Mitigasi ralat rangkaian tensor (TEM): Fungsi Qiskit oleh Algorithmiq
Lihat rujukan API
Qiskit Functions adalah ciri eksperimental yang hanya tersedia untuk pengguna Plan Premium IBM Quantum®, Plan Flex, dan Plan On-Prem (melalui IBM Quantum Platform API). Ia berada dalam status keluaran pratonton dan tertakluk kepada perubahan.
Versi pakej
Kod pada halaman ini dibangunkan menggunakan keperluan berikut. Kami mengesyorkan menggunakan versi ini atau yang lebih baharu.
qiskit[all]~=2.4.0
Gambaran keseluruhan
Kaedah Mitigasi Ralat Rangkaian Tensor (TEM) Algorithmiq adalah algoritma kuantum-klasikal hibrid yang direka untuk melakukan mitigasi hingar sepenuhnya pada peringkat pasca-pemprosesan klasikal. Dengan TEM, pengguna boleh mengira nilai jangkaan pemerhatian yang mengurangkan ralat yang disebabkan oleh hingar yang tidak dapat dielakkan pada perkakasan kuantum dengan ketepatan dan kecekapan kos yang ditingkatkan, menjadikannya pilihan yang sangat menarik bagi penyelidik kuantum dan pengamal industri.
Kaedah ini terdiri daripada membina rangkaian tensor yang mewakili songsangan saluran hingar global yang mempengaruhi keadaan pemproses kuantum dan kemudian menggunakan peta tersebut pada hasil pengukuran lengkap maklumat yang diperoleh daripada keadaan bising untuk mendapatkan penganggar tidak berat sebelah bagi pemerhatian.
Sebagai kelebihan, TEM memanfaatkan pengukuran lengkap maklumat untuk memberi akses kepada set nilai jangkaan pemerhatian yang dikurangkan yang luas dan mempunyai overhead persampelan yang optimum pada perkakasan kuantum, seperti yang diterangkan dalam Filippov et al. (2023), arXiv:2307.11740, dan Filippov et al. (2024), arXiv:2403.13542. Overhead pengukuran merujuk kepada bilangan pengukuran tambahan yang diperlukan untuk melakukan mitigasi ralat yang cekap, faktor kritikal dalam kebolehlaksanaan pengiraan kuantum. Oleh itu, TEM berpotensi membolehkan kelebihan kuantum dalam senario kompleks, seperti aplikasi dalam bidang huru-hara kuantum, fizik banyak badan, dinamik Hubbard, dan simulasi kimia molekul kecil.
Ciri-ciri dan manfaat utama TEM boleh diringkaskan sebagai:
- Overhead pengukuran optimum: TEM adalah optimum berkenaan had teori, bermakna tiada kaedah yang boleh mencapai overhead pengukuran yang lebih kecil. Dalam erti kata lain, TEM memerlukan bilangan minimum pengukuran tambahan untuk melakukan mitigasi ralat. Ini seterusnya bermakna TEM menggunakan masa runtime kuantum yang minimum.
- Kos efektif: Memandangkan TEM mengendalikan mitigasi hingar sepenuhnya dalam peringkat pasca-pemprosesan, tidak perlu menambah litar tambahan kepada komputer kuantum, yang bukan sahaja menjadikan pengiraan lebih murah tetapi juga mengurangkan risiko memperkenalkan ralat tambahan akibat ketidaksempurnaan peranti kuantum.
- Anggaran pelbagai pemerhatian: Berkat pengukuran lengkap maklumat, TEM menganggarkan pelbagai pemerhatian dengan cekap menggunakan data pengukuran yang sama daripada komputer kuantum.
- Mitigasi ralat pengukuran: Fungsi TEM Qiskit juga termasuk kaedah mitigasi ralat pengukuran proprietari yang mampu mengurangkan ralat bacaan dengan ketara selepas jalankan kalibrasi yang singkat.
- Ketepatan: TEM meningkatkan ketepatan dan kebolehpercayaan simulasi kuantum digital dengan ketara, menjadikan algoritma kuantum lebih tepat dan boleh dipercayai.
Keterangan
Fungsi TEM membolehkan anda mendapatkan nilai jangkaan yang dikurangkan ralat untuk pelbagai pemerhatian pada Circuit kuantum dengan overhead persampelan yang minimum. Circuit diukur dengan ukuran operator bernilai pengendali positif yang lengkap maklumat (IC-POVM), dan hasil pengukuran yang dikumpulkan diproses pada komputer klasikal. Pengukuran ini digunakan untuk melakukan kaedah rangkaian tensor dan membina peta songsangan hingar. Fungsi ini menggunakan peta yang menyongsangkan sepenuhnya keseluruhan Circuit bising menggunakan rangkaian tensor untuk mewakili lapisan bising.
Sebaik sahaja litar diserahkan ke fungsi, ia ditranspilasikan dan dioptimumkan untuk meminimumkan bilangan lapisan dengan get dua qubit (get yang lebih bising pada peranti kuantum). Hingar yang mempengaruhi lapisan dipelajari melalui Qiskit Runtime menggunakan model hingar Pauli-Lindblad jarang seperti yang diterangkan dalam E. van den Berg, Z. Minev, A. Kandala, K. Temme, Nat. Phys. (2023). arXiv:2201.09866.
Model hingar adalah keterangan tepat hingar pada peranti yang mampu menangkap ciri-ciri halus, termasuk cross-talk qubit. Walau bagaimanapun, hingar pada peranti boleh turun naik dan hanyut dan hingar yang dipelajari mungkin tidak tepat pada ketika anggaran dibuat. Ini boleh mengakibatkan keputusan yang tidak tepat.
Mulakan
Sahkan menggunakan kunci API IBM Quantum Platform anda, dan pilih fungsi TEM seperti berikut. (Coretan ini mengandaikan anda sudah menyimpan akaun anda ke persekitaran tempatan anda.)
# Added by doQumentation — required packages for this notebook
!pip install -q qiskit qiskit-ibm-catalog
from qiskit_ibm_catalog import QiskitFunctionsCatalog
tem_function_name = "algorithmiq/tem"
catalog = QiskitFunctionsCatalog(channel="ibm_quantum_platform")
# Load your function
tem = catalog.load(tem_function_name)
Contoh
Coretan berikut menunjukkan contoh di mana TEM digunakan untuk mengira nilai jangkaan pemerhatian untuk Circuit kuantum mudah.
from qiskit import QuantumCircuit
from qiskit.quantum_info import SparsePauliOp
# Create a quantum circuit
qc = QuantumCircuit(3)
qc.u(0.4, 0.9, -0.3, 0)
qc.u(-0.4, 0.2, 1.3, 1)
qc.u(-1.2, -1.2, 0.3, 2)
for _ in range(2):
qc.barrier()
qc.cx(0, 1)
qc.cx(2, 1)
qc.barrier()
qc.u(0.4, 0.9, -0.3, 0)
qc.u(-0.4, 0.2, 1.3, 1)
qc.u(-1.2, -1.2, 0.3, 2)
# Define the observables
observable = SparsePauliOp("IYX", 1.0)
# Define the execution options
pub = (qc, [observable])
options = {"default_precision": 0.02}
# Define backend to use. TEM will choose the least-busy device
# reported by IBM if not specified
backend_name = "ibm_marrakesh"
# Run the TEM function (uses around three minutes of QPU time)
job = tem.run(pubs=[pub], backend_name=backend_name, options=options)
Gunakan API Qiskit Serverless untuk memeriksa status beban kerja Fungsi Qiskit anda:
print(job.status())
QUEUED
Anda boleh mengembalikan keputusan seperti:
result = job.result()
evs = result[0].data.evs
print(evs[0])
0.02165380888171687
Nilai jangkaan untuk Circuit tanpa hingar bagi pengendali yang diberikan sepatutnya sekitar 0.18409094298943401.
Dapatkan sokongan
Hubungi qiskit_ibm@algorithmiq.fi
Pastikan untuk menyertakan maklumat berikut:
- ID Kerja Fungsi Qiskit (
qiskit-ibm-catalog),job.job_id - Keterangan terperinci tentang isu
- Sebarang mesej atau kod ralat yang berkaitan
- Langkah untuk meniru isu
Langkah seterusnya
- Minta akses kepada Mitigasi ralat rangkaian tensor Algorithmiq.
- Lawati rujukan API untuk Fungsi Qiskit ini.