NVIDIA Ising, QCalEval에서 GPT-5.4보다 14.5% 앞선 양자 보정 모델군 공개

트윗이 포착한 것

Shay Boloor는 NVIDIA가 Ising을 내놨다며 이를 “world’s first open-source AI model suite”라고 불렀고, “accelerate the path to useful quantum computers”라는 표현을 썼다. 문체는 투자자 시각에 맞춰져 있다. 실제로 계정도 반도체와 AI 흐름을 주가와 산업 관점에서 압축해 전하는 편이다. 하지만 이번 건은 단순 재인용이 아니다. 연결된 NVIDIA 자료에는 모델, 벤치마크, GitHub 코드가 함께 공개돼 있다.

NVIDIA 기술 블로그에 따르면 Ising은 양자 프로세서를 만들기 위한 첫 공개 AI 모델 계열로, 두 축에서 출발한다. Ising Calibration은 calibration workflow를 겨냥한 모델이고, Ising Decoding은 quantum error correction decoding을 위한 스택이다. 둘 다 fault-tolerant quantum system으로 가는 병목이다. Calibration은 noisy qubit를 이해하고 조정하는 일이고, decoding은 오류가 누적되기 전에 실시간으로 보정해야 한다.

숫자가 보여 주는 강도

핵심 모델인 Ising-Calibration-1은 양자 calibration plot을 읽는 35B 규모 vision-language model이다. NVIDIA는 표준 평가셋이 없었기 때문에 QCalEval을 직접 만들었다고 설명한다. Hugging Face 모델 카드 기준 이 benchmark는 243개 항목, 87개 시나리오 유형, 22개 실험군으로 구성된다. NVIDIA는 여기서 Ising Calibration 1이 평균 기준으로 Gemini 3.1 Pro보다 3.27%, Claude Opus 4.6보다 9.68%, GPT-5.4보다 14.5% 높다고 적었다.

출시는 차트 하나로 끝나지 않는다. Hugging Face 카드에는 이 모델이 72.5K 데이터 엔트리로 학습됐고 여섯 종류의 양자 분석 질문을 다룬다고 적혀 있다. NVIDIA는 또 Quantum Calibration Agent Blueprint를 GitHub에 공개해 agentic calibration workflow를 바로 엮을 수 있게 했다. Decoding 쪽도 수치가 있다. Fast 모델과 PyMatching 조합은 PyMatching 단독보다 2.5배 빠르다고 하고, Accurate 경로는 공개 비교 하나에서 1.53배 높은 정확도와 2.25배 속도 향상을 제시한다.

왜 고신호인가

더 큰 의미는 NVIDIA가 양자 컴퓨팅 진전을 하드웨어만의 문제가 아니라 workflow 자동화 문제로 다루기 시작했다는 점이다. 모델, 데이터셋, benchmark, GitHub blueprint를 한꺼번에 열어 두면 각 연구팀은 자기 qubit modality에 맞게 AI 도구를 조정하면서도 핵심 QPU 데이터를 사내에 둘 수 있다. 논문 그림 하나로 끝나는 연구 데모와는 결이 다르다.

앞으로 볼 포인트는 세 가지다. QCalEval이 다른 팀도 실제로 인용하는 benchmark가 되는지, 양자 하드웨어 파트너가 자사 스택에서 같은 개선폭을 재현하는지, 그리고 공개된 GitHub blueprint가 커뮤니티의 사실상 표준 출발점이 되는지다. 그 세 조건이 맞으면 Ising은 하루짜리 화제보다, 특수 과학용 AI 모델이 운영 도구로 넘어가는 방식의 사례로 남을 가능성이 크다.

출처: Shay Boloor X 게시물 · NVIDIA 기술 블로그 · Hugging Face 모델 카드 · GitHub blueprint