Noise Modeling
Inilalarawan ng noise model kung paano nakakaapekto ang mga error sa mga result mula sa pag-execute ng quantum circuit. Sinusuportahan ng mga noise model ang ilang yugto ng karaniwang workflow kabilang ang: pag-simulate ng circuit nang classical para tantiyahin ang inaasahang performance bago magsumite ng job o para gabayan ang error-mitigation technique tulad ng probabilistic error cancellation. Para sa mga pangkalahatang estratehiya para mabawasan ang epekto ng noise habang nag-e-execute, tingnan ang Pangkalahatang-ideya ng mga noise management technique.
Kinokolekta ng page na ito ang mga package at kakayahan na sumusuporta sa bawat bahagi ng workflow na iyon, na nakapangkat sa pag-learn ng noise mula sa device, pagbuo ng noise model para sa classical simulation, at pag-refine ng noise model para sa partikular na error-mitigation technique.
Pagbuo at pagpapatakbo ng mga noise learning algorithm
Gumamit ng mga noise learning package para i-characterize ang noise ng device direkta mula sa experimental data. Nagpapatakbo ang mga package na ito ng mga randomized circuit para tantiyahin ang mga error rate at bumuo ng noise model na sumasalamin sa aktwal na gawi ng hardware.
Pagbuo ng mga noise model para sa noisy circuit simulation
Gamitin ang package na ito para bumuo ng noise model para sa classical na pag-simulate ng mga circuit. Gamit ang noise model, matatantiya mo kung paano kikilos ang circuit sa noisy na hardware bago mo ito patakbuhin sa QPU.
Pag-refine ng mga noise model
Gamitin ang mga package na ito para i-adjust ang noise model para sa partikular na error-mitigation technique. Tina-target ng bawat package ang ibang tradeoff sa pagitan ng sampling cost, bias, at pagiging maaasahan ng mga postselected na sample.