NVIDIA Ising Calibration 是一个开源视觉语言模型 (VLM) ，旨在解释量子处理器的诊断输出，并确定如何调整这些输出以继续运行。
本文将介绍新发布的模型 NVIDIA Ising Calibration 1.5，该模型可在未预先训练示例的情况下分析不熟悉的诊断结果，从而推进基于 AI 的 QPU 校准。Ising Calibration 1.5 还使用相关实验中的示例 (如果可用) ，并且在 BF16 精度下，该精度较小 11.4%。这简化了直接在本地实验室环境中部署代理校正工作流的过程。
该模型还首次提供 NVFP4 量化版本，支持在单个 GPU 或 NVIDIA DGX Spark 上部署，可与 Fable 5 和 GPT 5.6 Sol 等领先的封闭模型相美。
如何训练 Ising Calibration 1.5 模型？
Ising Calibration 1.5 模型基于合作伙伴在多个量子比特模态中贡献的数据进行训练，包括超导量子位、量子点、离子、中性原子、上的电子以及其他专门用于校准和控制的模型。
如何评估校准 1.5 性能？
使用 QCalEval 基准测试来评估 Ising Calibration 1.5 的性能，该基准测试用于衡量模型解释实验结果、分类结果、评估显著性、评估拟合质量和关键特征以及推荐后续步骤的能力。有关基准测试、模型架构和评估结果的更多详细信息，请参阅 QCalEval：用于量子校准图形理解的基准测试视觉语言模型。
评估涵盖零样本和情境学习 (ICL) 。零样本推理独立分析结果，而 ICL 则在相关样本的上下文中评估结果。这两者对于构建能够自动执行 QPU 启动和重新调整操作的智能体非常重要。
在 QCalEval 基准测试中，Ising Calibration 1.5 在没有先前示例的情况下分析诊断结果时表现出了强劲的性能。在使用相关实验示例时，它现在也比上一代产品高出 86.68%。它的性能优于类似的开放模型，并且与领先的封闭模型相比仍然具有竞争力。
Ising Calibration 1.5 在 QCalEval 基准测试中的表现优于所有开箱即用的开放模型，从而推进了 AI 和量子计算校准。它可与先进的封闭或 1T+ 参数模型相美。
包含 310 亿个参数的 VLM 适用于 NVIDIA Grace Blackwell 和 NVIDIA Vera Rubin 等数据中心 GPU。它还附带 NVFP4 的量化版本，用户可以在消费级游戏卡或 NVIDIA DGX Spark 上运行此模型，而准确性方面的成本很低。
DGX Spark 上的每秒 token 数 (TPS) 性能也得到了优化，只需一小部分成本即可在本地实现良好的吞吐量。
如需详细了解如何使用智能体部署 Ising Calibration 1.5，请查看 NVIDIA/ Quantum-Calibration-Agent-Blueprint GitHub 资源库。
开始使用 NVIDIA Ising 开放资源
NVIDIA Ising 模型系列现已全面开放。提供权重、数据、基准测试和方法，以便您可以针对特定 QPU 修改、部署和微调自己的模型和变体。
模型权重
Hugging Face 上提供了 Ising Calibration 1.5 的完整参数检查点：
Ising Calibration 1.5 也可作为 NVIDIA NIM 提供，并通过 NVIDIA Build 进行托管。Linux Foundation 的 OpenMDW 许可证为 QPU 构建者和运营商提供了保持数据控制并在任意位置进行部署的灵活性。
部署方法
即用型智能体线束蓝图可支持此模型和其他模型，包括大型模型云 API。
- 量子校准智能体蓝图是一个脚本，用于使用 Ising Calibration 1.5 和 NVIDIA Nemo Agent Toolkit 部署智能体工作流，以快速建立量子校准实验自动化。
开放数据集和 QCalEval 基准测试
Ising Calibration 1.5 基于合作伙伴和协作者提供的真实 QPU 数据构建而成。语义量子校准基准测试也已发布，用于评估此任务的模型有效性。
- 查看 QCalEval 数据集
- 运行 QCalEval 脚本
