Il mondo dei computer quantistici è ancora nella sua fase d’infanzia, nella quale sono necessari sviluppi significativi per raggiungere un livello in cui i dispositivi saranno fruibili per calcoli utili a livello industriale e di ricerca scientifica. Sono due gli ostacoli che è necessario superare per raggiungere tale obiettivo: la correzione degli errori e la calibrazione iniziale dei dispositivi. NVIDIA ha annunciato una nuova famiglia di modelli di IA, chiamata Ising, che promette prestazioni significativamente superiori in entrambi i campi rispetto alle soluzioni usate finora.
NVIDIA Ising: l’IA per migliorare i computer quantistici
Il modello di Ising, inventato dai fisici tedeschi Wilhelm Lenz ed Ernst Ising, è usato per descrivere i materiali ferromagnetici e ha rappresentato un significativo passo in avanti in quest’ambito, in grado di semplificare la descrizione di sistemi altamente complessi.
Per questo NVIDIA ha scelto Ising come nome della sua nuova famiglia di modelli di IA aperti pensati per aiutare lo sviluppo dei computer quantistici. Nello specifico, la famiglia di modelli Ising si divide in tre: un modello Ising Calibration, che interpreta le misurazioni provenienti da un computer quantistico e ricalibra continuamente il sistema in tempo reale, e due modelli Ising Decoding, ottimizzati per essere o veloci o accurati, che eseguono la decodifica in tempo reale dello stato del sistema per rendere possibile la correzione degli errori. Secondo NVIDIA, i modelli Ising Decoding sono fino a 2,5 volte più accurati e 3 volte più veloci rispetto ai metodi tradizionali basati su pyMatching.
I modelli sono pensati per essere eseguiti sulle GPU NVIDIA e al fianco di NVIDIA CUDA-Q, la piattaforma software per far collaborare GPU e QPU, e di NVIDIA NVQLINK, tecnologia per interconnettere i computer classici e quelli quantistici.
NVIDIA ha comunicato che Ising Calibration è già in uso presso Atom Computing, Academia Sinica, EeroQ, Conductor Quantum, Fermi National Accelerator Laboratory, Harvard John A. Paulson School of Engineering and Applied Sciences, Infleqtion, IonQ, IQM Quantum Computers, Advanced Quantum Testbed presso il Lawrence Berkeley National Laboratory, Q-CTRL e lo UK National Physical Laboratory (NPL). Ising Decoding, invece, è in uso presso l’Università Cornell, EdenCode, Infleqtion, IQM Quantum Computers, Quantum Elements, Sandia National Laboratories, SEEQC, Università della California San Diego, UC Santa Barbara, Università di Chicago, Università della California Meridionale e Università Yonsei.
L’approccio di NVIDIA è dunque significativamente differente rispetto a quello adottato da altre realtà del settore: ad esempio, IBM aveva annunciato qualche mese fa di aver raggiunto risultati strabilianti nella correzione degli errori usando gli FPGA di AMD/Xilinx, che si sono rivelati dieci volte più veloci del previsto e del necessario nell’intervenire per correggere gli errori. Così come nella costruzione dei processori, dunque, anche per la correzione degli errori stanno emergendo approcci differenti e ci vorrà probabilmente del tempo perché emerga un chiaro vincitore.