领域展现出巨大的应用潜力，但目前的尖端系统在每千次操作中仍会产生约一次错误。
英伟达表示，要使这些系统具备实际应用价值，错误率最终需要降低十亿倍。为此，该公司推出了全新的软件套件，利用机器学习技术来弥补这一可靠性差距。
量子自动校准
首个发布的模型代号为“Ising Calibration”，是一个拥有 350 亿参数的视觉语言模型，专注于硬件优化。该模型利用合作伙伴系统的训练数据进行学习，旨在帮助开发者找到能够最大限度减少系统噪声的最佳配置。
英伟达提出，该模型可以集成到智能体（agentic）框架中，从而实现校准过程的自动化。通过实时数据流，系统可以进行持续调整，直到错误率降至特定阈值以下。英伟达将这一过程称为“量子自动调优”（quantum autotune）。
由于该模型相对轻量化，因此可以在 RTX Pro 6000 Blackwell 或 DGX Spark 系统等现有硬件上运行。
如果说校准技术是为了降低错误发生的频率，那么英伟达的 Ising Decoding 模型则旨在应对已经发生的错误。这些模型采用了卷积神经网络（CNN）架构，能够实时检测并纠正错误。
相比校准模型，解码模型在规模上要小得多。其中，Ising-Decoder-SurfaceCode-1 版本仅包含 91.2 万个参数，而规模稍大的“Accurate”模型也仅使用了 179 万个参数。
报告指出，这些微型模型捕捉错误的速度比 PyMatching 等传统框架快 2.25 到 2.5 倍。
目前，英伟达已在 Hugging Face 上开放了 Ising Calibration 1 和 Ising Decoder SurfaceCode 1 的模型权重。同时，该公司还提供了训练框架，以帮助开发者生成合成数据，并针对特定的量子架构对模型进行微调。
