Nvidia presenta el modelo de IA cuántica ‘Ising’
Nvidia ha anunciado una nueva familia de modelos de IA de código abierto diseñados para acelerar la computación cuántica mejorando la calibración y la corrección de errores.
Apodados «Ising», los modelos están diseñados para ofrecer una decodificación de corrección de errores cuánticos hasta 2,5 veces más rápida y 3 veces más precisa, al tiempo que permiten flujos de trabajo de calibración automatizados que reducen el tiempo de configuración de días a horas, dijo la compañía.
Las universidades y los laboratorios de investigación ya han comenzado a adoptar los modelos para el desarrollo de la computación cuántica, afirmó la compañía.
Ising utiliza la IA para abordar los principales desafíos técnicos que frenan la computación cuántica, centrándose en mejorar la confiabilidad del sistema en lugar de depender únicamente de los avances del hardware.
La computación cuántica está pasando de la teoría al uso práctico temprano, pero todavía se encuentra en gran medida en una fase precomercial. Empresas como Google e IBM, así como nuevas empresas como Quantinuum, han demostrado que los qubits lógicos son más estables que los físicos. Este es un hito clave en el camino hacia las computadoras cuánticas tolerantes a fallas, que son necesarias para aplicaciones útiles a gran escala.
La IA y la computación cuántica están empezando a reforzarse mutuamente. El aprendizaje automático se utiliza para diseñar mejor hardware cuántico, calibrar qubits y reducir el ruido. Muchos casos de uso actuales combinan la IA clásica con la computación cuántica. La IA maneja tareas que requieren un uso intensivo de datos, mientras que los sistemas cuánticos se prueban en subproblemas específicos como la optimización o la simulación.
«La IA es esencial para hacer práctica la computación cuántica», dijo el director ejecutivo Jensen Huang, en un comunicado. «Con Ising, la IA se convierte en el plano de control, el sistema operativo de las máquinas cuánticas, transformando los frágiles qubits en sistemas de GPU cuánticos escalables y confiables».
La firma de analistas Resonance espera que el mercado de la computación cuántica supere los 11 mil millones de dólares en 2030. Esta trayectoria de crecimiento depende en gran medida del progreso continuo en el abordaje de desafíos críticos de ingeniería, como la corrección de errores cuánticos y la escalabilidad.
¿Qué es Ising?
Los nuevos modelos de Nvidia se basan en un modelo matemático procedente de la física que se utiliza ampliamente para representar problemas de optimización. Básicamente, los modelos de Ising se utilizan para encontrar la mejor solución entre muchas posibilidades.
Nvidia presentó Ising para mejorar la forma en que se calibran los procesadores cuánticos y se gestionan los errores. Calibración en este contexto se refiere a ajustar un procesador cuántico para que sus qubits se comporten correctamente, mientras corrección de errores Implica detectar y corregir errores que surgen de la fragilidad inherente de los qubits.
La compañía dice que los modelos pueden realizar estas tareas más rápido y con mayor precisión que los métodos existentes.
El objetivo es ayudar a investigadores y empresas a construir sistemas cuánticos capaces de ejecutar aplicaciones prácticas.
Nvidia Ising incluye modelos, herramientas y datos personalizables que aceleran los procesadores cuánticos. Estos incluyen:
- Calibración Ising: Un modelo de lenguaje visual que puede interpretar y reaccionar rápidamente a mediciones de procesadores cuánticos. Esto permite a los agentes de IA automatizar la calibración continua, reduciendo el tiempo necesario de días a horas.
- Ising decodificación: Dos variantes de un modelo de red neuronal convolucional 3D optimizado para velocidad o precisión y utilizado para realizar decodificación en tiempo real para corrección de errores cuánticos. Los modelos de Ising Decoding son hasta 2,5 veces más rápidos y 3 veces más precisos que pyMatching, el actual estándar de la industria de código abierto, según Nvidia.
Al más puro estilo Nvidia, Huang y compañía no controlan esta tecnología. Al continuar con la estrategia del modelo abierto, fomenta el crecimiento del ecosistema y adopta el mismo manual que utilizó para construir el dominio de la IA.
Ising Calibration ya lo utilizan Atom Computing, Academia Sinica, EeroQ, Conductor Quantum, Fermi National Accelerator Laboratory, la Escuela de Ingeniería y Ciencias Aplicadas John A. Paulson de Harvard, Infleqtion, IonQ, IQM Quantum Computers, el banco de pruebas cuánticas avanzadas del Laboratorio Nacional Lawrence Berkeley, Q-CTRL y el Laboratorio Nacional de Física del Reino Unido.
Ising Decoding está siendo implementado por la Universidad de Cornell, EdenCode, Infleqtion, IQM Quantum Computers, Quantum Elements, Sandia National Laboratories, SEEQC, University of California San Diego, UC Santa Barbara, University of Chicago, University of Southern California y Yonsei University.
¿Por qué este enfoque?
Los sistemas cuánticos son difíciles de escalar porque son inherentemente inestables y propensos a errores. Estos problemas han mantenido a la mayoría de las computadoras cuánticas en la etapa experimental.
El enfoque de Nvidia se basa en la idea de que los sistemas de aprendizaje automático entrenados para predecir errores, optimizar el rendimiento y controlar sistemas pueden gestionar y estabilizar activamente las máquinas cuánticas, en lugar de depender únicamente de mejoras de hardware.
Cómo funciona
Los modelos de IA se utilizan para: ajustar continuamente los procesadores cuánticos para que funcionen correctamente; detectar y corregir errores a medida que ocurren; y optimizar el rendimiento en distintos tipos de hardware cuántico.
Esto forma parte de un enfoque informático híbrido en el que los ordenadores tradicionales, los sistemas de inteligencia artificial y las máquinas cuánticas trabajan juntos para resolver problemas. La plataforma más amplia de Nvidia también depende de las GPU para realizar cálculos a gran escala que admitan estas cargas de trabajo.
Nvidia ha puesto los modelos a disposición como herramientas abiertas, lo que significa que los investigadores y las empresas pueden utilizarlos, modificarlos y desarrollarlos. La compañía dice que esto podría ayudar a que los sistemas cuánticos sean más estables y más cercanos al uso práctico. La compañía dice que su objetivo es que Ising demuestre que el futuro de la computación cuántica puede depender tanto del software de inteligencia artificial como del hardware cuántico.
Para obtener más información, visite el sitio de Nividia.
Sobre el autor
John K. Aguas es el editor en jefe de varios sitios Converge360.com, centrándose en el desarrollo de alto nivel, la inteligencia artificial y la tecnología del futuro. Ha estado escribiendo sobre tecnologías de vanguardia y la cultura de Silicon Valley durante más de dos décadas y ha escrito más de una docena de libros. También coescribió el documental. Silicon Valley: un renacimiento de 100 añosque se transmitió por PBS. Se le puede contactar en [email protected].