كشفت NVIDIA عن نماذج ذكاء اصطناعي كمومي مفتوحة المصدر، حيث يُسرّع الذكاء الاصطناعي تصميم الرقائق

الكاتب: كلوود، شينتشاو TechFlow

مقدمة من Shenchao: في 14 أبريل، أطلقت نفيديا عائلة نماذج الذكاء الاصطناعي الكمي المفتوحة المصدر الأولى عالميًا Ising، حيث زادت سرعة ترميز تصحيح الأخطاء بنسبة 2.5 مرة مقارنة بالمعايير الصناعية، وتحسّنت الدقة بنسبة 3 مرات.

ارتفعت أسهم قطاع الحوسبة الكمية جميعها في نفس اليوم، حيث ارتفع IonQ بنسبة 18% وD-Wave بنسبة 15%. وفي نفس اليوم، كشف العالم الرئيسي ويليام دالي في GTC 2026 أن الذكاء الاصطناعي قد قلل من وقت نقل مكتبة الوحدات القياسية للرقائق من 8 أشخاص على مدار 10 أشهر إلى ليلة واحدة على وحدة معالجة رسومية واحدة، مع تفوق النتائج على التصميم اليدوي.

تستخدم نفيديا الذكاء الاصطناعي لتسريع اثنين من أصعب مشكلات الهندسة: جعل الحواسيب الكمومية قابلة للاستخدام فعليًا، وجعل تصميم وحدات معالجة الرسوميات نفسها أسرع وأفضل.

في 14 أبريل، بمناسبة "اليوم العالمي للكمبيوتر الكمي"، أطلقت نيفيديا أول عائلة من نماذج الذكاء الاصطناعي مفتوحة المصدر مخصصة للحوسبة الكمية، NVIDIA Ising، مما أدى إلى ارتفاع جماعي في أسهم قطاع الكم. وفي نفس الفترة، كشف ويليام دالي، العالم الرئيسي في الشركة، خلال حدث GTC 2026 عن أحدث التطورات في استخدام الذكاء الاصطناعي في عمليات تصميم الرقائق الداخلية لدى نيفيديا، حيث بلغت زيادة كفاءة إحدى المهام مئات الأضعاف.

تُشير طريقتان إلى نفس الاستنتاج: أن الذكاء الاصطناعي يتحول من كونه "أداة على مستوى التطبيق" إلى "أساسية الأساسيات"، مما يُسرّع صناعات التشغيل السفلي (الحوسبة الكمية) كما يُسرّع التحديثات في الأجهزة الخاصة بالذكاء الاصطناعي نفسه.

وفقًا لبيان صحفي صادر عن NVIDIA في 14 أبريل، فإن عائلة نموذج Ising تضم أول مجالين نموذجيين: Ising Calibration وIsing Decoding، اللذان يستهدفان اثنين من العقبات الأساسية لتطبيق الحوسبة الكمية.

تتميز كيوبتات معالجات الكم بوجود ضوضاء طبيعية، وأفضل معالجات الكم الحالية ترتكب خطأً تقريبًا مرة واحدة كل ألف عملية. لجعل الحواسيب الكمومية ذات قيمة عملية، يجب خفض معدل الخطأ إلى أقل من جزء من تريليون.

Ising Calibration هو نموذج بصري-لغوي بحجم 35 مليار معلمة، قادر على تفسير تلقائي لبيانات القياس من معالجات كمومية واتخاذ قرارات معايرة، مما يختصر عملية المعايرة التي كانت تستغرق أيامًا إلى بضع ساعات. أما Ising Decoding فهو زوج من نماذج الشبكات العصبية التلافيفية ثلاثية الأبعاد (مُحسَّنة لكل من السرعة والدقة) لفك الترميز في الوقت الحقيقي لتصحيح الأخطاء الكمومية، وهو أسرع بـ 2.5 مرة وأدق بثلاث مرات مقارنةً بمعيار الصناعة المفتوح الحالي pyMatching.

شرح سام ستانويك، مدير منتجات كمبيوتر الكم في نفيديا، منطق الاستراتيجية المفتوحة المصدر في المؤتمر: تختلف خصائص الضوضاء بين مصنعي أجهزة الكم، وتمكّن النماذج المفتوحة المصدر هذه الشركات من الضبط المحلي باستخدام بياناتها الخاصة، مما يعزز الأداء ويحمي البيانات الحصرية.

أعرب جيني هوانغ، الرئيس التنفيذي لشركة NVIDIA، بشكل أكثر مباشرة، قائلًا في بيانه إن الذكاء الاصطناعي يصبح طبقة التحكم للآلات الكمية، وتحول الكيوبتات الهشة إلى أنظمة كيوبت كمومية قابلة للتوسع وموثوقة.

وفقًا لشركة نيفيديا، فقد سبقت عدة مؤسسات في تبني نموذج إيسينغ، بما في ذلك كلية الهندسة والعلوم التطبيقية بجامعة هارفارد، ومختبر فيرمي الوطني للتسريع، وشركة IQM Quantum Computers، ومختبر لورنس بيركلي الوطني، ومختبر الفيزياء الوطني البريطاني.

في يوم إصدار Ising، شهدت أسهم الكم في السوق الأمريكية موجة ارتفاع جماعي. وفقًا لبيانات Yahoo Finance، ارتفع IonQ بنسبة حوالي 18%، وD-Wave Quantum بنسبة حوالي 15%، وRigetti Computing بنسبة حوالي 12%.

يأتي هذا الارتفاع في سياق تصحيح عميق شهدته أسهم قطاع الحوسبة الكمومية منذ بداية العام. حتى 14 أبريل، انخفضت IonQ بنحو 22%، وD-Wave بنحو 35%، وRigetti بنحو 23% خلال العام. ولم يغير هذا الارتداد الثنائي الأرقام الاتجاه الهبوطي للعام، لكن مدى التحرك الجماعي لا يزال ملحوظًا.

يجب الإشارة إلى أن عوامل دفع هذه الموجة ليست فقط إصدار Ising. فقد أعلنت IonQ في نفس اليوم عن تقدم مهم في شبكة الكم وعقد من DARPA، كما تلقت Rigetti إشعارًا بطلب بقيمة 8.4 مليون دولار من مركز الهند المتقدم للحوسبة (C-DAC). إن تراكم عوامل التحفيز المتعددة قد عزز تأثير القطاع.

تتوقع مؤسسة Resonance أن يصل حجم سوق الحوسبة الكمية العالمي إلى أكثر من 11 مليار دولار بحلول عام 2030. وذكر تقرير صادر عن تحالف الاقتصاد الكمي (QED-C) في نفس اليوم أن سوق الكمية العالمي بلغ 1.9 مليار دولار في عام 2025، مع نمو عدد موظفي الشركات الكمية البحتة بنسبة 14%.

تشير Ising إلى تسريع الصناعات الخارجية، بينما تعيد NVIDIA تشكيل عملية تصميم رقائقها الداخلية باستخدام الذكاء الاصطناعي.

في حوار بين ويليام دالي، العالم الرئيسي في نيفيديا، وجيفر ديآن، العالم الرئيسي في جوجل، خلال GTC 2026، كشف عن عدة حالات محددة. تأتي أكثر البيانات إثارةً من نقل مكتبة الخلايا القياسية:每当 نيفيديا تنتقل إلى عملية تصنيع رقائق إلكترونية جديدة (مثل الانتقال من 7 نانومتر إلى 5 نانومتر)، كان يتعين إعادة تصميم حوالي 2500 إلى 3000 خلية قياسية لتتوافق مع العملية الجديدة، وهو ما كان يستغرق 8 مهندسين حوالي 10 أشهر. طورت نيفيديا أداة تعلم معزز تُسمى NVCell، والتي يمكنها الآن إنجاز هذا المهمة في ليلة واحدة على وحدة معالجة رسومية واحدة، مع تحقيق أداء مطابق أو حتى أفضل من التصميم البشري من حيث المساحة والاستهلاك الطاقي والتأخير.

وفقًا لتومز هاردوير، وصف دالي هذه العملية بأنها "لعبة إلكترونية تهدف إلى إصلاح أخطاء قواعد التصميم"، وهي بالضبط النوع من التحسين القائم على التجربة والخطأ الذي تتميز به التعلم المعزز.

على مستوى أكثر تجريدًا، طورت نيفيديا نماذج لغوية كبيرة مخصصة داخليًا تُسمى Chip Nemo و Bug Nemo. تم ضبط هذه النماذج على بيانات حصرية تراكمت على مدار 30 عامًا من نيفيديا، وتشمل جميع كود RTL لوحدات معالجة الرسوميات الخاصة بالشركة، ووثائق تصميم الأجهزة، ومواصفات الهيكلية. وفقًا لدالي، يمكن للمهندسين المبتدئين طرح أسئلة مباشرة على Chip Nemo، مما يوفر عليهم وقت إزعاج المصممين الخبراء مرارًا وتكرارًا. ووصف دالي Chip Nemo بأنه "مرشدٌ شديد الصبر".

على مستوى تحسين الدوائر، طبقت نيفيديا أيضًا التعلم المعزز على مشكلات تصميم الدوائر الكلاسيكية مثل سلسلة النقل المتقدمة. ووصف دالي تصاميم الذكاء الاصطناعي بأنها "حلول غريبة تمامًا لم يخطر على بال البشر أبدًا، لكنها تحقق أداءً أفضل بنسبة 20% إلى 30% مقارنة بالتصاميم البشرية".

لكن دالي حدد أيضًا بوضوح الحدود المتوقعة. وقال إنه يرغب بشدة في تحقيق حالة نهاية إلى نهاية، لكنه لا يزال بعيدًا جدًا عن هذا الهدف.

تصميم شرائح الذكاء الاصطناعي لشركة نيفيديا الحالي لا يزال يُستخدم كدعم وليس كبديل. تعمل تقنيات الذكاء الاصطناعي في مراحل مختلفة مثل نقل الوحدات القياسية، وتصنيف وملخص الأخطاء، وتوقع التخطيط والربط، واستكشاف فضاء التصميم، لكنها لم تشكل بعد عملية أتمتة كاملة من البداية إلى النهاية. يتصور دالي الاتجاه طويل المدى كنموذج متعدد الوكلاء، حيث تتحمل أنظمة الذكاء الاصطناعي المختلفة مسؤولية مراحل مختلفة من التصميم، مشابهةً لطريقة تقسيم المهام في فرق الهندسة البشرية.

وفقًا لـ Computer Weekly، ناقش دالي وديان أيضًا تأثير وكلاء الذكاء الاصطناعي على الأدوات البرمجية التقليدية: عندما تكون سرعة تشغيل وكلاء الذكاء الاصطناعي أسرع بكثير من البشر، فإن الأدوات البرمجية المصممة للمستخدمين البشريين ستتحول إلى عقبة في الأداء، مما يتطلب إعادة تصميم جميع الأدوات البرمجية من أدوات البرمجة إلى تطبيقات الأعمال.