- Haluamme, että yritykset käyttävät kvanttikoneita, eivät vain tutki niitä. Kalibrointi on ollut hiljainen pullonkaula, sanoo IQM:n Juha Vartiainen. Yhtiö esittelee AI-ohjattua kalibrointia, jolla kvanttikoneiden ylläpitoa pyritään automatisoimaan ja irrottamaan harvinaisesta asiantuntijaosaamisesta.
IQM pyrkii siirtämään kvanttikoneiden ylläpidon yhdestä vaikeimmasta kohdasta automaation piiriin. Yhtiö esitteli AI-ohjatun agenttikalibroinnin, jossa järjestelmä tarkastaa useiden kubittien kalibrointituloksia rinnakkain sen sijaan, että säätö etenisi vaihe vaiheelta peräkkäin.
Muutos kohdistuu käytännön ongelmaan, joka korostuu prosessorien kasvaessa. Kubittien määrän mukana myös niiden välisten vuorovaikutusten määrä kasvaa nopeasti, jolloin perinteinen, pitkälti käsityöhön nojaava kalibrointi ei skaalaudu. IQM:n mukaan rinnakkainen, agenttipohjainen tarkastelu mahdollistaa nopeamman reagoinnin ja tasaisemman suorituskyvyn.
Ratkaisu rakentuu Nvidian Ising-malliperheen päälle, ja AI-agentit liitetään osaksi IQM:n nykyistä kalibrointi-infrastruktuuria. Tavoitteena ei ole korvata taustajärjestelmää, vaan automatisoida sen kriittisimpiä vaiheita. Tämä on keskeistä käytettävyyden kannalta. Jos kalibrointi ei enää edellytä paikalla olevaa kvanttiasiantuntijaa, kvanttikoneen operointi voi siirtyä lähemmäs tavallista datakeskusympäristöä.
Taustalla on laajempi muutos kohti hybridiarkkitehtuureja, joissa kvanttilaskenta toimii yhdessä HPC- ja GPU-kiihdytetyn laskennan kanssa. Tällaisessa ympäristössä operatiivinen yksinkertaisuus on keskeinen vaatimus. Järjestelmä, joka vaatii jatkuvaa manuaalista hienosäätöä, ei sovi tuotantokäyttöön samalla tavalla kuin automatisoitu infrastruktuuri.
IQM liittää ratkaisun myös osaksi yhteistyötään Nvidian kanssa, mukaan lukien CUDA-Q-ohjelmistoalusta ja GPU–QPU-yhteyksiä rakentava NVQLink. Näin kalibroinnin automaatio nähdään yhtenä palasena laajemmassa kokonaisuudessa, jossa kvanttiprosessorit integroituvat osaksi olemassa olevia laskentaympäristöjä.
