⚙️ doQumentation Settings

I-configure po ang Jupyter server na ginagamit para mag-execute ng Python code sa mga tutorials.

Kasalukuyang Environment: Hindi natukoy

Server Backend

Pumili kung aling backend ang gagamitin para sa code execution:

Auto-detect (inirerekomenda)Binder — mybinder.orgIBM Cloud Code Engine — hindi naka-configure — i-set up sa ibabaCustom Server — hindi naka-configure — maglagay ng URL sa ibaba

Execution Modeⓘ

Pumili kung ano ang mangyayari kapag nag-click ka ng Run sa mga tutorial page. Ito ay para lamang sa embedded code execution sa site na ito — ang pagbubukas ng notebook sa JupyterLab ay gumagamit ng standard Qiskit runtime.

Walang awtomatikong injection — Pamahalaan ang credentials at backend sa mga code cell nang iyong sarili.AerSimulator — Ideal na simulation, walang noise. Mabilis, gumagana sa lahat ng circuits.FakeBackend — Sinisimulan ang tunay na IBM device noise. Mas realistic pero mas mabagal.IBM Quantum (tunay na hardware) — Kumonekta sa tunay na quantum hardware sa pamamagitan ng IBM Quantum credentials.

Ang mga pagbabago ay magkakabisa sa susunod na kernel session. Kung may tumatakbong code, i-click ang Back pagkatapos Run para mag-apply.

IBM Quantum Account

Mga tagubilin sa pag-set up at mga tala sa seguridad

Paalala sa seguridad: Ang credentials ay naka-store sa localStorage ng inyong browser bilang plain text. Hindi ito naka-encrypt at maaaring basahin ng mga browser extensions o sinumang may access sa device na ito. Gamitin po ang expiry setting sa ibaba para limitahan ang exposure, at i-delete ang credentials kapag tapos na kayo. Para sa shared o public computers, mas mainam pong gamitin ang manual save_account() method na inilarawan sa ibaba.

Ilagay po ang inyong IBM Quantum credentials minsan lang dito. Awtomatiko itong isi-inject sa pamamagitan ng save_account() kapag nagsimula ang kernel, kaya hindi na ninyo kailangang ilagay ito sa bawat notebook. Ito ay para lamang sa embedded code execution sa site na ito — ang pagbubukas ng notebook sa JupyterLab ay nangangailangan ng manual na pagtawag ng save_account().

Magrehistro sa quantum.cloud.ibm.com/registration — walang credit card na kailangan para sa unang 30 araw
Mag-sign in sa Mga Instance
Instance — Gumawa po ng libreng Open Plan instance sa homepage kung wala pa kayo
API Token — I-click po ang inyong profile icon (taas kanan), pagkatapos "API token". I-copy ang key.

Para sa detalyadong mga hakbang, tingnan po ang I-setup ang authentication guide ng IBM (step 2).

API Tokenⓘ

Cloud Resource Name (CRN) / Instanceⓘ

Uri ng planoⓘ

Alternative: Patakbuhin ang save_account() nang manual sa notebook cell

Kung ayaw ninyong mag-store ng credentials sa browser na ito, i-paste ito sa kahit anong code cell at patakbuhin. Ang credentials ay naka-save sa temporary storage ng Binder kernel at nawawala kapag natapos ang session.

from qiskit_ibm_runtime import QiskitRuntimeService
QiskitRuntimeService.save_account(
    token="YOUR_API_TOKEN",
    instance="YOUR_CRN",
    overwrite=True
)

Display Preferences

Code Font Size

14px

from qiskit import QuantumCircuit

Pre-computed Outputs

Bawat notebook page ay nagpapakita ng pre-computed outputs (mga larawan, talahanayan, teksto) mula sa orihinal na runs ng IBM. Kapag nag-click kayo ng Run para mag-execute ng code live, parehong ipinapakita ang orihinal na outputs at ang inyong mga bagong live results. I-enable po ang toggle na ito para itago ang orihinal na outputs sa panahon ng live execution, na pinapanatili lang ang inyong mga resulta.

Ipakita ang both pre-computed at live outputs

Python Warnings

By default, ang Python warnings (mga deprecation notices, runtime hints) ay naka-suppress para sa mas malinis na notebook output. I-disable po ito para makita ang lahat ng warnings — kapaki-pakinabang para sa debugging o pag-aaral tungkol sa mga API changes.

Naka-suppress ang warnings para sa mas malinis na output

Pamahalaan ang Iyong Data

Lahat ng data ay naka-store nang lokal sa iyong browser (localStorage). Walang ipinapadala sa aming mga server. Ang pag-clear ng iyong browser data o paggamit ng ibang browser/device ay magsisimula muli.

Learning Progress

Ang inyong reading at execution progress ay sinusubaybayan nang lokal sa inyong browser. Ang mga binisitang pahina ay may ✓ sa sidebar; ang mga na-execute na notebooks ay may ▶.

Walang progress na sinusubaybayan pa. Bumisita po sa mga tutorials at guides para magsimula ng tracking.

Mga Bookmark

Wala pang mga bookmark. Gamitin ang bookmark button sa anumang pahina para i-save ito dito.

Display at UI

Mga Session at Credentials

I-reset ang Lahat

Alisin ang lahat ng naka-save na data kabilang ang progreso, mga bookmark, mga display preference, at mga credentials.

Mga Advanced na Setting

IBM Cloud Code Engine

Nagbibigay ang IBM Cloud Code Engine ng mabilis at serverless na Jupyter kernel na pinapagana ng iyong sariling IBM Cloud account. Ang startup ay tumatagal ng ilang segundo sa halip na minuto. Ang free tier ay sumasaklaw ng ~14 na oras/buwan.

Mga Tagubilin sa Pag-set Up

Gumawa ng IBM Cloud account sa cloud.ibm.com (available ang free tier)
Pumunta sa IBM Cloud Code Engine console at gumawa ng bagong proyekto sa iyong preferred na rehiyon
Gumawa ng bagong application na may image na ghcr.io/janlahmann/doqumentation-codeengine:latest, listening port 8080
Sizing: 1 vCPU / 2 GB para sa isang user, 8 vCPU / 16 GB para sa mga workshop (hanggang 80 users)
Itakda ang mga environment variable: JUPYTER_TOKEN sa isang secure token (min 32 character) at CORS_ORIGIN sa iyong domain (hal. https://doqumentation.org)

Para sa mga detalye ng workshop sizing, tingnan ang workshop setup documentation.

Binder Packages

Kapag tumatakbo sa GitHub Pages, ang code ay tumatakbo sa pamamagitan ng MyBinder. Ang Binder environment ay may mga pre-installed na core Qiskit packages:

qiskit[visualization], qiskit-aer,
qiskit-ibm-runtime, pylatexenc,
qiskit-ibm-catalog, qiskit-addon-utils, pyscf

Ang ilang notebooks ay nangangailangan ng karagdagang packages. Maaari po ninyong i-install ang mga ito on demand sa pamamagitan ng pagpapatakbo nito sa isang code cell:

!pip install -q <package>

O i-install ang lahat ng optional packages nang sabay-sabay:

!pip install -q scipy scikit-learn qiskit-ibm-transpiler \
  qiskit-experiments plotly sympy qiskit-serverless \
  qiskit-addon-sqd qiskit-addon-mpf \
  qiskit-addon-aqc-tensor[aer,quimb-jax] \
  qiskit-addon-obp qiskit-addon-cutting ffsim \
  gem-suite python-sat

Setup Help

RasQberry Setup

Kung tumatakbo kayo sa RasQberry Pi, ang Jupyter server ay dapat awtomatikong ma-detect. Kung hindi, tiyakin po na tumatakbo ang jupyter-tutorials service:

sudo systemctl status jupyter-tutorials

Local Jupyter Setup

Magsimula po ng Jupyter server na may enabled na CORS:

jupyter server --ServerApp.token='rasqberry' \
  --ServerApp.allow_origin='*' \
  --ServerApp.disable_check_xsrf=True

Docker Setup

Ang Docker container ay bumubuo ng random Jupyter token sa startup. Ang code execution sa pamamagitan ng website (port 8080) ay awtomatikong gumagana — walang kailangang token. Ang token ay kinakailangan lamang para sa direktang JupyterLab access sa port 8888.

Para kunin ang token mula sa container logs:

docker compose --profile jupyter logs | grep "Jupyter token"

Para magtakda ng fixed token:

JUPYTER_TOKEN=mytoken docker compose --profile jupyter up

Remote Server

Para sa mga remote servers, tiyakin po na ang CORS ay naka-configure para payagan ang mga connections mula sa site na ito. Idagdag po ang sumusunod sa inyong jupyter_server_config.py:

c.ServerApp.allow_origin = '*'
c.ServerApp.allow_credentials = True