NVIDIA Ising

量子コンピューティングのキャリブレーションとエラー修正のための世界初のオープンソース AI モデルシリーズ

大規模な言語モデル

https://github.com/NVIDIA/ising

公式サイトへ

詳細レポート

NVIDIA Ising (Ising) は、2026 年 4 月 14 日 (世界量子デー) の GTC カンファレンスで NVIDIA によって発表された、量子コンピューティングシナリオ用の世界初のオープンソース AI モデルシリーズです。このモデルは、時間のかかる量子プロセッサのキャリブレーションと量子誤り訂正の低効率という 2 つの中心的な問題に対処し、量子デバイスのキャリブレーションから量子誤り訂正までの完全なオープンソースモデル、ツール、チュートリアルを提供します。 Ising は、校正時間を数日から数時間に短縮し、エラー訂正速度を 2.5 倍、精度を 3 倍向上させ、量子コンピューティングの実験室から産業化への重要な移行を示します。
Ising は NVIDIA によって独自に開発され、NVIDIA 量子コンピューティング製品ラインに属します。 2026 年 4 月 14 日、Huang Renxun は World Quantum Day (GTC Conference) でこのモデルシリーズを正式に発表しました。 NVIDIA は、これらの AI モデルは、研究機関や企業が実用的なアプリケーションを大規模に実行できる、より優れた量子コンピューターを構築するのに役立つと述べています。 Ising はオープンソースプロジェクトとして、Apache 2.0 ライセンスに基づいて GitHub でリリースされており、現在 52 個のスターと 18 個のフォークを獲得しています。 Ising の核となる価値は、量子デバイスのキャリブレーションから量子エラー訂正まで、完全なオープンソースモデル、ツール、チュートリアルを提供することです。 NVIDIA の創設者兼 CEO のジェンセンフアン氏は、「量子コンピューティングの実用化には AI が不可欠です。イジングモデルを通じて、AI は量子マシンのコントロールプレーン (オペレーティングシステム) となり、壊れやすい量子ビットをスケーラブルで信頼性の高い量子 GPU システムに変換します。」と述べています。
イジングモデルシリーズには、量子コンピューティングプロセス全体の重要な側面をカバーする、さまざまな機能を備えたさまざまなモデルが含まれています。量子デバイスのキャリブレーションに関しては、Ising-Calibration-1-35B-A3B は、量子デバイスのキャリブレーションに特に使用される 35B パラメーターの視覚言語モデル (VLM) です。このモデルは、従来は数日かかっていた校正作業を自動で完了することができ、量子コンピュータの起動効率を大幅に向上させます。量子誤り訂正に関しては、Ising-Decoder-SurfaceCode-1-Accurate は、179 万個のパラメータを含む、表面符号量子誤り訂正用の高精度 AI プリデコーダです。 Ising-Decoder-SurfaceCode-1-Fast の高速バージョンもあります。これには 0.91M のパラメータが含まれており、精度と速度の間で柔軟な選択が可能です。これらのデコーダにより、エラー訂正速度が 2.5 倍、精度が 3 倍向上します。 Ising は、AI デコードトレーニングフレームワーク (Ising-Decoding)、量子コンピューター校正エージェントワークフローブループリント (Quantum Calibration Agent Blueprint)、VLM 量子校正実験分析機能オープンベンチマーク (QCalEval) およびその他のコードリポジトリを含む、完全なオープンソースツールチェーンも提供します。 AI プリデコーダーのトレーニング、最適化された推論と量子化、量子コンピューターのキャリブレーションエージェントワークフローの概要をカバーする詳細なチュートリアルドキュメント (クックブック) も提供されています。 Ising は複数の導入方法をサポートしています。推論マイクロサービスは、Nvidia Inference Microservices (NIM) を通じて直接デプロイするか、Build.nvidia.com API エンドポイントを通じて呼び出すか、HuggingFace からダウンロードすることができます。
イジングモデルシリーズは完全オープンソースかつ無料のビジネスモデルを採用しています。すべてのモデル、ツール、チュートリアルリソースは無料で、世界中の科学研究機関、企業、開発者に公開されています。これは、量子コンピューティングエコシステムの開発を促進し、オープンソースを通じて量子コンピューティングの敷居を下げ、量子コンピューティングの実用的なプロセスを加速するという NVIDIA の戦略的レイアウトを反映しています。直接的なビジネスモデルはありませんが、Ising のリリースは、NVIDIA が量子コンピューティングの分野で技術的リーダーシップを確立し、NVIDIA の GPU コンピューティングプラットフォームとの相乗効果を形成し、将来のエンタープライズレベルのサービスの基盤を築くのに役立ちます。
イジングは 2026 年 4 月 14 日にリリースされたばかりであるため、公開ユーザーコメントの数は現在制限されています。技術コミュニティからのフィードバックから判断すると、科学研究者はイジングに高い関心を示しています。イジングに対する学界の評価は比較的肯定的です。このプロジェクトにより、量子コンピューティング研究の敷居が下がり、機械学習の専門的背景を持たない研究者でも量子コンピューティングのキャリブレーションやエラー修正に AI を使用できるようになります。 Ising-Decoder が提供する事前トレーニング済みモデルは直接デプロイして使用できるため、開発コストが大幅に削減されます。開発者コミュニティは、オープンソースのプロトコルとドキュメントの完全性を認めています。 Apache 2.0 ライセンスにより、より自由に使用できるようになり、Cookbooks チュートリアルでは、トレーニングから展開までの完全なプロセスがカバーされています。
量子コンピューティング業界はアイジングのリリースに前向きな反応を示した。一部の評価では、イジングは時間のかかる量子プロセッサの校正と低い量子誤り訂正効率という 2 つの主要な問題を克服し、量子コンピューティングの実用化における重要なブレークスルーであると考えられています。業界の観点から見ると、イジングは量子コンピューティングの実験室から産業化への重要な移行を示しています。 AI テクノロジーを量子コンピューティングの中核的なボトルネックに適用することで、NVIDIA は量子コンピューティングの分野における戦略的レイアウトを示しています。 Ising のリリースは、AI と量子コンピューティングの統合が加速する傾向も反映しています。エラー訂正は実用的な量子コンピューティングの鍵であると考えられており、イジングはこの分野を再構築しようとしています。
これまでのところ、イジング計画自体をめぐる大きな論争は起こっていない。ただし、最先端のテクノロジー製品であるため、ユーザーは以下のリスク要因に注意する必要があります。技術成熟度のリスクという点では、イジングは新興プロジェクトであり、実際の導入効果を検証するには時間がかかるだろう。量子コンピューティングのハードウェア自体はまだ開発中であるため、ソフトウェアレベルでのブレークスルーが実際のパフォーマンスの向上につながるかどうかはまだわかりません。また、量子コンピューティング分野における競争はますます激化しており、イジングが技術的リーダーシップを維持できるかどうかには引き続き注目が必要だ。 GoogleやIBMなどの競合他社も量子コンピューティングAIへの投資を増やしている。
イジングは次のユーザーグループに適しています。量子コンピューティングの研究者は、AI デコーダーを最初から構築することなく、イジングモデルを使用して量子誤り訂正研究を実施できます。量子コンピューティングのエンジニアは、キャリブレーションツールを使用してワークフローを自動化し、機器の利用効率を向上させることができます。 AI 開発者は、量子コンピューティングと AI の交差点を探索し、オープンソースの貢献に参加できます。大学の科学研究チームは、イジングに基づいて量子コンピューティングの教育と実験を行うことができます。従来の IT 開発者にとって、イジングを効果的に使用するには、量子コンピューティングに関する一定の背景知識が必要です。一般のユーザーは、まず量子コンピューティングの基本概念を学ぶことをお勧めします。
NVIDIA Ising は、量子コンピューティング AI 分野におけるマイルストーン製品であり、オープンソースを通じて量子コンピューティングの実用的なプロセスを促進します。その校正機能と誤り訂正機能により、量子コンピュータの普及が加速すると期待されていますが、実際の産業上の効果はまだ検証する必要があります。

ユーザーレビュー

MAgon

—

今回 Nvidia は量子 AI をオープンソース化しましたが、その展望は非常に大きくなっています。

Deborah.Cox_99

—

その 35B モデルには、2 段階の SFT を実行するために 72,000 件を超える専門家データが入力されているため、キャリブレーションの提案を出力する際には、汎用の VLM ではなく、古い研究者の雰囲気が漂います。

BrooklynnScott

—

470 倍の加速はちょっととんでもないので、様子見です。

d7qb8fnx2

—

イジング校正にはL40Sを2台使用しました。当初は数日を要していた手動調整プロセスが、現在では数時間で結果が得られます。最も重要なことは、データを見て推測する必要があった以前とは異なり、オシロスコープの波形とスペクトルチャートを直接見て校正の提案を行うことです。

BCruzII46

—

本物であれ。 Ising Decoding が pyMatching よりも 2.5 倍高速で 3 倍正確であるというデータは、一秒を争うエラー修正シナリオで非常に役立ちます。結局のところ、量子状態のコヒーレンス時間はその程度の長さしかありません。しかし問題は、現在は超伝導量子ビットルートのみをサポートしており、イオントラップ、光量子、中性原子がすべて欠落していることです。これは、NVIDIA が推し進めようとしている道にエコシステムをロックすることに相当し、トポロジカルエラー修正の研究を行っている人々は当分の間エコシステムを使用できなくなります。

Christine.Collins0078

—

重要なのは、このモデルがどれほど強力であるかということではなく、NVIDIA が量子ハードウェアが成熟する前にソフトウェア層とオペレーティングシステムの位置を占めていたということです。量子コンピューターが実際にビジネスに使用されるまでに、研究機関はすでに CUDA-Q と Ising の使用に成功しています。

JButler_594

—

AMD版を待っているのですが、MI300Xしか持っていないので動かすことができず少しイライラしています。

小鱼_24

—

35B パラメータ VLM がキャリブレーションプロセスに挿入され、262K コンテキストは実際に長い実験ログを読み取ることができます。

Margaret.Edwards_X609

—

私たちのチームはイジングキャリブレーションを使用した屋外実験を実施し、それを使用して投資ポートフォリオの QAOA 回路の品質を評価しました。 L4 では 373 倍の GPU アクセラレーションを達成しました。シャープは、単純な古典的な選択方法の中央値より 3.1% 高かった。また、Rigetti Cepheus-108Q でのテストに 1.44 ドルを費やしました。正直に言うと、これは量子の利点ではなく、単なるハイブリッドワークフローの検証ですが、Ising は確かに、QAOA の収束が不十分であるという問題を捉えることができます。 NVIDIA がこのモデルを誰でも利用できるようにしたのは驚くべきことです。

Kyle_Reed007501

—

導入のしきい値は予想よりも低いです。 1 台の H100 または 2 台の L40S を実行できますが、これは研究室としては大げさではありません。ただし、4 ビットの定量化は CUDA 固有のビットサンドバイトのパスに従いますが、これは明らかに AMD および Apple のチップでは正式にサポートされていません。コミュニティが将来それを移植するかどうかは別の問題です。

SSimmons21

—

QCalEval では、Claude Opus 4.6 より 10 ポイント高速です。これは、量子校正のクローズドソースモデルを本当に上回っています。

暖阳164

—

それは無料です。最初にスターを付けてから、それについて話してください。

oejdj3l

—

冷静に見てみましょう。 470x 加速に関する論文は、Nvidia 自体 (arxiv 2604.02179) によって報告されており、独立した複製はまだ公開されていません。精度が22%高く、所要時間はわずか32%であると主張するIBM Ospreyと比較すると、両者のハードウェア原理、コーディング効率、コスト構造は完全に異なります。これは、自社ソフトウェアの優先ルートを占有するという市場のレトリックに近いものであり、古典的シミュレーションが量子コンピューティングよりも優れているという証拠として直接使用することはできません。サードパーティのベンチマークを待つ必要があります。

JoshuaHorton

—

イジング誤り訂正復号化では 3D CNN が使用されます。これは、時空間相関のあるトポロジカル誤り訂正データの処理に当然適しています。 Fast バージョンには 910,000 個のパラメータがあり、Accurate バージョンには 179 万個のパラメータがあります。 2 つのバリエーションには、速度に関するものと正確さに関するものがあります。デザインは非常に実用的です。

TaylorKim

—

誰かがそれを自分の量子実験プラットフォームに接続しようとしたことがありますか? NeMo Agent の自動調整リンクは簡単に接続できますか?ドキュメントは良さそうですが、それを生産ラインに投入する勇気はありません。

Christina.Cook168

—

校正は「計算する」から「見る」へ。この発想はNVIDIAらしいですね。 VLM は測定マップを直接読み取って構造化された技術テキストを生成し、それをインテリジェントエージェントに供給して継続的な校正を推進します。これにより、専門家の経験に大きく依存する作業が数日から数時間に短縮され、コンピューティング能力だけでなく人的資源も節約されます。

ERobinson520

—

量子の世界における CUDA の瞬間?

CMorgan32

—

Apache 2.0 のオープンソースの側面は、中小企業にとって非常に重要です。重み、トレーニングコード、フレームワークインターフェイスはすべてリリースされており、商用利用や変更が可能です。量子方向の現在のツールのほとんどは、クローズドソースか学術玩具です。 Nvidia の本番レベル向けのツールセットは、開発者コミュニティを CUDA-Q エコシステムに引き込むことに相当します。短期的には、これは GPU を販売するためのフックですが、長期的には、実際に量子ソフトウェアスタックの標準を設定する可能性があります。

SawyerSchmidt

—

念のために言っておきますが、イジングデコーディングは完全に合成データトレーニングに基づいており、サンプルを作成するためにシミュレートされた環境に脱分極ノイズを追加することに依存しています。実際のハードウェアのノイズ分布は、必ずしもシミュレーションと一致しているわけではありません。オンラインにする前に自分の QPU データで再度確認し、その 3 倍の精度を信頼することが最善です。

Rachel.Butler_7

—

4 月 14 日にリリースされたこの名前は、AI を使用して量子システムの複雑な問題を「単純化」できることを意味するイジングモデルから取られており、非常に独創的です。

Frank.Stephens168

—

NVIDIA が Ising モデルをリリースしたのには本当に驚きました。量子コンピューティングがついに実現に向かいます。校正時間が数日から数時間に短縮されました。この作戦の波は非常に強力です。

天涯_14

—

量子コンピューティング分野の大学院生として、イジングのオープンソースは本当にタイムリーです。以前は、各実験の前に機器を校正するのに数日かかりました。 AI モデルの登場により、ようやく時間を節約できるようになりました。

邓雪艳

—

CUDA-QからNVQLink、そしてIsingまで、NVIDIAのレイアウトは明瞭すぎる！量子コンピューティングのエコシステムがますます完成されつつあるように感じます。

Emma.YoungII

—

キャリブレーション速度が大幅に向上し、誤差補正速度が 2.5 倍、精度が 3 倍と非常に強力です。唯一の懸念は、実際の導入効果が論文に記載されているレベルに達するかどうかだ。

Raymond.Davis_99

—

GitHub 上のコードとドキュメントを確認すると、Apache 2.0 プロトコルは非常に使いやすいことがわかります。一部メーカーの隠蔽姿勢に比べ、今回のNVIDIAは寛大だ。

yellowmouse651

—

TomHardware と TechPowerUp の両方がそれを報告しており、業界は非常に注目しているようです。

PlutoProtocolCampbell

—

結果を楽しみにしています。従来の手法で量子誤り訂正を行うのは大変でしたが、AIの介入により楽になると期待しています。

Jean.Lewis_2022

—

無料でオープンソースは本当に素晴らしいです!以前は、他のソリューションを使用すると、校正サービスだけでも多額の費用がかかりましたが、現在では直接料金を支払うことができます。

唐玉

—

Ising-Decoder の高速および正確なバージョンは、さまざまなニーズを満たすことができ、非常に柔軟です。のように。

DomingoOrtiz

—

世界初のオープンソース量子 AI モデルであるこのタイトルは、非常に横暴です。 GoogleとIBMは緊張しているはずだ。

NVIDIA Ising

詳細レポート

ユーザーレビュー

類似の製品