A NVIDIA lançou o Ising, uma coleção de modelos abertos de inteligência artificial que a empresa descreve como os primeiros do mundo projetados para acelerar o caminho em direção a computadores quânticos úteis. Lançados em 23 de junho de 2026, os modelos visam dois dos problemas mais teimosos que se colocam entre o hardware quântico experimental de hoje e a computação prática: correção de erros quânticos e calibração de qubit.
O lançamento sinaliza a crença da NVIDIA de que a IA clássica, executada nas GPUs que já domina, servirá como tecido conjuntivo que tornará as máquinas quânticas viáveis. O CEO da NVIDIA, Jensen Huang, enquadrou o relacionamento sem rodeios, descrevendo a IA como o “plano de controle” das máquinas quânticas. Para mais contexto sobre esta história, confira nossa cobertura da indústria de IA.
AI como o plano de controle quântico
Os computadores quânticos prometem resolver certos problemas, como simulação molecular e criptografia, muito mais rápido do que as máquinas clássicas. Mas os processadores quânticos atuais continuam barulhentos e sujeitos a erros. Qubits, as unidades básicas de informação quântica, perdem seus delicados estados quânticos em frações de segundo, e mantê-los estáveis requer calibração constante e precisa.
É aí que a NVIDIA vê uma abertura. Em vez de competir para construir ela própria processadores quânticos, a empresa está posicionando seu software de IA e infraestrutura de GPU como a camada que gerencia, estabiliza e corrige o comportamento do hardware quântico construído por terceiros. Os modelos de Ising têm como objetivo ajudar pesquisadores e fabricantes de hardware a aplicar o aprendizado de máquina para detectar e corrigir erros e ajustar qubits com mais eficiência.
Ao lançar os modelos como pesos abertos, a NVIDIA está incentivando a comunidade mais ampla de pesquisa quântica a adotá-los, estudá-los e melhorá-los, uma estratégia que reflete a abordagem de pesos abertos que remodelou o cenário dos modelos de linguagem.
A correção quântica de erros atende ao aprendizado de máquina
A correção quântica de erros é o desafio central de engenharia do campo. Como os estados quânticos entram em colapso quando observados diretamente, os pesquisadores devem usar métodos indiretos para detectar e corrigir erros sem destruir as informações que estão tentando proteger. As técnicas convencionais de correção de erros exigem uma enorme sobrecarga, com muitos qubits físicos necessários para formar um único qubit confiável ou lógico.
O aprendizado de máquina oferece um atalho potencial. Os modelos de IA podem aprender a reconhecer padrões de erros e prever correções a partir dos dados, reduzindo potencialmente a sobrecarga e a latência dos algoritmos de decodificação tradicionais. Os modelos Ising da NVIDIA são desenvolvidos para operar nessa lacuna, aplicando redes neurais treinadas às tarefas de correção de erros e calibração que atualmente consomem tempo e computação significativos em sistemas quânticos.
Resultados iniciais do mundo real
A promessa já está sendo testada em hardware real. A empresa de computação quântica fotônica Aegiq anunciou que implantou os modelos Ising AI da NVIDIA para automatizar a calibração de seu sistema quântico fotônico, com resultados relatados de que a IA reduziu o tempo de calibração por um fator de três em comparação com os métodos anteriores.
Para uma área onde horas de ajuste manual são rotineiras, esse tipo de redução é significativo. A calibração mais rápida e orientada por IA pode permitir que as equipes de hardware quântico gastem mais tempo executando cálculos úteis e menos tempo simplesmente mantendo suas máquinas estáveis. Aegiq também combinou a abordagem acelerada pela NVIDIA com métodos de rede tensor para simulação de fluidos em grande escala, apontando para um modelo híbrido no qual IA e técnicas inspiradas em quânticas trabalham lado a lado.
Uma aposta mais ampla na IA para a ciência
O lançamento do Ising faz parte de um impulso mais amplo da NVIDIA na computação científica, revelado no mesmo período. Na conferência de supercomputação do ISC, a empresa apresentou novas bibliotecas de software destinadas à química, à descoberta de materiais e até à procura de matéria escura, juntamente com anúncios de que a sua tecnologia alimenta agora mais de 400 dos 500 supercomputadores mais rápidos do mundo.
A NVIDIA também detalhou novos kits de ferramentas de agentes de IA para ciências biológicas e destacou parcerias com laboratórios nacionais que constroem supercomputadores equipados com suas CPUs mais recentes. O fio condutor é a convicção de que os modelos de IA, cada vez mais capazes e cada vez mais abertos, podem servir como aceleradores de uso geral nos problemas mais difíceis da ciência, desde a descoberta de medicamentos até à física quântica.
Ações quânticas reagem
O mercado respondeu rapidamente ao anúncio. As ações de empresas de computação quântica subiram acentuadamente após a estreia dos modelos Ising pela NVIDIA, com ações com foco quântico, incluindo D-Wave Quantum (QBTS), Rigetti Computing (RGTI) e Quantum Computing Inc. Os investidores interpretaram o endosso da NVIDIA e as suas ferramentas abertas de IA como uma validação de que o setor quântico está cada vez mais próximo da relevância comercial.
A recuperação sublinha o quão intimamente ligado o sentimento em torno da computação quântica se tornou ao boom mais amplo da IA. Quando a empresa líder em GPU lança modelos explicitamente concebidos para tornar o hardware quântico mais prático, ela reformula o quantum não como um rival distante da computação clássica, mas como uma fronteira adjacente que a IA ajudará a domar.
Por que os pesos abertos são importantes aqui
A decisão da NVIDIA de lançar os modelos Ising como pesos abertos é notável porque a correção quântica de erros é uma área onde o progresso tem sido tradicionalmente isolado dentro de empresas de hardware individuais e laboratórios acadêmicos. Os modelos abertos reduzem a barreira para pesquisadores sem acesso a decodificadores proprietários experimentarem a correção assistida por IA.
Se a abordagem aberta se concretizar, poderá acelerar o tipo de progresso colaborativo e interinstitucional que impulsionou os grandes modelos linguísticos. Os pesquisadores podem ajustar os modelos com base em dados de seu próprio hardware, compartilhar melhorias e construir um kit de ferramentas comum, em vez de reinventar o software de calibração e correção para cada nova plataforma quântica.
O caminho para a computação quântica útil
A computação quântica passou anos num estado de otimismo cauteloso, com investigadores alertando repetidamente que máquinas tolerantes a falhas e amplamente úteis ainda estão a anos de distância. A NVIDIA não afirma que Ising resolva esse problema de uma vez. Em vez disso, a empresa aposta que a IA pode comprimir o cronograma eliminando os gargalos de engenharia, um ciclo de calibração e um erro corrigido de cada vez.
Se essa aposta valerá a pena dependerá da eficácia com que a comunidade de pesquisa adota os modelos e de quanto desempenho no mundo real eles oferecem além dos resultados iniciais do Aegiq. Mas com Ising, a NVIDIA traçou uma linha clara: o futuro da computação quântica útil, na sua opinião, será construído sobre uma base de IA.
---
Fique à Frente da IAAs últimas notícias, análises e avanços em inteligência artificial — tudo em um só lugar.
Ler mais notícias de IA →
