Model AI Ising NVIDIA Menargetkan Kelemahan Terbesar Komputasi Kuantum

Darius Baruo 14 Apr 2026 15:11

NVIDIA meluncurkan Ising, model AI open-source yang memberikan koreksi kesalahan kuantum 2,5x lebih cepat dan akurasi 3x lebih baik, berpotensi mempercepat sistem kuantum yang toleran terhadap kesalahan.

Model AI Ising NVIDIA Menargetkan Kelemahan Terbesar Komputasi Kuantum

NVIDIA merilis model AI open-source pertamanya yang dirancang khusus untuk memperbaiki masalah mendasar komputasi kuantum: qubit yang gagal sekitar sekali setiap seribu operasi. Keluarga model Ising, yang diumumkan pada 14 April 2026, memberikan koreksi kesalahan yang 2,5x lebih cepat dan hingga 3x lebih akurat dibandingkan metode yang ada.

Tingkat kesalahan tersebut perlu turun menjadi satu berbanding satu triliun sebelum komputer kuantum menjadi benar-benar berguna untuk aplikasi perusahaan. NVIDIA bertaruh AI dapat menutup kesenjangan tersebut.

Dua Model, Satu Masalah

Ising diluncurkan dengan dua komponen khusus. Model Kalibrasi adalah model vision-language dengan 35 miliar parameter yang mengotomatiskan proses penyetelan prosesor kuantum yang membosankan. Pada benchmark QCalEval baru NVIDIA—pengujian standar pertama untuk AI kalibrasi kuantum—Ising-Calibration-1 mengungguli Gemini 3.1 Pro sebesar 3,27%, Claude Opus 4.6 sebesar 9,68%, dan GPT 5.4 sebesar 14,5%.

Model Decoding menangani koreksi kesalahan real-time menggunakan jaringan neural konvolusional 3D. Varian "Accurate" yang dipasangkan dengan PyMatching mencapai 2,33 mikrodetik per putaran pada perangkat keras GB300 sambil meningkatkan tingkat kesalahan logis sebesar 1,53x. Varian "Fast" menukar sedikit akurasi untuk kecepatan, mencapai 0,11 mikrodetik per putaran di 13 GPU GB300.

Mengapa Ini Penting untuk Pengembangan Kuantum

Sistem kuantum saat ini memerlukan intervensi komputer klasik yang konstan untuk memperbaiki kesalahan sebelum mereka meningkat. Itu secara komputasi sangat berat. Pendekatan NVIDIA pada dasarnya menciptakan control plane bertenaga AI yang dapat berkembang seiring dengan peningkatan perangkat keras kuantum.

Perusahaan melatih Ising-Calibration-1 pada data dari mitra yang bekerja di berbagai jenis qubit: qubit superkonduktor, titik kuantum, ion, atom netral, dan elektron pada helium. Luasnya cakupan tersebut menunjukkan bahwa model harus dapat digeneralisasi di berbagai arsitektur kuantum daripada terkunci pada pendekatan satu vendor.

Pengguna awal termasuk Harvard, Fermi National Accelerator Laboratory, IQM Quantum Computers, dan UK National Physical Laboratory. Academia Sinica juga bergabung.

Open Source Dengan Syarat

Semuanya dikirim di bawah NVIDIA Open Model License: bobot, kerangka kerja pelatihan, alat generasi data sintetis, dan resep deployment. Pembuat QPU dapat melakukan fine-tune untuk karakteristik noise perangkat keras spesifik mereka sambil menjaga data proprietary di lokasi.

Kerangka kerja pelatihan menggunakan perpustakaan cuQuantum NVIDIA dan cuStabilizer untuk menghasilkan data sintetis secara langsung selama pelatihan PyTorch. Checkpoint yang telah dilatih tersedia di Hugging Face, dengan model kalibrasi juga dapat diakses melalui platform NVIDIA NIM dan Build.

Untuk tim yang membangun sistem hybrid kuantum-GPU, Ising terintegrasi dengan platform perangkat lunak CUDA-Q yang ada dari NVIDIA dan interkoneksi perangkat keras NVQLink. API real-time dibangun di atas CUDA-Q QEC dan CUDAQ-Realtime.

Garis waktu komputasi kuantum menuju utilitas praktis tetap tidak pasti, tetapi NVIDIA jelas memposisikan dirinya sebagai lapisan infrastruktur untuk apa pun yang muncul. Dengan kapitalisasi pasar NVDA mencapai $4,67 triliun, perusahaan memiliki sumber daya untuk memainkan permainan jangka panjang pada kuantum sementara bisnis GPU-nya terus menghasilkan uang dari permintaan AI.

Sumber gambar: Shutterstock