Funktionen zur Kalibrierung und Quantenfehlerkorrektur Das KI-Modell Nvidia Ising hilft bei der Quanten­computer­entwicklung

Anbieter zum Thema

NVIDIA GmbH

Rittal GmbH & Co. KG

Vertiv GmbH

Kentix GmbH

Quantenkalibrierung und Fehlerkorrektur zählen mit zu den Hauptproblemen, wenn es um die Entwicklung marktreifer Quantencomputer geht. Nun hat Nvidia das KI-Modell „Ising“ vorgestellt, mit dem Forscher und Unternehmen schneller als bisher skalierbare Hochleistungs-Quantensysteme entwickeln können sollen.

Im Juli 2022 hatte Nvidia erstmalig „CUDA-Q“ vorgestellt, eine Open-Source-Entwicklungsplattform für das Quantencomputing, die die für die Ausführung nützlicher, groß angelegter Quantencomputing-Anwendungen erforderliche Hardware und Software koordiniert. Das hybride Programmiermodell der Plattform soll die gemeinsame Nutzung von GPU-, CPU- und QPU-Ressourcen innerhalb eines einzigen Quantenprogramms ermöglichen. CUDA-Q ist „qubit-agnostisch“; das heißt: es lässt sich nahtlos in alle QPUs und Qubit-Modalitäten integrieren und bietet GPU-beschleunigte Simulationen, wenn keine geeignete Quantenhardware verfügbar ist.

Im März 2024 hatte etwa der Anbieter von Quantencomputing-Software Classiq bekannt gegeben, seine Software in die Nvidia CUDA-Q-Plattform integriert zu haben, die auf der damaligen Konferenz „GTC“ gezeigt wurde. Die Anwendungen von Classiq adressieren eine eine breite Palette von Quantenanwendungen, darunter Simulationen und Maschinelles Lernen.

Nikola Strah, Classiq, über Mut, Software, Chancen und Spielwiesen

Quantencomputing zwischen Hype, Handwerk und Hausaufgaben

Doch die „True-Compilation“-Technologie des Softwareherstellers ermöglicht auch eher Quantencomputer-nahe Eingriffe, etwa die Synthese von Quantenschaltungen, wodurch die Implementierung von Quantenprogrammen automatisiert wird. Diese Funktion optimiert den Entwicklungsprozess für Quantensoftware und stellt sicher, dass die generierten Programme für die Ausführung auf einer breiten Palette von Quantenhardware sowie auf Nvidia-GPUs fein abgestimmt sind.

Auch Psi Quantum beispielsweise hat CUDA-Q integriert, in die Softwareplattform „Construct“ und das Tool „Workbench“. Das beschleunige die Forschung an groß angelegten Quantenalgorithmen beziehungsweise die Entwicklung fehlertoleranter Quantenanwendungen, heißt es aus dem Unternehmen. So lassen sich GPU-beschleunigte Zustandsvektorsimulation nutzen, die bis zu 450-mal schnellere Leistung liefere im Vergleich zu CPU-basierten Simulationen. Das wiederum erlaubt Validierungen und Benchmarks.

Mit Ising nun hilft Nvidia-KI weiter; denn um nutzbare Quantenanwendungen in großem Maßstab zu realisieren, sind Durchbrüche bei der Kalibrierung von Quantenprozessoren und der Quantenfehlerkorrektur erforderlich. KI sei der Schlüssel, so Nvidia, um die heutigen Quantenprozessoren in groß angelegte, zuverlässige Computer zu verwandeln. Immerhin soll nach dem Analyseunternehmen Resonance der Markt für Quantencomputer im Jahr 2030 voraussichtlich ein Volumen von über 11 Milliarden Dollar erreichen.

Benannt nach einem bahnbrechenden mathematischen Modell, das das Verständnis komplexer physikalischer Systeme drastisch vereinfachte, biete die Nvidia Ising-Familie leistungsstarke, skalierbare KI-Tools für die Quantenfehlerkorrektur und -kalibrierung. Sie ist nach Nvidia-Definition 'offen', was die Entwickler in die Lage versetzen soll, leistungsstarke KI zu entwickeln und dabei die vollständige Kontrolle über ihre Daten und Infrastruktur zu behalten. Wietere Bestandteile des Open-Model-Portfolios von Nvidia sind beispeilsweise „Nemotron“ für agentenbasierte Systeme, „Cosmos“ für physikalische KI, „Alpamayo“ für autonome Fahrzeuge, „Isaac GR00T“ für Robotik und „Bionemo“ für die biomedizinische Forschung.

Die Ising-Modelle böten eine bis zu 2,5-mal höhere Leistung und eine dreimal höhere Genauigkeit bei dem Dekodierungsprozess, der für die Quantenfehlerkorrektur erforderlich ist. Jensen Huang, Gründer und CEO von Nvidia, sagt: „Mit Ising wird KI zur Steuerungsebene, dem Betriebssystem von Quantenmaschinen, und verwandelt empfindliche Qubits in skalierbare und zuverlässige Quanten-GPU-Systeme.“

Die Nvidia Ising-Bestandteile

Nvidia Ising umfasst anpassbare Modelle, Tools und Daten, die Quantenprozessoren beschleunigen:

• Ising Calibration: Ein „Vision“-Sprachmodell, das Messungen von Quantenprozessoren schnell interpretieren und darauf reagieren kann. KI-Agenten können damit die kontinuierliche Kalibrierung automatisieren und den Zeitaufwand von Tagen auf Stunden zu reduzieren.

• Ising Decoding: Hinter dem Begriff stecken zwei Varianten eines 3D-Convolutional-Neural-Network-Modells, entweder optimiert für Geschwindigkeit oder für die Genauigkeit, um Echtzeit-Decodierung für die Quantenfehlerkorrektur durchzuführen. Ising-Decoding-Modelle sind bis zu 2,5-mal schneller und 3-mal genauer als „pyMatching“, der aktuelle Open-Source-Industriestandard.

Außerdem ergänzt Ising ergänzt die CUDA-Q-Softwareplattform und lässt sich mit der „Nvidia NVQLink“-„QPU“-GPU-Hardwareverbindungen integrieren. Darüber hinaus stellt Nvidia eine Art Kochbuch mit Rezepten für Workflows im Quantencomputing und Trainingsdaten sowie „Nvidia NIM“-Mikroservices zur Verfügung. Die Modelle können zudem lokal auf den Systemen der Forscher ausgeführt werden, wodurch geschützte Daten gewahrt bleiben.

Erste Anwender

Schon jetzt kann Nvidia darauf verweisen, dass Unternehmen, akademische Einrichtungen und Forschungslabore Ising für die Entwicklung im Bereich Quantencomputing nutzen. So wird Ising Calibration von Atom Computing, der Academia Sinica, Eeroq, Conductor Quantum, dem Fermi National Accelerator Laboratory, der Harvard John A. Paulson School of Engineering and Applied Sciences, Infleqtion, Ionq, IQM Quantum Computers, dem Advanced Quantum Testbed des Lawrence Berkeley National Laboratory, Q-CTRL und dem britischen National Physical Laboratory (NPL) eingesetzt.

Ising Decoding wird von der Cornell University, Edencode, Infleqtion, IQM Quantum Computers, Quantum Elements, den Sandia National Laboratories, Seeqc, der University of California San Diego, der UC Santa Barbara, der University of Chicago, der University of Southern California und der Yonsei University verwendet.

(ID:50824727)