IBM Circuit function

Tandaan

• Ang Qiskit Functions ay isang experimental na feature na available lamang sa mga gumagamit ng IBM Quantum® Premium Plan, Flex Plan, at On-Prem (sa pamamagitan ng IBM Quantum Platform API) Plan. Nasa preview release status ito at maaaring magbago.

Pangkalahatang-ideya

Ang IBM® Circuit function ay tumatanggap ng abstract PUBs bilang mga input, at nagbabalik ng mitigated na expectation values bilang mga output. Kasama sa circuit function na ito ang isang automated at customized na pipeline para makapag-focus ang mga mananaliksik sa pag-discover ng algorithm at application.

Paglalarawan

Pagkatapos mag-submit ng PUB, ang iyong mga abstract circuit at observable ay awtomatikong tina-transpile, pinatatakbo sa hardware, at nipo-post-process para ibalik ang mitigated na expectation values. Para magawa ito, pinagsama ang mga sumusunod na kagamitan:

• Qiskit Transpiler Service, kasama ang auto-selection ng AI-driven at heuristic na transpilation passes para i-translate ang iyong mga abstract circuit sa hardware-optimized na ISA circuits
• Error suppression at mitigation na kailangan para sa utility-scale na computation, kasama ang measurement at gate twirling, dynamical decoupling, Twirled Readout Error eXtinction (TREX), Zero-Noise Extrapolation (ZNE), at Probabilistic Error Amplification (PEA)
• Qiskit Runtime Estimator, para patakbuhin ang mga ISA PUB sa hardware at ibalik ang mitigated na expectation values

Pagsisimula

Mag-authenticate gamit ang iyong API key at piliin ang Qiskit Function tulad ng sumusunod. (Ipinapalagay ng snippet na ito na nai-save mo na ang iyong account sa iyong lokal na environment.)

# Added by doQumentation — required packages for this notebook
!pip install -q qiskit qiskit-ibm-catalog qiskit-ibm-runtime

from qiskit_ibm_catalog import QiskitFunctionsCatalog

catalog = QiskitFunctionsCatalog(channel="ibm_quantum_platform")

function = catalog.load("ibm/circuit-function")

Halimbawa

Para makapagsimula, subukan ang basic na halimbawang ito:

from qiskit.circuit.random import random_circuit
from qiskit_ibm_runtime import QiskitRuntimeService

# You can skip this step if you have a target backend, e.g.
# backend_name = "ibm_brisbane"
# You'll need to specify the credentials when initializing QiskitRuntimeService, if they were not previously saved.
service = QiskitRuntimeService()
backend = service.least_busy(operational=True, simulator=False)

circuit = random_circuit(num_qubits=2, depth=2, seed=42)
observable = "Z" * circuit.num_qubits
pubs = [(circuit, observable)]

job = function.run(
    # Use `backend_name=backend_name` if you didn't initialize a backend object
    backend_name=backend.name,
    pubs=pubs,
)

Tingnan ang status ng iyong Qiskit Function workload o kunin ang mga resulta tulad ng sumusunod:

print(job.status())
result = job.result()

QUEUED

Ang mga resulta ay nasa parehong format ng isang Estimator result:

print(f"The result of the submitted job had {len(result)} PUB\n")
print(
    f"The associated PubResult of this job has the following DataBins:\n {result[0].data}\n"
)
print(f"And this DataBin has attributes: {result[0].data.keys()}")
print(
    f"The expectation values measured from this PUB are: \n{result[0].data.evs}"
)

The result of the submitted job had 1 PUB

The associated PubResult of this job has the following DataBins:
 DataBin(evs=np.ndarray(<shape=(), dtype=float64>), stds=np.ndarray(<shape=(), dtype=float64>), ensemble_standard_error=np.ndarray(<shape=(), dtype=float64>))

And this DataBin has attributes: dict_keys(['evs', 'stds', 'ensemble_standard_error'])
The expectation values measured from this PUB are:
1.02116704805492

Mga Input

Tingnan ang sumusunod na talahanayan para sa lahat ng input parameter na tinatanggap ng IBM Circuit function. Ang susunod na seksyon ng Mga Opsyon ay nagbibigay ng mas detalyadong impormasyon tungkol sa mga available na options.

Pangalan	Uri	Paglalarawan	Kinakailangan	Default	Halimbawa
backend_name	str	Pangalan ng backend para sa query.	Oo	N/A	ibm_fez
pubs	Iterable[EstimatorPubLike]	Isang iterable ng abstract PUB-like (primitive unified bloc) na mga object, tulad ng mga tuple na (circuit, observables) o (circuit, observables, parameter_values). Tingnan ang Pangkalahatang-ideya ng PUBs para sa karagdagang impormasyon. Ang mga circuit ay maaaring abstract (non-ISA).	Oo	N/A	(circuit, observables, parameter_values)
options	dict	Mga input na opsyon. Tingnan ang seksyon ng Mga Opsyon para sa karagdagang detalye.	Hindi	Tingnan ang seksyon ng Mga Opsyon para sa mga detalye.	{"optimization_level": 3}
instance	str	Ang cloud resource name ng instance na gagamitin sa format na iyon.	Hindi	Isang random ang pipiliin kung ang iyong account ay may access sa maramihang instance.	CRN

Mga Opsyon

Istruktura

Katulad ng Qiskit Runtime primitives, ang mga opsyon para sa IBM Circuit function ay maaaring tukuyin bilang isang nested dictionary. Ang mga karaniwang ginagamit na opsyon, tulad ng optimization_level at mitigation_level, ay nasa unang antas. Ang iba pang mas advanced na opsyon ay nakagrupo sa iba't ibang kategorya, tulad ng resilience.

Mga Default

Kung hindi ka nagtukoy ng value para sa isang opsyon, gagamitin ang default na value na itinakda ng serbisyo.

Antas ng mitigation

Sinusuportahan din ng IBM Circuit function ang mitigation_level. Tinutukoy ng mitigation level kung gaano karaming error suppression at mitigation ang ilalapat sa job. Ang mas mataas na antas ay nagbibigay ng mas tumpak na mga resulta, ngunit mas matagal ang processing time. Ang antas ng pagbabawas ng error ay depende sa pamamaraang ginamit. Binibigyan ng abstraction ng mitigation level ang detalyadong pagpili ng mga paraan ng error mitigation at suppression para makapag-isip ang mga gumagamit tungkol sa cost/accuracy trade-off na angkop sa kanilang application. Ipinapakita ng sumusunod na talahanayan ang mga katumbas na pamamaraan para sa bawat antas.

tala

Kahit magkapareho ang mga pangalan, ang mitigation_level ay gumagamit ng ibang mga teknik kaysa sa ginagamit ng resilience_level ng Estimator.

Katulad ng resilience_level sa Qiskit Runtime Estimator, tinutukoy ng mitigation_level ang isang base set ng mga curated na opsyon. Ang anumang opsyon na mano-manong tinukoy mo bukod sa mitigation level ay ilalapat sa ibabaw ng base set ng mga opsyon na tinukoy ng mitigation level. Kaya naman, sa prinsipyo, maaari mong itakda ang mitigation level sa 1, ngunit pagkatapos ay i-off ang measurement mitigation, kahit hindi ito inirerekomenda.

Mitigation Level	Teknik
1 [Default]	Dynamical decoupling + measurement twirling + TREX
2	Level 1 + gate twirling + ZNE via gate folding
3	Level 1 + gate twirling + ZNE via PEA

Ipinapakita ng sumusunod na halimbawa ang pagtatakda ng mitigation level:

options = {"mitigation_level": 2}

job = function.run(backend_name=backend.name, pubs=pubs, options=options)

Lahat ng available na opsyon

Bukod sa mitigation_level, nagbibigay din ang IBM Circuit function ng ilang advanced na opsyon na nagbibigay-daan sa iyo na i-fine-tune ang cost/accuracy trade-off. Ipinapakita ng sumusunod na talahanayan ang lahat ng available na opsyon:

Opsyon	Sub-opsyon	Sub-sub-opsyon	Paglalarawan	Mga Pagpipilian	Default
default_precision			Ang default na precision na gagamitin para sa anumang PUB o run() call na hindi nagtutukoy ng isa. Ang bawat input PUB ay maaaring magtukoy ng sariling precision. Kung ang run() method ay binibigyan ng precision, ang value na iyon ang gagamitin para sa lahat ng PUB sa run() call na hindi nagtutukoy ng sarili nilang precision.	float > 0	0.015625
max_execution_time			Maximum na oras ng execution sa segundo, batay sa QPU usage (hindi wall clock time). Ang QPU usage ay ang dami ng oras na nakalaan ang QPU sa pagpoproseso ng iyong job. Kung lalampas ang isang job sa time limit na ito, ito ay puwersahang icancelled.	Integer na bilang ng segundo sa range na [1, 10800]
mitigation_level			Gaano karaming error suppression at mitigation ang ilalapat. Sumangguni sa seksyon ng Antas ng mitigation para sa karagdagang impormasyon tungkol sa mga pamamaraang ginagamit sa bawat antas.	1 / 2 / 3	1
optimization_level			Gaano karaming optimization ang isasagawa sa mga circuit. Ang Mas mataas na antas ay nagge-generate ng mas na-optimize na mga circuit, ngunit mas matagal ang transpilation time.	1 / 2 / 3	2
dynamical_decoupling	enable		Kung ie-enable ang dynamical decoupling. Sumangguni sa Mga teknik ng error suppression at mitigation para sa paliwanag ng pamamaraan.	True/False	True
	sequence_type		Kung aling dynamical decoupling sequence ang gagamitin. * XX: gamitin ang sequence na tau/2 - (+X) - tau - (+X) - tau/2 * XpXm: gamitin ang sequence na tau/2 - (+X) - tau - (-X) - tau/2 * XY4: gamitin ang sequence na tau/2 - (+X) - tau - (+Y) - tau (-X) - tau - (-Y) - tau/2	'XX'/'XpXm'/'XY4'	'XX'
twirling	enable_gates		Kung ilalapat ang 2-qubit Clifford gate twirling.	True/False	False
	enable_measure		Kung ie-enable ang twirling ng mga measurement.	True/False	True
resilience	measure_mitigation		Kung ie-enable ang TREX measurement error mitigation method. Sumangguni sa Mga teknik ng error suppression at mitigation para sa paliwanag ng pamamaraan.	True/False	True
	zne_mitigation		Kung io-on ang Zero Noise Extrapolation error mitigation method. Sumangguni sa Mga teknik ng error suppression at mitigation para sa paliwanag ng pamamaraan.	True/False	False
	zne	amplifier	Kung aling teknik ang gagamitin para sa pagpapalaki ng noise. Isa sa: - gate_folding (default) gumagamit ng 2-qubit gate folding para palakihin ang noise. Kung ang noise factor ay nangangailangan na palakihin lamang ang isang subset ng mga gate, ang mga gate na ito ay random na pinipili. - gate_folding_front gumagamit ng 2-qubit gate folding para palakihin ang noise. Kung ang noise factor ay nangangailangan na palakihin lamang ang isang subset ng mga gate, ang mga gate na ito ay pinipili mula sa harapan ng topologically ordered DAG circuit. - gate_folding_back gumagamit ng 2-qubit gate folding para palakihin ang noise. Kung ang noise factor ay nangangailangan na palakihin lamang ang isang subset ng mga gate, ang mga gate na ito ay pinipili mula sa likod ng topologically ordered DAG circuit. - pea gumagamit ng teknik na tinatawag na Probabilistic error amplification (PEA) para palakihin ang noise. Sumangguni sa Mga teknik ng error suppression at mitigation para sa paliwanag ng pamamaraan.	gate_folding / gate_folding_front / gate_folding_back / pea	gate_folding
		noise_factors	Mga noise factor na gagamitin para sa noise amplification.	listahan ng mga float; bawat float >= 1	(1, 1.5, 2) para sa PEA, at (1, 3, 5) para sa iba.
		extrapolator	Mga noise factor para sa pag-evaluate ng fit extrapolation models. Ang opsyon na ito ay hindi nakakaapekto sa execution o model fitting sa anumang paraan; tinutukoy lamang nito ang mga punto kung saan ine-evaluate ang mga extrapolator object para ibalik sa mga data field na tinatawag na evs_extrapolated at stds_extrapolated.	isa o higit pa sa exponential,linear, double_exponential,polynomial_degree_(1 <= k <= 7)	(exponential, linear)
	pec_mitigation		Kung io-on ang Probabilistic Error Cancellation error mitigation method. Sumangguni sa Mga teknik ng error suppression at mitigation para sa paliwanag ng pamamaraan.	True/False	False
	pec	max_overhead	Ang maximum na circuit sampling overhead na pinahihintulutan, o None para walang maximum.	None/ integer >1	100

Sa sumusunod na halimbawa, ang pagtatakda ng mitigation level sa 1 ay unang nag-a-off ng ZNE mitigation, ngunit ang pagtatakda ng zne_mitigation sa True ay nino-override ang kaugnay na setup mula sa mitigation_level.

options = {"mitigation_level": 1, "resilience": {"zne_mitigation": True}}

Mga Output

Ang output ng isang Circuit function ay isang PrimitiveResult, na naglalaman ng dalawang field:

• Isa o higit pang PubResult na mga object. Maaaring i-index ang mga ito nang direkta mula sa PrimitiveResult.

• Job-level na metadata.

Ang bawat PubResult ay naglalaman ng data at metadata na field.

• Ang data field ay naglalaman ng hindi bababa sa isang array ng mga expectation value (PubResult.data.evs) at isang array ng mga standard error (PubResult.data.stds). Maaari rin itong maglaman ng karagdagang data, depende sa mga opsyon na ginamit.

• Ang metadata field ay naglalaman ng PUB-level na metadata (PubResult.metadata).

Inilalarawan ng sumusunod na code snippet ang format ng PrimitiveResult (at kaugnay na PubResult).

print(f"The result of the submitted job had {len(result)} PUB")
print(
    f"The expectation values measured from this PUB are: \n{result[0].data.evs}"
)
print(f"And the associated metadata is: \n{result[0].metadata}")

The result of the submitted job had 1 PUB
The expectation values measured from this PUB are:
1.02116704805492
And the associated metadata is:
{'shots': 4096, 'target_precision': 0.015625, 'circuit_metadata': {}, 'resilience': {}, 'num_randomizations': 32}

Pagkuha ng mga mensahe ng error

Kung ang status ng iyong workload ay ERROR, gamitin ang job.result() para kunin ang mensahe ng error para makatulong sa pag-debug tulad ng sumusunod:

job = function.run(
    backend_name="bad_backend_name", pubs=pubs, options=options
)

print(job.result())

Kumuha ng suporta

Makipag-ugnayan sa IBM Quantum support, at isama ang sumusunod na impormasyon:

• Qiskit Function Job ID (qiskit-ibm-catalog), job.job_id
• Isang detalyadong paglalarawan ng isyu
• Anumang kaugnay na mensahe o code ng error
• Mga hakbang para muling mapalabas ang isyu

Mga Susunod na Hakbang

Mga Rekomendasyon

• Subukan ang tutorial na Error mitigation gamit ang IBM Circuit function.