Proč jsou kvantové počítače stále tak křehké

Kvantové počítače slibují průlomové změny v oblasti vývoje léků, materiálového výzkumu, logistiky a klimatického modelování. Zatím však zůstávají většinou uvězněné v laboratořích. Důvodem není jen složitost jejich stavby, ale především extrémní citlivost základních výpočetních jednotek — kubitů.

Kubity, na rozdíl od klasických bitů, které nabývají hodnoty 0 nebo 1, mohou existovat v superpozici obou stavů současně. Díky tomu mohou kvantové procesory řešit některé úlohy exponenciálně rychleji než nejvýkonnější klasické superpočítače. Tato výhoda má ale svou cenu: kvantové stavy jsou extrémně křehké. Teplotní výkyvy, elektromagnetický šum z okolní elektroniky nebo drobné hardwarové nedokonalosti mohou kubit „rozhodit“ během zlomku sekundy. Nejlepší současné kvantové procesory udělají chybu přibližně jednou za tisíc operací. Pro skutečně užitečné výpočty je přitom potřeba snížit chybovost na úroveň jedné chyby za bilion operací.

Tuto mezeru se snaží překlenout NVIDIA Ising — rodina otevřených AI modelů, které mají sloužit jako „řídicí systém“ kvantových strojů. „AI je nezbytná pro praktické využití kvantového počítání. S Ising se AI stává řídicí rovinou — operačním systémem kvantových strojů, který transformuje křehké kubity na škálovatelné a spolehlivé kvantově-GPU systémy,“ uvedl Jensen Huang, zakladatel a CEO NVIDIA, v oficiální tiskové zprávě.

Ising Calibration: AI, která čte kvantové grafy

Jednou ze dvou hlavních součástí rodiny Ising je model Ising Calibration. Jedná se o vision-language model (VLM) s 35 miliardami parametrů, který dokáže číst a interpretovat výstupy z kvantových experimentů — konkrétně kalibrační grafy a měřicí data, která vědci běžně analyzují ručně.

Kalibrace kvantového procesoru je proces, při kterém se ladí parametry jednotlivých kubitů, aby se dosáhlo co nejlepšího výkonu. V praxi to často znamená, že výzkumníci stráví celé dny prohlížením složitých grafů a postupným laděním nastavení. Ising Calibration tento proces zkracuje na hodiny. Model je schopen rozpoznat, když kubit „driftuje“ — tedy když se jeho parametry pomalu mění v čase — a navrhnout konkrétní korekci.

NVIDIA model natrénovala na reálných datech od partnerů využívajících různé typy kubitů: supravodivé kubity, kvantové tečky, ionty, neutrální atomy i speciální platformy jako elektrony na héliu. Díky tomu je model použitelný napříč různými hardwarovými architekturami. Výkon Ising Calibration byl ověřen na novém benchmarku QCalEval, který NVIDIA vyvinula ve spolupráci s kvantovými laboratořemi. Výsledky jsou pozoruhodné: Ising Calibration 1 překonává Gemini 3.1 Pro o 3,27 %, Claude Opus 4.6 o 9,68 % a GPT 5.4 o 14,5 % v průměrném skóre napříč šesti kalibračními úlohami. Pro české čtenáře to znamená, že největší jazykové modely světa, které známe z ChatGPT či Claude, nejsou v tomto specifickém vědeckém úkolu tak účinné jako specializovaný nástroj.

Model lze navíc nasadit v tzv. agentním workflow — autonomním režimu, kdy AI sama provádí iterace kalibrace, dokud procesor nedosáhne požadovaných specifikací. Díky integraci s NVIDIA NeMo Agent Toolkit mohou vývojáři vytvářet vlastní kalibrační agenty s minimálním dohledem člověka.

Ising Decoding: 2,5krát rychlejší korekce chyb

Druhým pilířem rodiny Ising je Ising Decoding — nástroj pro kvantovou korekci chyb (Quantum Error Correction, QEC). I při dokonalé kalibraci se chyby v kvantovém výpočtu občas objeví. Klíčem je je odhalit a opravit dříve, než se nakumulují a znehodnotí celý výsledek.

Ising Decoding využívá 3D konvoluční neuronové sítě (CNN) ke zpracování tzv. syndromů — měření, která odhalují, kde v kvantovém procesoru pravděpodobně došlo k chybě. NVIDIA nabízí dva předtrénované modely: jeden optimalizovaný pro rychlost, druhý pro přesnost.

Podle oficiálních údajů NVIDIA je rychlý model (Fast) s přibližně 912 000 parametry 2,5krát rychlejší a 1,11krát přesnější než současný open-source standard pyMatching při práci s kódem vzdálenosti 13. Přesnější model (Accurate) s 1,79 milionu parametrů dosahuje 2,25krát vyšší rychlosti a 1,53krát lepší přesnosti než pyMatching. U větších kódů (vzdálenost 31) může přesný model zlepšit logickou chybovost (LER) až 3krát oproti standardním postupům.

Pro běžného čtenáře: nižší latence a vyšší přesnost znamenají, že kvantový procesor může běžet déle bez přerušení, což je kritické pro provádění složitějších výpočtů. NVIDIA demonstrovala, že kombinace přesného modelu s PyMatching na serveru DGX GB300 dosahuje latence 2,33 mikrosekundy na kolo — dostatečně rychle pro řízení reálných kvantových experimentů v reálném čase.

Otevřenost jako konkurenční výhoda

Jedním z nejdůležitějších rozhodnutí NVIDIA je, že celá rodina Ising je plně otevřená. Modely, tréninkové frameworky, datasety a recepty pro nasazení jsou dostupné pod licencí Apache 2.0 na platformách Hugging Face, GitHub a build.nvidia.com. To znamená, že výzkumníci mohou modely volně upravovat, přizpůsobovat vlastnímu hardwaru a provozovat je lokálně — aniž by museli odesílat citlivá data o svých kvantových procesorech do cloudu.

Tento přístup je v kvantovém výzkumu poměrně vzácný. Mnoho týmů dosud pracovalo s uzavřenými nástroji nebo si vyvíjelo vlastní interní řešení, což znesnadňovalo porovnávání výsledků napříč laboratořemi. Ising by měl přinést standardizaci a zrychlit spolupráci mezi týmy používajícími různé hardwarové platformy.

Mezi první adoptéry patří respektované instituce jako Fermiho národní urychlovačové laboratořium (Fermilab), Harvardova inženýrská škola, Lawrence Berkeley National Laboratory, Cornell University, University of Chicago, IonQ, IQM Quantum Computers, Infleqtion, Q-CTRL nebo Yonsei University v Jižní Koreji. V Evropě se k projektu připojila například britská National Physical Laboratory (NPL) nebo finský startup IQM Quantum Computers, což naznačuje, že i evropský kvantový ekosystém aktivně integruje AI do své práce.

Hybridní budoucnost: kdy se kvantové počítače stanou užitečnými

NVIDIA Ising není samostatný produkt, ale součást širšího ekosystému hybridního kvantově-klasického počítání. Modely jsou navrženy tak, aby fungovaly společně s platformou CUDA-Q — softwarovým řešením NVIDIA pro orchestraci výpočtů napříč klasickými GPU, CPU a kvantovými procesory (QPU). Pro reálné nasazení je klíčová také technologie NVQLink, která zajišťuje nízko-latenční propojení mezi kvantovým procesorem a klasickými akcelerátory.

Tento hybridní přístup odráží realitu, že plně kvantové superpočítače jsou stále vzdálené. Spíše než samostatné kvantové stroje budou pravděpodobně první praktické systémy tvořit specializované kvantové akcelerátory připojené k klasickým datovým centerům, podobně jako dnes GPU akcelerují strojové učení. Podle analytické společnosti Resonance by měl trh s kvantovým počítáním překročit 11 miliard dolarů v roce 2030. Tento růst je však podmíněn právě řešením inženýrských výzev jako kalibrace a korekce chyb.

Pro české čtenáře a firmy je důležité, že kvantové počítače zatím nejsou komerčně dostupné jako produkty pro běžný trh. NVIDIA Ising je primárně nástroj pro výzkumníky a vývojáře. Česká republika má přitom své zastoupení v kvantovém výzkumu například prostřednictvím projektů na ČVUT v Praze nebo Akademii věd ČR, ačkoliv přímá účast na projektu Ising zatím nebyla oznámena. S rostoucím důrazem Evropské unie na kvantové technologie v rámci programů jako Quantum Flagship by však otevřené nástroje jako Ising mohly usnadnit zapojení i menších evropských týmů.

Kde začít a jaké jsou limity

Zájemci mohou modely stáhnout z Hugging Face nebo GitHubu. NVIDIA kromě samotných modelů poskytuje i tzv. cookbook — sbírku receptů pro nasazení, fine-tuning a kvantizaci. Ising Calibration 1 je také dostupný jako NVIDIA NIM mikroslužba, což usnadňuje integraci do existujících vývojových pipeline.

Je ale třeba zachovat realistická očekávání. Ising je výkonný nástroj, nikoliv magické řešení. Kvantové počítání zůstává oborem, kde fyzikální limity — chlazení na teploty blízké absolutní nule, elektromagnetické stínění, složitost řídicí elektroniky — hrají stále zásadní roli. NVIDIA sama uvádí, že některé produkty a funkce popsané v tiskové zprávě jsou ve vývoji a jejich dostupnost se může změnit. Přesto jde o signál, že AI se stává nepostradatelnou součástí cesty k fault-tolerantním kvantovým systémům — tedy strojům, které dokáží spolehlivě fungovat i při výskytu chyb.

PEREX: NVIDIA představila Ising — první otevřenou rodinu AI modelů pro kvantové počítače. Specializované nástroje urychlují kalibraci kubitů z dnů na hodiny a zvyšují přesnost korekce chyb až trojnásobně. Co to znamená pro budoucnost hybridního kvantového počítání a evropský výzkum?

TITLE: NVIDIA Ising: První open-source AI modely, které stabilizují křehké kubity pro hybridní kvantové počítání