Релиз модели27 июля 2026 г., 19:17 МСК🤖 Auto

NVIDIA Ising 1.5: Автокалибровка квантовых чипов через AI-агента

NVIDIA представила модель Ising Calibration 1.5 (31B параметров) для автоматической диагностики и настройки квантовых процессоров. Новинка поддерживает квантование NVFP4 для запуска на DGX Spark и лидирует в бенчмарке QCalEval.

Баннер новости 4477

Автоматизация калибровки QPU с помощью VLM

NVIDIA выпустила Ising Calibration 1.5 — модель компьютерного зрения и языка (VLM) объемом 31 миллиард параметров, предназначенную для интерпретации диагностических данных квантовых процессоров (QPU). Система анализирует графики и результаты экспериментов, чтобы определить необходимые настройки для стабильной работы кубитов. Это ключевой шаг к созданию полностью автономных лабораторий, где AI-агенты самостоятельно проводят калибровку без участия человека.

Технические характеристики и оптимизация

Модель обучена на разнообразных данных от партнеров NVIDIA, охватывающих различные модальности кубитов: сверхпроводящие, квантовые точки, ионы, нейтральные атомы и электроны на гелии. Ключевое улучшение версии 1.5 — снижение размера модели на 11,4% при сохранении точности BF16, что упрощает развертывание. Впервые представлена версия с квантованием NVFP4, позволяющая запускать модель на одном GPU или компактном сервере NVIDIA DGX Spark.

Результаты в бенчмарке QCalEval

Производительность оценивалась с помощью специализированного бенчмарка QCalEval, который измеряет способность модели интерпретировать экспериментальные результаты, оценивать качество подгонки и рекомендовать следующие шаги. Ising 1.5 демонстрирует выдающиеся результаты как в режиме zero-shot (без примеров), так и в режиме обучения в контексте (In-Context Learning, ICL).

Метрика / Режим Результат Ising Calibration 1.5 Сравнение / Примечание
Zero-shot (без примеров) Лидер среди открытых моделей На 10% лучше среднего показателя открытых аналогов сопоставимого размера
In-Context Learning (ICL) 86,68% улучшение По сравнению с предшественником (Ising 1.0) при использовании примеров из смежных экспериментов
Сравнение с закрытыми моделями Конкурентоспособно Сопоставимо с ведущими закрытыми моделями (например, Fable 5, GPT 5.6 Sol) в задачах интерпретации графиков
Размер модели (BF16) 31B параметров Уменьшен на 11,4% относительно предыдущей версии

Доступность и развертывание

Полные веса модели, датасеты и инструкции доступны по лицензии OpenMDW (Linux Foundation) на Hugging Face. Для автоматизации рабочих процессов NVIDIA предоставляет Nemo Agent Toolkit и готовый blueprint агента калибровки на GitHub. Модель также доступна как NVIDIA NIM через платформу NVIDIA Build, что позволяет интегрировать её в существующие инфраструктуры HPC и научных вычислений.

Источник: NVIDIA dev blog ↗