NVIDIA は量子コンピュータの実用化に向けた重大な進展として、世界初のオープンな AI モデルファミリー「NVIDIA Ising」を発表しました。このモデルは、量子ビットの本来のノイズに由来する誤りを低減し、誤り耐性のある量子システムを構築するために設計されています。現在の量子プロセッサは千回に一回程度の誤り率を抱えており、実用的な計算を行うにはその誤り率を兆分の一以下に抑制する必要があります。NVIDIA Ising は、この課題を解決するために「校正」と「誤り補正復号」の二つの主要な機能領域を提供します。 最初のモデル「Ising Calibration」は、可視言語モデル（VLM）をベースとしており、量子実験の結果を解析し、プロセッサのノイズ特性を理解して最適な設定に調整する自動化ワークフローを実現します。このモデルは、超伝導型やイオン型など多様な量子ビットタイプから収集されたデータで学習されており、既存の主要な商用モデルと比較して校正の精度が 3.27% から 14.5% 程度高い性能を発揮しました。また、評価基準として「QCalEval」と呼ばれる世界初の量子校正ベンチマークが同時に公開され、モデルの実効性を検証する新たな標準となりました。 2 つ目の「Ising Decoding」は、量子誤り補正の復号処理を高速化・高精度化する 3 次元 CNN 型 AI デコーダーです。物理的な誤り率やコード距離に合わせて、速度を優先するモデルや精度を優先するモデルを選択可能であり、従来の手法よりも大幅に低速遅延を削減しながら誤り率を改善します。例えば、特定の設定において復号速度は 2.25 倍向上し、論理誤り率は 1.53 倍改善する結果が確認されています。これにより、大規模な量子プロセッサにおけるリアルタイムな誤り補正が現実的なものになります。 NVIDIA Ising は完全にオープンソース化されており、モデルの重み、トレーニングフレームワーク、データセット、ベンチマークが Hugging Face 等を通じて無償提供されます。ユーザーは自社の量子プロセッサのノイズ特性に合わせてモデルを微調整したり、ファインチューニングしたりすることが可能で、専用データを自社内に留めつつ柔軟に運用できます。トレーニングには NVIDIA の cuQuantum や PyTorch などの技術が採用されており、量子ゲート型スーパーコンピュータの構築に向けた道筋を示す重要な一歩となっています。このイニシアチブは、量子計算が科学探求や企業課題の解決に実質的に貢献できる段階へと進化するきっかけとなると期待されています。