量子コンピュータは、材料科学、物流、金融モデリングといった課題で大幅な高速化を約束しますが、まずは信頼性を高める必要があります。Nvidiaは、その信頼性向上に自社のAIモデルが役立てられると考えています。GPUハンマーがあると、あらゆる問題がAIの釘のように見えてくるんですね。 

火曜日、GPUの投げつけ職人 が、量子ハードウェア開発者がプロセッサの誤り率を引き下げるのを助けることを目的とした、新しいオープンウェイトモデルを発表しました。

Nvidiaによれば、たとえ最高の量子システムであっても、誤りはおおむね1000回の演算に1回の割合で発生します。これを本当に役立つものにするには、誤り率を10億分の1の水準まで引き下げる必要がある、と同社は主張しています。

新たに投入される量子モデルの最初のものは、コードネームIsing Calibration（イジング・キャリブレーション）と呼ばれますが、その名前が示す通りのことを実行します。GPU大手は、この350億パラメータのビジョン言語モデルは、パートナー企業のシステムによって生成されたデータで学習されており、開発者がシステム内のノイズを最小化するための理想的な設定を詰められるようにする、としています。

Nvidiaは、このモデルをエージェント型のフレームワークに組み込むことで、システムが収集したデータをストリーミングし、誤り率が一定の閾値を下回るまで調整を繰り返すことにより、このプロセスを完全に自動化できる可能性があると主張しています。この点で、量子オートチューンのようなものだと言えるでしょう。

多くの大規模言語モデルとは異なり、Ising Calibrationはかなり軽量で、RTX Pro 6000 Blackwell上、あるいはDGX SparkのようなNvidia GB10ベースのシステム上で簡単に実行できます。

アイシング・キャリブレーションは、エラーが発生する頻度を下げるのに役立ちますが、それらを完全に排除することはできません。そこで登場するのが、Nvidiaのアイシング・デコーディング（Ising Decoding）モデルです。これらは2つのサイズで提供され、学習後はリアルタイムでエラーを検出し、訂正するよう設計されています。 

• IBM PCや肩当てが大きかった頃、日本は半導体業界をリードしていました。いまそれを取り戻そうとしています
• 企業向けとフロンティアAIの間のギャップが広がり、オープンウェイト・モデルが注目を集める
• NvidiaのRubin GPUは、メモリ不足と技術的課題のせいで遅れる可能性が高い
• Intelはエロン・マスクの現実歪曲フィールドに閉じ込められる――巨大ファブ構想の妄想に加担する一方で

これを可能にするため、Nvidiaはより古い畳み込みニューラルネットワーク（CNN）のアーキテクチャを採用しました。アイシング・キャリブレーションと比べると、これらのモデルは非常に小さく、Ising-Decoder-SurfaceCode-1が91万2,000パラメータ、より大きい「Accurate」モデルは179万パラメータです。これにより、PyMatchingのようなフレームワークを使う従来のアプローチよりも、2.25〜2.5倍速くエラーを捕捉できます。

Ising Calibration 1およびIsing Decoder SurfaceCode 1の重みはHugging Faceで公開されています。さらにIsing Calibration 1は、Nvidia Buildへの提供に加えて推論マイクロサービス（NIM）としても展開されます。モデルに加えて、Nvidiaは、開発者が合成データを生成し、各自のシステムに合わせてモデルを微調整できるようにする学習フレームワークや、モデルを実装するための推論用設計図（ブループリント）も提供していきます。 

これらのモデルは、ここ数年のNvidiaによる量子コンピューティングへの一連の投資の最新の取り組みにすぎません。そこには、ハードウェアやソフトウェアライブラリから、Blackwellベースのスーパーコンピューティング・クラスターを備えた研究センターまで、あらゆるものが含まれています。®

関連記事

• AI
• GPU
• Nvidia