Mô Hình AI Ising Của NVIDIA Nhắm Vào Điểm Yếu Lớn Nhất Của Điện Toán Lượng Tử

Darius Baruo 15:11 14/04/2026

NVIDIA ra mắt Ising, mô hình AI nguồn mở cung cấp khả năng sửa lỗi lượng tử nhanh hơn 2.5 lần và độ chính xác cao hơn 3 lần, có khả năng đẩy nhanh các hệ thống lượng tử chịu lỗi.

Mô Hình AI Ising Của NVIDIA Nhắm Vào Điểm Yếu Lớn Nhất Của Điện Toán Lượng Tử

NVIDIA đã tung ra các mô hình AI nguồn mở đầu tiên được thiết kế đặc biệt để khắc phục vấn đề cơ bản của điện toán lượng tử: các qubit bị lỗi khoảng một lần trong mỗi nghìn thao tác. Họ mô hình Ising, được công bố vào ngày 14 tháng 4 năm 2026, cung cấp khả năng sửa lỗi nhanh hơn 2.5 lần và chính xác hơn tới 3 lần so với các phương pháp hiện có.

Tỷ lệ lỗi đó cần giảm xuống còn một trên một nghìn tỷ trước khi máy tính lượng tử trở nên thực sự hữu ích cho các ứng dụng doanh nghiệp. NVIDIA đang đặt cược rằng AI có thể thu hẹp khoảng cách đó.

Hai Mô Hình, Một Vấn Đề

Ising ra mắt với hai thành phần chuyên biệt. Mô hình Calibration là một mô hình ngôn ngữ-thị giác với 35 tỷ tham số, tự động hóa quy trình tẻ nhạt của việc tinh chỉnh bộ xử lý lượng tử. Trên benchmark QCalEval mới của NVIDIA—bài kiểm tra chuẩn hóa đầu tiên cho AI hiệu chuẩn lượng tử—Ising-Calibration-1 vượt trội hơn Gemini 3.1 Pro 3.27%, Claude Opus 4.6 là 9.68%, và GPT 5.4 là 14.5%.

Các mô hình Decoding xử lý sửa lỗi theo thời gian thực bằng cách sử dụng mạng nơ-ron tích chập 3D. Biến thể "Accurate" kết hợp với PyMatching đạt 2.33 micro giây mỗi vòng trên phần cứng GB300 trong khi cải thiện tỷ lệ lỗi logic lên 1.53 lần. Biến thể "Fast" đánh đổi một chút độ chính xác để tăng tốc độ, đạt 0.11 micro giây mỗi vòng trên 13 GPU GB300.

Tại Sao Điều Này Quan Trọng Đối Với Phát Triển Lượng Tử

Các hệ thống lượng tử hiện tại yêu cầu sự can thiệp liên tục của máy tính cổ điển để sửa lỗi trước khi chúng lan rộng. Điều đó rất tốn kém về mặt tính toán. Cách tiếp cận của NVIDIA về cơ bản tạo ra một lớp điều khiển hỗ trợ bởi AI có thể mở rộng cùng với các cải tiến phần cứng lượng tử.

Công ty đã huấn luyện Ising-Calibration-1 trên dữ liệu từ các đối tác làm việc với nhiều loại qubit: qubit siêu dẫn, chấm lượng tử, ion, nguyên tử trung hòa và electron trên helium. Phạm vi rộng đó cho thấy các mô hình nên khái quát hóa trên các kiến trúc lượng tử khác nhau thay vì bị khóa vào cách tiếp cận của một nhà cung cấp.

Những người áp dụng sớm bao gồm Harvard, Phòng Thí Nghiệm Gia Tốc Quốc Gia Fermi, IQM Quantum Computers và Phòng Thí Nghiệm Vật Lý Quốc Gia Anh. Academia Sinica cũng đang tham gia.

Nguồn Mở Có Điều Kiện

Mọi thứ được cung cấp theo Giấy Phép Mô Hình Mở của NVIDIA: trọng số, framework huấn luyện, công cụ tạo dữ liệu tổng hợp và công thức triển khai. Các nhà xây dựng QPU có thể tinh chỉnh cho các đặc điểm nhiễu phần cứng cụ thể của họ trong khi vẫn giữ dữ liệu độc quyền tại chỗ.

Framework huấn luyện sử dụng thư viện cuQuantum và cuStabilizer của NVIDIA để tạo dữ liệu tổng hợp ngay lập tức trong quá trình huấn luyện PyTorch. Các checkpoint được huấn luyện trước có sẵn trên Hugging Face, với mô hình hiệu chuẩn cũng có thể truy cập thông qua nền tảng NVIDIA NIM và Build.

Đối với các nhóm xây dựng hệ thống hybrid lượng tử-GPU, Ising tích hợp với nền tảng phần mềm CUDA-Q hiện có của NVIDIA và kết nối phần cứng NVQLink. API thời gian thực được xây dựng trên CUDA-Q QEC và CUDAQ-Realtime.

Lộ trình của điện toán lượng tử đến tính tiện ích thực tế vẫn chưa chắc chắn, nhưng NVIDIA rõ ràng đang định vị mình như lớp cơ sở hạ tầng cho bất cứ điều gì xuất hiện. Với vốn hóa thị trường của NVDA ở mức 4,670 nghìn tỷ đô la, công ty có nguồn lực để chơi dài hạn về lượng tử trong khi hoạt động kinh doanh GPU của họ tiếp tục kiếm tiền từ nhu cầu AI.

Nguồn hình ảnh: Shutterstock