NVIDIA Ising: l’IA che porta la computazione quantistica nella fase pratica

NVIDIA alza l’asticella dell’innovazione e si candida a protagonista assoluto anche nella computazione quantistica. Il 7 maggio 2024 ha svelato Ising, la prima famiglia di modelli di intelligenza artificiale open-source pensata per risolvere i due crucci più grandi del settore: la calibrazione dei processori quantistici e la correzione degli errori. L’obiettivo dichiarato è trasformare i fragili qubit di oggi in un’infrastruttura scalabile, affidabile e pronta per applicazioni reali, il cosiddetto useful quantum computing.

Ising non è un esperimento accademico, ma il tassello mancante di una strategia già avviata con CUDA-Q (la piattaforma di simulazione e programmazione quantistica di NVIDIA) e NVQLink, l’interconnessione ultra-bassa latenza che unisce GPU e QPU. Jensen Huang, CEO di NVIDIA, ha sintetizzato la visione: «Le GPU diventeranno il sistema operativo dei computer quantistici futuri».

Il momento è ora: perché NVIDIA ha scelto il 2024

La computazione quantistica vive da anni un dilemma promesse vs. ingegneria. I chip più evoluti falliscono circa 1 operazione ogni 1.000; per essere competitivi servirebbe un tasso di errore di 1 su 1.000.000.000.000. Colmare il divario richiede calibrazioni continua e decodifica in tempo reale: due processi computazionalmente intensivi e perfetti per l’accelerazione GPU.

Ising si presenta come la risposta software a questa esigenza hardware. I laboratori che adotteranno i nuovi modelli potranno – secondo NVIDIA – ridurre i cicli di calibrazione da giorni a poche ore e ottenere una velocità 2,5× superiore e una precisione 3× maggiore rispetto a pyMatching, lo stato dell’arte open-source per la correzione di errore.

Ising Calibration: l’AI che “vede” i qubit

Basato su un architettura vision-and-language da 35 miliardi di parametri, il modello interpreta immagini e misure provenienti dal hardware quantistico, individua le derive termiche o elettromagnetiche e suggerisce aggiustamenti automatici. Il flusso è integrato in CUDA-Q, quindi può essere richiamato con una singola riga di codice in Python o C++.

Ising Decoding: CNN 3D per la memoria quantistica

Due reti neurali convoluzionali tridimensionali – Fast e Accurate – specializzate nel decoding di codici a superficie (surface codes). Lavorano su stack di errori sintetizzati in tempo reale e ritornano il corretto stato logico, permettendo al calcolo quantistico di proseguire senza decoerenza.

Adozione ecosistemica: chi sta già usando NVIDIA Ising

NVIDIA ha diffuso una lista di adozione tempestiva che include:

• produttori di QPU: IonQ, Atom Computing, Infleqtion, IQM;
• centri di ricerca: Harvard University, Fermilab, Sandia National Labs, UC San Diego, U.K. National Physical Laboratory;
• startup quantistiche in Europa, Asia e Nord America che stanno integrando CUDA-Q nei loro stack cloud.

L’open-source rilasciato su Hugging Face comprende già:

1. Ising-Calibration-1-35B-A3B (modello di calibrazione);
2. Ising-Decoder-SurfaceCode-1-Fast (priorità velocità);
3. Ising-Decoder-SurfaceCode-1-Accurate (priorità accuratezza);
4. QCalEval, benchmark per confrontare le prestazioni di calibrazione.

Implicazioni per l’industria AI e HPC

1. Legittimazione tecnologica

Quando NVIDIA sceglie un dominio, il mercato segue. L’arrivo di Ising conferma che l’IA non è più solo chatbot o generazione di immagini, ma infrastruttura di controllo per tecnologie esotiche. Venture capital e corporate venture si stano già ri-allineando: nei primi 10 giorni dall’annuncio, 12 startup quantistiche hanno citato CUDA-Q nei loro pitch deck (fonte: PitchBook).

2. AI come sistema operativo quantistico

NVIDIA non produce QPU, ma fornisce il “cervello” che le fa funzionare. Se l’approccio si standardizza, il valore economico si sposta dal solo hardware quantistico alla piattaforma ibrida: GPU+IA+QPU. Una posizione dominante già sperimentata nel mondo dell’HPC tradizionale.

3. Open source come leva di mercato

Pubblicare modelli addestrati e dataset abbassa la barriera d’ingresso per università e PMI, accelerando la ricerca e creando – di fatto – una community di sviluppatori che impara a programmare “alla NVIDIA”. Un ecosistema che, storicamente, ha tradotto in feed-forward su vendite di chip e servizi cloud.

Prospettive future: quantum utility nel 2030?

Gli analisti di BCG stimano che il mercato della computazione quantistica passerà da 1,3 miliardi di USD nel 2024 a 90 miliardi nel 2032. La quota più redditizia non sarà il qubit fisico, bensì software di controllo, simulazione e cloud access. NVIDIA sta piazzando i tasselli per conquistare proprio quello spazio, replicando il modello CUDA che oggi vale oltre 10 miliardi di USD annui di fatturato licensing.

Con Ising, CUDA-Q e NVQLink, l’azienda mira a diventare il “AWS della quantum utility”: la piattaforma su cui sviluppatori, enterprise e governi consumeranno cicli di calcolo quantistico come oggi acquistano istanze GPU.

FAQ domande frequenti

Ising è disponibile subito?Sì. I modelli e il benchmark QCalEval sono scaricabili gratuitamente su Hugging Face e integrati nell’ultima release di CUDA-Q 24.04.

Serve una GPU NVIDIA per usarlo?Per il training e il fine-tuning consigliata una H100 o A100. Per l’inference in produzione basta una T4 o superiori; il codice è compatibile anche con CPU, ma le prestazioni decadono drasticamente.

Qual è il prossimo passo di NVIDIA nel quantistico?Secondo fonti interne, è in roadmap NVQ-Server, un appliance rack-level che combinerà 8 GPU Grace Hopper e 2 moduli QPU terziari, in vendita entro il 2025 per laboratori e data-center di ricerca.

Fonte: comunicato stampa NVIDIA 07/05/2024, dati di mercato PitchBook e BCG Quantum Market Monitor Q1-2024.