NVIDIA presenta Ising, una familia abierta de modelos de IA para calibrar procesadores cuánticos y corregir errores, reforzando su apuesta por la computación cuántica con soluciones innovadoras. 

NVIDIA lo ha vuelto a hacer en un momento donde parecía estar en calma, puesto que ha presentado Ising, una familia abierta de modelos de IA enfocada en dos tareas muy concretas dentro de la computación cuántica: la calibración de procesadores y el apoyo a la corrección de errores. ¿Qué mejora y por qué ahora? Eso es lo interesante del asunto.

Aunque parezca increíble no se trata de una “GPU cuántica”, que sería lo esperable por otra parte, sino de una capa de software con modelos abiertos integrada en su plataforma cuántica acelerada por GPU. La compañía la ofrece junto con pesos, herramientas, datos y guías para ajuste fino y despliegue que promete revolucionar el mercado.

NVIDIA Ising, la IA para ordenadores cuánticos que promete un nuevo nivel de rendimiento

El anuncio pone el foco en uno de los mayores problemas del sector para solucionarlo. Los qubits siguen siendo inestables, su comportamiento varía con el tiempo y eso obliga a medir, ajustar y corregir constantemente. Para abordar ese reto, que no es poco precisamente, NVIDIA divide Ising en dos componentes: Ising Calibration e Ising Decoding. El primero está pensado para ajustar el hardware cuántico. El segundo busca acelerar la corrección de errores mientras el sistema sigue en funcionamiento.

La propia NVIDIA resume el desafío con una cifra clara: los mejores procesadores cuánticos actuales registran aproximadamente un error cada 1.000 operaciones, y para llegar a sistemas realmente útiles esa tasa tendría que bajar hasta un error por cada 1 billón de operaciones. En ese contexto aparece Ising Calibration, un modelo VLM abierto de 35.000 millones de parámetros entrenado con datos procedentes de distintas modalidades de qubit.

Su función, según ha mostrado NVIDIA, es analizar resultados experimentales del hardware y generar “salidas técnicas” orientadas a tareas de calibración. Lo que buscan es lo obvio, reducir la tasa de errores por magnitudes, una tarea que hasta ahora habría sido ciencia ficción solamente el pensarlo.

QCalEval, los ordenadores cuánticos ya tienen sus benchmark de precisión

NVIDIA acompaña todo lo dicho con QCalEval, un benchmark de seis partes construido a partir de resultados reales de ordenadores cuánticos, y asegura que su modelo supera a GPT 5.4 en un 14,5% dentro de esa prueba, lo cual es impresionante.

La otra parte de la propuesta es, como habíamos comentado, Ising Decoding. En este caso, NVIDIA no recurre a un gran modelo de lenguaje, sino a dos modelos abiertos 3D CNN diseñados para la predecodificación en corrección de errores cuánticos.

La compañía resume su rendimiento con dos datos: hasta 2,5 veces más velocidad y hasta 3 veces más precisión, según el escenario. La meta es reducir la latencia del sistema clásico encargado de procesar las mediciones del procesador cuántico, algo clave para aplicar correcciones en tiempo real. Y es que no solo importa mejorar la precisión, sino llegar antes a ella, es una parte fundamental de esta ecuación.

NVIDIA también sitúa Ising dentro de todo su ecosistema de computación cuántica con GPU. De hecho, Ising Calibration puede ejecutarse en plataformas como Grace Blackwell, Vera Rubin y DGX Spark, mientras que el stack abierto de Ising se apoya en recursos distribuidos a través de su web, Hugging Face, GitHub, CUDA-Q QEC, cuQuantum y PyTorch.

Los verdes lo presentan como una base abierta para que laboratorios y compañías adapten estos modelos a sus propios datos, a sus propios qubits y a sus propios flujos de trabajo. Sin duda, NVIDIA ha pegado un puñetazo en la mesa a la computación cuántica con Ising, y lo que parecía imposible se está volviendo cada vez más cercano gracias a la IA, acelerando su "democratización" poco a poco.