NVIDIA發表Ising開源量子AI模型，大幅提升處理器校正與錯誤修正效能

NVIDIA以開源的方式發表Ising Calibration與Ising Decoding等2款量子AI模型，協助協助研究人員與企業打造可擴展且高效能的量子系統。

台灣中研院也採用

隨著當量子運算技術持序發展，系統將會持續擴展到數百萬量子位元（Qubit）的規模，噪訊處理的過程必須仰賴AI解碼、控制、錯誤校正的協助，NVIDIA憑藉在AI技術的領導地位，協助加速量子運算研究、驗證與系統整合。

延伸閱讀：
【GTC 2026】：黃仁勳於開幕演說親自發表Groq 3 LPU，為資料中心帶來10倍收益能力
【GTC 2026】NVIDIA也來養龍蝦，推出NemoClaw為OpenClaw社群帶來更安全便利的選擇
【GTC 2026】NVIDIA Vera Rubin 世代 7 種晶片與 5 種機櫃打造最強 AI 工廠，還要送晶片上太空

NVIDIA表示若要實現大規模的實用量子運算，必須在量子處理器校準與量子解碼錯誤修正等領域取得重大突破，而AI正是這個轉變的關鍵，透過開源AI模型協助開發者在完全掌控其資料與基礎設施的同時，建構高效能的AI輔助系統，建構大規模、可靠的量子運算系統。

NVIDIA也進一步說明，目前包括台灣中央研究院（Academia Sinica）、費米國家加速器實驗室、哈佛大學約翰．保爾森工程與應用科學學院、Infleqtion、IQM Quantum Computers、勞倫斯伯克利國家實驗室先進量子測試平台，以及英國國家物理實驗室（NPL）等學術機構、研究實驗室、量子企業已導入Ising。

NVIDIA分享分析機構Resonance預測，量子運算市場規模預計將在2030年突破 110 億美元，其成長曲線高度仰賴量子錯誤修正與可擴展性等關鍵工程技術的持續進展。NVIDIA 創辦人暨執行長黃仁勳表示：「AI是讓量子運算變得實用的關鍵。Ising協助讓AI成為控制平面，也就是量子機器的作業系統，將脆弱的量子位元轉變為可擴展且可靠的量子-GPU系統。」

▲ NVIDIA推出為量子處理器校正的Ising Calibration，以及量子解碼錯誤修正的Ising Decoding等2款開源量子AI模型。

▲ 隨著量子位元（Qubit）規模的成長，需要透過AI協助進行解碼、控制、錯誤校正等處理噪訊。

▲ NVIDIA提供完整的軟、硬體堆疊協助加速量子運算的研究與發展。

推進量子運算系統發展

NVIDIA表示Ising是全球第一款開源量子AI模型，首波推出的模型包含Ising Calibration與Ising Decoding，並包含可客製化的模型、工具與資料，使用者除了能夠直接使用該模型，也能依照需求進行模型微調，大幅簡化架設系統的工作複雜度。

Ising Calibration是款視覺語言模型，能夠快速解讀並回應量子處理器的測量結果，協助校正量子處理器的訊號，並透過代理式AI自動化執行持續校正，將所需的工作時間從數天縮短至數小時。

Ising Decoding則具有2種版本的3D 卷積神經網路模型（Convolutional Neural Network，CNN），分別針對速度或準確度進行最佳化，用於執行量子錯誤修正的即時解碼，與目前源產業標準pyMatching相比，Ising Decoding的速度最高可提升2.5倍，準確度最高則可提升3倍。

此外NVIDIA也提供包含量子運算工作流程與訓練資料的實作指南，並苦搭配 NVIDIA NIM 微服務，讓開發者能以最少的設定，針對特定硬體架構與使用情境微調模型。

另一方面，這些模型能夠在本地端硬體系統執行，而不需要將資料上傳至雲端伺服器，以保護專有資料的安全。

Ising能夠與混合量子-傳統運算的CUDA-Q軟體平台搭配使用，並整合NVQLink QPU-GPU硬體互連技術，以支援即時控制與量子錯誤修正，為研究人員與開發者提供完整的工具組合，協助推進將當下的量子位元轉化為未來的加速量子超級電腦。

▲ Ising Calibration的主要功能為過AI加速量子處理器校正。

▲ 根據NVIDIA官方提供的數據，Ising Calibration在多個測試項目整理具有優於平均的表現。

▲ Ising Decoding的主要功能則為量子解碼錯誤修正。

▲ 系統能夠即時偵測量子位元的錯誤並進行修正。

▲ Ising Decoding能夠降低綜合特徵密度，以提高解碼效率。

▲ NVIDIA也提供代理式AI助手，能夠協助使用者建置與調整AI運算系統。

NVIDIA 已將整合至Ising開放模型產品組合，其中包括用於代理型系統的 Nemotron、用於物理AI的Cosmos、用於自駕車的Alpamayo、用於機器人的Isaac GR00T，以及用於生物醫學研究的BioNeMo，上述開源模型、資料與框架皆可在GitHub、Hugging Face與build.nvidia.com上取得。