NVIDIA heeft Ising aangekondigd, een nieuwe familie openAI-modellen gericht op een van de grootste problemen in de kwantumcomputing: hoe processors beter te kalibreren en fouten te corrigeren met voldoende snelheid, zodat ze op termijn echte bruikbare toepassingen kunnen uitvoeren. Het bedrijf presenteert deze als de eerste familielijn van open modellen die specifiek bedoeld is om het pad naar praktische kwantumcomputers te versnellen. Hoewel het geen directe doorbraak in de volwassenheid van kwantumtechnologie betekent, versterkt het wel een groeiend inzicht binnen de sector: zonder AI wordt het bijzonder moeilijk om qubits van het lab naar stabiele, schaalbare en kosteneffectieve systemen te brengen.
De kern van de aankondiging ligt in het probleem dat ze probeert op te lossen. Huidige kwantumprocessors zijn uiterst gevoelig voor ruis. NVIDIA vat deze kwetsbaarheid samen met een eenvoudige maar veelzeggende statistiek: de beste quantumprocessors maken circa één fout per duizend bewerkingen, terwijl voor het uitvoeren van grote, nuttige toepassingen de foutenmarge verlaagd moet worden tot ongeveer één op een biljard. Met andere woorden, de grootste bottleneck is niet alleen het vergroten van het aantal qubits, maar ook dat deze betrouwbaar genoeg moeten werken zodat fouten het resultaat niet ondermijnen voordat het proces voltooid is.
Hier komt Ising in beeld. NVIDIA positioneert deze familie als een combinatie van modellen, data, tools en workflows gericht op twee kritieke taken: kalibratie van de kwantumprocessor en decodering binnen quantumfoutcorrectie. Beide zijn computationeel intensieve en tijdsgevoelige operaties, omdat het niet alleen gaat om het detecteren van storing, maar deze ook direct te corrigeren voordat fouten zich opstapelen en het systeem overbelasten. Daarom stelt NVIDIA dat AI moet fungeren als een soort bedieningsplan voor kwantummachines, om de snelheid en precisie te waarborgen die nodig zijn voor echte bruikbaarheid.
Twee modellen om het grote kwantumprobleem aan te pakken
De nieuwe familie bestaat uit twee hoofdcomponenten. De eerste is Ising Calibration, een vision- en taalmodel dat, volgens NVIDIA, meetresultaten van kwantumprocessors kan interpreteren en deze binnen geautomatiseerde workflows kan gebruiken om het systeem automatisch af te stemmen tot het binnen acceptabele parameters werkt. NVIDIA beweert dat dit proces kalibratie, dat vandaag dagen kan duren, kan verkorten tot enkele uren. De exacte snelheidstoename hangt af van het type hardware, de experimentele omgeving en hoe het in elke faciliteit wordt geïntegreerd. Het model is getraind met data van partners die werken met verschillende qubit-technologieën, zoals supergeleiders, ionenvallen, neutrale atomen en kwantumdots.
De tweede component is Ising Decoding, bestaande uit twee varianten gebaseerd op 3D-convolutionele neurale netwerken, ontworpen voor foutdecodering tijdens kwantumfoutcorrectie. NVIDIA geeft hierbij concrete cijfers: deze modellen zouden tot 2,5 keer sneller en tot 3 keer nauwkeuriger zijn dan pyMatching, een van de meest gebruikte open standaarden in dit domein. Deze vergelijking is relevant omdat foutdecodering in real-time of bijna real-time moet gebeuren, anders kan de foutencorrectie te laat komen. Een traag decodificatiesysteem houdt de kwantumprocessor alsnog fragiel, zelfs als de theoretische prestaties veelbelovend zijn.
Belangrijk is dat NVIDIA Ising niet enkel presenteert als een academische demonstratie, maar als een basisplatform dat anderen kunnen aanpassen voor hun eigen hardware en architecturen. Het pakket bevat open basismodellen, een trainingsframework, data en tools voor fine-tuning, kwantisatie en implementatie. Bovendien kunnen de modellen lokaal worden uitgevoerd, wat vooral relevant is voor laboratoria, startups en bedrijven die geen gevoelige calibratiegegevens of telemetrie van hun QPU aan derden willen blootstellen.
Waarom deze aankondiging meer betekent dan op het eerste gezicht lijkt
Kwamtumcomputing zit al jaren gevangen tussen twee tegengestelde verhalen: enerzijds de enorme beloftes in chemie, materiaalkunde, optimalisatie en medicijnontdekking, en anderzijds de nog niet rijpe technische realiteit die niet de robuustheid heeft van een productiesysteem. Ising lost dat niet op, maar richt zich wel op twee belangrijke knelpunten: voortdurende kalibratie van hardware en het minimaliseren van latency bij foutcorrectie. Het gaat dus niet om het verkopen van een ‘wonderlijke kwantumapplicatie’, maar om de kritieke basis die noodzakelijk is om verder te komen.
Daarnaast heeft deze aankondiging een duidelijke strategische boodschap. NVIDIA breidt haar rol uit van generatieve AI en GPU’s voor datacenters naar een ecosysteem dat nauw samenwerkt met kwantumhardware. Met Ising versterkt het haar initiatief rondom CUDA-Q voor hybride kwantum-classicale berekeningen en NVQLink, haar connectiviteitsoplossing voor het koppelen van QPU’s en GPU’s voor realtime controle en foutcorrectie. Het bedrijf zet in op een ecosysteem waarin praktische kwantumcomputing niet alleen afhangt van betere chips, maar ook van een nauwe interactie tussen qubits, GPU’s, controllersoftware en gespecialiseerde AI-modellen.
Het is niet verrassend dat NVIDIA de release ondersteunt met een brede lijst van betrokken partijen, waaronder Atom Computing, IonQ, IQM Quantum Computers, Q-CTRL, Harvard, Fermilab en het U.K. National Physical Laboratory. Voor foutdecodering zijn onder andere betrokken Cornell, Infleqtion, IQM, Sandia National Laboratories, UC San Diego, UC Santa Barbara, University of Chicago en Yonsei University. Hoewel dat nog niet wijst op grootschalige adoptie, geeft het wel aan dat het platform ontworpen is om te integreren in een echt kwantum-ecosysteem, niet alleen om marketingaandacht te genereren.
Openheid met een duidelijke doelstelling
Een andere reden dat Ising veel aandacht krijgt, is de openheid ervan. NVIDIA heeft de familie gedeeld op Hugging Face, waar al modellen beschikbaar zijn zoals Ising-Calibration-1-35B-A3B, Ising-Decoder-SurfaceCode-1-Fast, Ising-Decoder-SurfaceCode-1-Accurate en de benchmark QCalEval. Daarnaast maakt het onderdeel uit van haar collectie open modellen, waartoe ook voorstellen als Nemotron, Cosmos, Isaac GR00T en BioNeMo behoren. Dit geeft een belangrijke zichtbaarheid voor universiteiten, startups en onderzoeksorganisaties die anders mogelijk geen toegang zouden hebben tot soortgelijke tools.
Het belang zit echter niet alleen in de openheid, maar vooral in de toepassing. In de kwantumwereld kan het delen van calibratie- en decodeermodellen de gedeelde kennis versnellen, de reproduceerbaarheid verbeteren en het aanpassen aan verschillende hardware vergemakkelijken. In een veld met diverse technologieën zoals supergeleiders, ionenvallen, neutrale atomen en andere benaderingen, bieden open en aanpasbare tools meerwaarde dan gesloten standaardoplossingen. NVIDIA lijkt erop te wijzen dat de race om kwantumvooruitgang zich meer richt op het leveren van bruikbare technieken dan op losstaande, kant-en-klare oplossingen.
Kortom, Ising maakt NVIDIA niet meteen tot producent van kwantumcomputers, noch transformeert het de industrie direct. Maar het positioneert het wel strategisch: als een partij die de AI- en versnelde computing-laag bouwt die nodig is om kwantumcomputers van fragiele experimenten te laten groeien tot praktische systemen. In die zin is Ising geen spectaculaire ‘revolutie’, maar wel een belangrijke stap in het aanpakken van enkele van de meest complexe en onderbelichte technische problemen in kwantumtechnologie. En juist daarom is het relevant.
Veelgestelde vragen
Wat is NVIDIA Ising en waarvoor is het bedoeld?
Het is een familie openAI-modellen ontworpen om te helpen bij de kalibratie van kwantumprocessors en bij foutcorrectie, twee kritieke gebieden voor het werkelijke nut van kwantumcomputers.
Wat is het verschil tussen Ising Calibration en Ising Decoding?
Ising Calibration is een vision- en taalmodel dat automatische kalibratie van qubits mogelijk maakt op basis van meetgegevens. Ising Decoding bestaat uit twee 3D CNN-modellen die foutcorrectie in real-time decoderen binnen de foutcorrectie itself.
Beeldt NVIDIA dat Ising beter is dan pyMatching?
Volgens NVIDIA zijn de decodering-modellen tot 2,5 keer sneller en tot 3 keer preciezer dan pyMatching, dat nu wordt gezien als de open standaard in het veld.
Waar kan ik NVIDIA Ising downloaden?
De modellen en resources van de familie Ising staan al op Hugging Face en worden als onderdeel van de open modellencollectie aangeboden sinds de officiële lancering.
bron: nvidianews.nvidia