NVIDIA Ising Calibration是一款开源视觉语言模型（VLM），专为解读量子处理器的诊断输出并确定如何对其进行调优而设计。
本文介绍最新发布的NVIDIA Ising Calibration 1.5模型。该版本通过分析无需预先训练样本的陌生诊断结果，进一步推进了基于AI的量子处理器校准能力。Ising Calibration 1.5在有相关实验样本可用时，还能利用这些样本进行上下文学习，同时在BF16精度下体积缩小了11.4%，有助于在本地实验室环境中更便捷地部署智能体校准工作流。
此次还是该模型首次推出NVFP4量化版本，支持在单张GPU或NVIDIA DGX Spark上部署，性能可与Fable 5、GPT 5.6 Sol等领先闭源模型相媲美。
Ising Calibration 1.5的训练数据来源于多家合作伙伴的贡献，涵盖多种量子比特类型，包括超导量子比特、量子点、离子、中性原子、氦面电子等，重点覆盖校准与控制领域。
该模型的性能通过QCalEval基准测试进行评估，该基准用于衡量模型解读实验结果、分类输出、评估显著性、评价拟合质量与关键特征以及给出后续建议的综合能力。关于基准测试、模型架构及评估结果的详细信息，可参阅《QCalEval：面向量子校准图理解的视觉语言模型基准测试》。
评估涵盖零样本推理和上下文学习（ICL）两种方式。零样本推理对结果进行独立分析，而ICL则在相关样本的背景下评估结果。两种方式对于构建能够自动化完成量子处理器上电调试与重新调优的智能体均至关重要。
在QCalEval基准测试中，Ising Calibration 1.5在无先验样本的情况下展现出强劲表现，同时在利用相关实验样本方面相比前代模型提升了86.68%。该模型性能优于同类开源模型，并与领先的闭源模型保持竞争力。
Ising Calibration 1.5在QCalEval基准测试中超越所有开源模型，同时与千亿参数级别的闭源前沿模型保持竞争力，进一步推动了AI与量子计算校准的融合发展。
这款拥有310亿参数的VLM适配NVIDIA Grace Blackwell和NVIDIA Vera Rubin等数据中心级GPU。同时提供NVFP4量化版本，用户可在消费级游戏显卡或NVIDIA DGX Spark上运行，精度损失极小。
该模型在DGX Spark上的每秒Token生成速度（TPS）也经过专项优化，能够以极低成本在本地实现良好的推理吞吐量。
如需了解如何将Ising Calibration 1.5与智能体结合部署，可查看NVIDIA/Quantum-Calibration-Agent-Blueprint GitHub仓库。
NVIDIA Ising模型系列完全开放，提供权重、数据、基准测试及训练方案，支持用户针对特定量子处理器进行修改、部署和微调。
Ising Calibration 1.5的完整参数检查点已在Hugging Face上线：
Ising Calibration 1.5 31B BF16版
Ising Calibration 1.5 31B NVFP4版
该模型同时以NVIDIA NIM形式提供，并通过NVIDIA Build平台托管。Linux Foundation推出的OpenMDW许可证为量子处理器制造商和运营商提供了灵活的数据管控与任意环境部署能力。
可用的即开即用型智能体框架蓝图支持该模型及其他模型，包括大型模型云端API。
量子校准智能体蓝图是一套部署脚本，基于NVIDIA Nemo Agent Toolkit，结合Ising Calibration 1.5快速搭建量子校准实验自动化的智能体工作流。
Ising Calibration 1.5基于合作伙伴提供的真实量子处理器数据构建，并同步发布了语义量子校准基准测试，用于评估模型在该任务上的有效性。
Q&A
Q1：NVIDIA Ising Calibration 1.5模型是用来做什么的？
A：NVIDIA Ising Calibration 1.5是一款开源视觉语言模型，专门用于解读量子处理器的诊断输出，并智能判断如何对量子处理器进行调优。它支持零样本推理和上下文学习两种模式，能够在没有先验样本的情况下独立分析结果，也可结合相关实验样本进行推理，从而实现量子处理器上电调试与重新调优的全自动化流程，大幅降低量子计算机校准的人工成本。
Q2：Ising Calibration 1.5相比上一代有哪些提升？
A：Ising Calibration 1.5主要有三项关键提升：一是上下文学习能力大幅增强，在利用相关实验样本时比前代模型提升了86.68%；二是模型体积在BF16精度下缩小了11.4%，更易于在本地实验室部署；三是首次推出NVFP4量化版本，支持在单张消费级GPU或NVIDIA DGX Spark上运行，大幅降低了硬件门槛，同时精度损失极小。
Q3：QCalEval是什么？用来评估哪些能力？
A：QCalEval是专门为量子校准任务设计的基准测试，用于衡量视觉语言模型在量子校准图理解方面的综合能力，具体包括：解读实验结果、对输出结果进行分类、评估结果的显著性、评价拟合质量与关键特征，以及推荐后续操作步骤。该基准同时测试零样本推理和上下文学习两种场景，是目前评估量子校准AI模型效果的核心工具。
热门跟贴