Компания Nvidia сделала важный шаг в развитии квантовых вычислений, опубликовав в открытом доступе исходный код и инструменты обучения для новой искусственной нейронной сети под названием Ising Decoder ColorCode 1 Fast. Этот специализированный ИИ-модуль разработан для предварительной обработки сигналов об ошибках, после чего он передает очищенные данные классическому декодеру Chromobius. Согласно официальным заявлениям разработчиков, в ходе компьютерного моделирования такая связка продемонстрировала впечатляющие результаты: частота логических ошибок снизилась в триста сорок семь целых и семь десятых раза, а общая скорость обработки данных увеличилась в семь целых и три десятых раза по сравнению с использованием изолированного декодера Chromobius. Важно отметить, что эти выдающиеся показатели были получены при тестировании на модели квантовой памяти с кодовым расстоянием тридцать один и физической частотой ошибок в ноль целых и три десятых процента, при этом испытания проводились исключительно на синтетических данных, а не на реальном действующем квантовом процессоре.

Сама модель Ising Decoder ColorCode 1 Fast представляет собой семнадцатислойную трехмерную сверточную нейронную сеть, содержащую примерно два целых и девять десятых миллиона параметров. Ее поле охвата равно тринадцати, а для процесса обучения применялись входные массивы данных размером тринадцать на тринадцать на девятнадцать. Ключевая особенность данной разработки заключается в том, что она функционирует не как полностью самостоятельный декодер, а именно как критически важный предварительный этап обработки информации. Система анализирует локальные сигналы об ошибках, существенно сокращает их общее количество и передает оставшуюся разреженную карту классическому алгоритму. Это решает давнюю проблему отрасли: если для хранения квантовой информации традиционно используются поверхностные коды, которые проще поддаются декодированию, то цветовые коды позволяют эффективнее выполнять определенные логические операции, но их сигналы об ошибках крайне сложны для обработки. По утверждению специалистов Nvidia, именно отсутствие быстрых и точных декодеров долгое время мешало применять цветовые коды в режиме реального времени, и новая связка должна кардинально уменьшить вычислительную нагрузку на основной алгоритм.

При оценке заявленных преимуществ необходимо учитывать аппаратный контекст проведенных тестов. Сравнение скорости работы проводилось на принципиально разных типах вычислительного оборудования: нейронную сеть запускали на мощной графической системе Nvidia DGX GB300, тогда как классический декодер Chromobius функционировал на центральном процессоре Grace Neoverse-V2. Следовательно, заявленное ускорение в семь целых и три десятых раза отражает не только алгоритмические различия, но и фундаментальную разницу в производительности между графическими и центральными процессорами. Тем не менее, Nvidia разместила весь фреймворк и подробные рецепты обучения в открытом репозитории под свободной лицензией Apache 2.0, продолжая развивать семейство открытых моделей Ising, представленное еще в апреле для калибровки процессоров и коррекции ошибок. На фоне этих достижений отрасль продолжает стремительно развиваться: например, в июне компания IBM представила обновленную дорожную карту, согласно которой планирует создать первый в мире крупномасштабный отказоустойчивый квантовый компьютер уже к две тысячи двадцать девятому году.