انویدیا به تازگی از یک مدل هوش مصنوعی برای کامپیوترهای کوانتومی رونمایی کرده است. این هوش مصنوعی متنباز با نام Ising برای کالیبراسیون پردازندههای کوانتومی و تصحیح خطا طراحی شده و تیم سبز در همین رابطه اعلام کرده که تا 2.5 برابر سریعتر و 3 برابر دقیقتر از مدلهای مشابه عمل میکند.
مدلهای Ising در پلتفرم نرمافزاری CUDA-Q انویدیا و با استفاده از رابط NVQLink یکپارچه شدهاند و هماکنون در گیتهاب و وبسایت build.nvidia.com در دسترس هستند.
این فناوری به طور خاص برای رفع دو گلوگاه اصلی در مسیر رسیدن به محاسبات کوانتومی طراحی شده که شامل کالیبراسیون برای اطمینان از رفتار یکسان کیوبیتها و تصحیح خطا Decoding در محاسبات کوانتومی است.
Ising یک مدل 35 میلیارد پارامتری بوده و با خواندن دادههای پردازنده کوانتومی (QPU)، تنظیمات لازم را استنتاج میکند. انویدیا ادعا میکند که این مدل زمان کالیبراسیون را از چند روز به چند ساعت کاهش میدهد.
این خانواده شامل دو نسخه از شبکههای عصبی سهبعدی با 0.9 و 1.8 میلیون پارامتر است که به ترتیب برای سرعت و دقت بهینهسازی شدهاند و وظیفه پیشپردازش (Pre-decoding) برای تصحیح خطا را بر عهده دارند.
بر اساس بنچمارکهای انویدیا، این دیکودر نسبت به pyMatching تا 2.5 برابر سریعتر و 3 برابر دقیقتر عمل میکند و همزمان به 10 برابر دادههای آموزشی کمتر نیاز دارد. مدیر محصول کوانتومی انویدیا توضیح داد که پردازندههای کوانتومی فعلی تقریباً در هر هزار عملیات، یک خطا دارند و نرخ خطای منطقی مستقیماً به سرعت اجرای دیکودینگ نسبت به سختافزار وابسته است.
بنابراین افزایش سرعت 2.5 برابری تصحیح خطا، میتواند عملکرد پردازندههای کوانتومی را بهطور قابلتوجهی افزایش میدهد. با این حال اگرچه مدلهای Ising متنباز هستند، اما زیرساخت آنها اختصاصی است و به NVQLink با تاخیر کم نیاز دارد.
در همین رابطه بخوانید:
- فناوری هیجانانگیز NVQLink معرفی شد؛ اتصال مستقیم GPUهای انویدیا به کامپیوترهای کوانتومی
همچنین کالیبراسیون از طریق پلتفرم CUDA-Q اجرا شده و ابزارهای پیادهسازی آنها صرفاً برای سختافزارهای انویدیا طراحی شدهاند. انویدیا این الگوی مدلهای باز با پلتفرم اختصاصی را پیشتر در پروژههایی مانند Nemotron و Cosmos و GR00T نیز به کار گرفته بود.
نظر خود را اضافه کنید.
برای ارسال نظر وارد شوید
ارسال نظر بدون عضویت در سایت