Novi open source AI modeli Ising ubrzavaju kalibraciju i ispravljanje pogrešaka na kvantnim procesorima.
Nvidia, tvrtka koja je svoj uspon izgradila na grafičkim karticama i potom postala svjetski lider u području umjetne inteligencije, sada svoju AI tehnologiju usmjerava prema novom izazovu: kvantnom računarstvu. Upravo je predstavila novu obitelj open source AI modela nazvanu Ising, namijenjenih rješavanju dvaju ključnih problema u ovoj mladoj tehnologiji.
Nvidia je izvorno bila poznata po grafičkim karticama za videoigre i 3D aplikacije. Međutim, američka tvrtka uspjela je iskoristiti paralelnu snagu tih čipova za znanstvene svrhe i osvojiti tržište poslužitelja i superračunala. Potom ih je prilagodila za ubrzavanje umjetne inteligencije, što ju je dovelo do statusa najveće tvrtke na svijetu. Sada ne radi samo na hardveru, već i na AI softveru. Nakon što je prošle godine predstavila vlastiti AI model za robotiku, Isaac GR00T N1, Nvidia sada koristi umjetnu inteligenciju za napad na novo područje: kvantno računarstvo. Upravo je najavila novu obitelj open source AI modela pod nazivom Ising, namijenjenih kalibraciji i ispravljanju pogrešaka. “Umjetna inteligencija ključna je za ostvarenje održivosti kvantnog računarstva,” izjavio je Jensen Huang, osnivač Nvidie.
Kvantna računala koriste kvantne bitove ili kubite, koje je teško kontrolirati. Većina prototipa ima manje od tisuću kubita, a ipak je za njihovu kalibraciju potrebno nekoliko dana. Kako bi ubrzala ovaj proces, Nvidia je stvorila model Ising Calibration, model vizija-jezik (VLM) koji može tumačiti i reagirati na mjerenja kvantnih procesora. AI agenti mogu provoditi kontinuiranu automatsku kalibraciju, koja bi tada trajala samo nekoliko sati.
Jedna od poteškoća kvantnog računarstva je kontrola ili mjerenje kubita, budući da svaka interakcija stvara šum. Rad kvantnih algoritama zahtijeva trenutno otkrivanje i ispravljanje tih pogrešaka. U tu svrhu, Nvidia je predstavila Ising Decoding, koji se zapravo sastoji od dvije varijante 3D konvolucijskog neuronskog mrežnog modela. Jedna je optimizirana za brzinu, a druga za preciznost. Ova dva modela izvode ispravljanje kvantnih pogrešaka u stvarnom vremenu, a zajedno su 2,5 puta brži i tri puta precizniji od najboljeg postojećeg rješenja, pyMatching-a. Modele su već usvojile prestižne institucije poput Harvarda, Cornella, Oxforda, Fermilaba, Berkeleyja, te tvrtke kao što su IQM, IonQ i Atom Computing.
Prema Nicu Harriganu iz Nvidie, umjetna inteligencija i kvantna računala komplementarni su. On smatra da će AI moći pomoći istraživačima da pronađu nove primjene za ovu tehnologiju. S druge strane, kvantna bi računala mogla poslužiti za generiranje podataka, primjerice o ponašanju molekula, koji bi se potom mogli koristiti za treniranje umjetnih inteligencija.
Nvidia ističe da su njezini modeli pod slobodnom licencom, što je ključni faktor za njihovo usvajanje. Još uvijek ne postoji standard za izgradnju kvantnog procesora, a istraživači rade na mnogim vrstama kubita. Open source model može se lako prilagoditi različitim tehnologijama. Nvidia nudi vodič kako bi programeri lako mogli optimizirati modele za svoje arhitekture. Osim toga, to omogućuje njihov lokalni rad kako bi se zadržala kontrola nad svim podacima. Dostupni su za preuzimanje s web stranice Nvidie, kao i s platformi GitHub i Hugging Face.
Veći broj Q-bita ne znači nužno bolje računalo. Većina današnjih Q-bita su fizički Q-biti koji su podložni greškama. Prava snaga leži u logičkim Q-bitima, koji koriste stotine fizičkih Q-bita za ispravljanje grešaka. Tvrtke poput Quantinuuma i Microsofta predvode u razvoju ovakvih “otpornih na greške” (fault-tolerant) sustava.
Google Willow je izveo izračun za 5 minuta za koji bi klasičnom superračunalu trebalo 10 septilijuna godina – u prijevodu lozinke i enkripciju ovaj jede za doručak, čak i BitCoin enkripcija više nije dovoljna.