개발 IT 게시판

엔비디아는 양자 프로세서 보정 및 실시간 오류 수정 디코딩을 위한 오픈 소스 AI 모델 제품군인 Ising을 공개했습니다 . 엔비디아의 CUDA-Q 양자 소프트웨어 플랫폼과 작년 10월에 처음 소개된 NVQLink QPU-GPU 인터커넥트에 통합된 Ising 모델은 GitHub, Hugging Face 및 build.nvidia.com에서 확인할 수 있습니다.

엔비디아는 이징(Ising)을 현재의 양자 하드웨어와 내결함성 컴퓨팅 사이에 존재하는 두 가지 병목 현상, 즉 보정과 디코딩을 해결하기 위해 특별히 설계했습니다. 보정은 양자 처리 장치(QPU)의 큐비트가 일관되게 동작하도록 수동으로 처리하는 과정이며, 디코딩은 오류가 수정된 논리 큐비트에서 중복 측정값을 수정 신호로 변환하는 과정으로, 프로세서에 새로운 오류가 발생하는 속도에 맞춰 처리해야만 제대로 작동합니다.

이징 캘리브레이션은 350억 개의 매개변수를 가진 비전 언어 모델로, 양자 처리 장치(QPU)에서 얻은 실험 측정값을 읽고 조정에 필요한 값을 추론하도록 정밀하게 조정되었습니다. 엔비디아에 따르면, 이징 캘리브레이션을 에이전트와 함께 사용하면 캘리브레이션 시간을 며칠에서 몇 시간으로 단축할 수 있습니다.

한편, 이징 디코딩 제품군은 표면 코드 양자 오류 정정을 위한 사전 디코딩을 수행하는 두 가지 변형의 3D 컨볼루션 신경망(각각 90만 개 및 180만 개의 매개변수)으로 구성되어 있으며, 속도와 정확도에 최적화되어 있습니다. 엔비디아는 이 디코더가 대부분의 양자 연구 그룹에서 사용하는 오픈 소스 디코더인 pyMatching보다 2.5배 빠르고 3배 더 정확하며, 필요한 학습 데이터는 10배 적다는 것을 벤치마킹을 통해 확인했습니다.

엔비디아의 양자 제품 담당 이사인 샘 스탠윅은 The Next Platform과의 인터뷰 에서 현재 최고의 양자 프로세서는 대략 1,000번의 연산마다 한 번꼴로 오류를 발생시키며, 논리 오류율은 하드웨어와 함께 실행되는 디코딩 속도에 직접적으로 좌우된다고 밝혔습니다. 따라서 2.5배의 속도 향상은 양자 프로세서의 논리 큐비트가 고장 나기 전에 처리할 수 있는 게이트 연산의 상한선을 높여줍니다.

Ising은 오픈 소스이지만, Ising이 기반으로 하는 스택은 오픈 소스가 아닙니다. 디코더는 디코딩 윈도우 내에서 측정 데이터를 GPU로 전송하기 위해 NVQLink의 저지연 인터커넥트가 필요합니다. 보정 워크플로는 CUDA-Q를 통해 실행되며, 배포 도구는 NVIDIA 하드웨어만을 대상으로 합니다.

엔비디아는 네모트론 , 코스모스, GR00T 와 같은 프로젝트에서 동일한 패턴을 적용해 왔습니다 . 즉, 모델은 개방하되 주변 플랫폼은 독점적으로 유지하여 워크플로 전반에 걸쳐 GPU 의존성을 유도하는 것입니다. 이러한 방식으로 엔비디아는 양자 하드웨어를 직접 개발하지 않음에도 불구하고 양자 컴퓨팅 산업과 긴밀하게 연결되어 있습니다.