Tentukan opsyen

Versi pakej

Kod pada halaman ini dibangunkan menggunakan keperluan berikut. Kami mengesyorkan menggunakan versi ini atau yang lebih baharu.

qiskit[all]~=2.3.0
qiskit-ibm-runtime~=0.43.1

Anda boleh menggunakan opsyen untuk menyesuaikan primitif Estimator dan Sampler. Bahagian ini memberi tumpuan kepada cara menentukan opsyen primitif Qiskit Runtime. Walaupun antara muka kaedah run() primitif adalah sama merentasi semua pelaksanaan, opsyen mereka tidak sama. Rujuk rujukan API yang bersesuaian untuk maklumat tentang opsyen qiskit.primitives dan qiskit_aer.primitives.

Nota tentang menentukan opsyen dalam primitif:

• SamplerV2 dan EstimatorV2 mempunyai kelas opsyen yang berasingan. Anda boleh melihat opsyen yang tersedia dan mengemas kini nilai opsyen semasa atau selepas pemulaan primitif.
• Gunakan kaedah update() untuk menggunakan perubahan pada atribut options.
• Jika anda tidak menentukan nilai untuk sesuatu opsyen, ia diberi nilai khas Unset dan lalai pelayan digunakan.
• Atribut options adalah jenis Python dataclass. Anda boleh menggunakan kaedah asdict terbina dalam untuk menukarnya kepada kamus.

Tetapkan opsyen primitif

Anda boleh menetapkan opsyen semasa memulakan primitif, selepas memulakan primitif, atau dalam kaedah run(). Lihat bahagian peraturan keutamaan untuk memahami apa yang berlaku apabila opsyen yang sama ditentukan di beberapa tempat.

Pemulaan primitif

Anda boleh menghantar contoh kelas opsyen atau kamus semasa memulakan primitif, yang kemudiannya membuat salinan opsyen tersebut. Oleh itu, mengubah kamus asal atau contoh opsyen tidak mempengaruhi opsyen yang dimiliki oleh primitif.

Kelas opsyen

Semasa mencipta contoh kelas EstimatorV2 atau SamplerV2, anda boleh menghantar contoh kelas opsyen. Opsyen tersebut kemudiannya akan digunakan apabila anda menggunakan run() untuk melakukan pengiraan. Tentukan opsyen dalam format ini: options.option.sub-option.sub-sub-option = choice. Contohnya: options.dynamical_decoupling.enable = True

Contoh:

SamplerV2 dan EstimatorV2 mempunyai kelas opsyen yang berasingan (EstimatorOptions dan SamplerOptions).

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

from qiskit_ibm_runtime import QiskitRuntimeService
from qiskit_ibm_runtime import EstimatorV2 as Estimator
from qiskit_ibm_runtime.options import EstimatorOptions

service = QiskitRuntimeService()
backend = service.least_busy(operational=True, simulator=False)

options = EstimatorOptions(
    resilience_level=2,
    resilience={"zne_mitigation": True, "zne": {"noise_factors": [1, 3, 5]}},
)

# or...
options = EstimatorOptions()
options.resilience_level = 2
options.resilience.zne_mitigation = True
options.resilience.zne.noise_factors = [1, 3, 5]

estimator = Estimator(mode=backend, options=options)

Kamus

Anda boleh menentukan opsyen sebagai kamus semasa memulakan primitif.

from qiskit_ibm_runtime import QiskitRuntimeService
from qiskit_ibm_runtime import EstimatorV2 as Estimator

service = QiskitRuntimeService()
backend = service.least_busy(operational=True, simulator=False)

# Setting options during primitive initialization
estimator = Estimator(
    backend,
    options={
        "resilience_level": 2,
        "resilience": {
            "zne_mitigation": True,
            "zne": {"noise_factors": [1, 3, 5]},
        },
    },
)

Kemas kini opsyen selepas pemulaan

Anda boleh menentukan opsyen dalam format ini: primitive.options.option.sub-option.sub-sub-option = choice untuk memanfaatkan auto-lengkap, atau gunakan kaedah update() untuk membuat kemas kini pukal.

Kelas opsyen SamplerV2 dan EstimatorV2 (EstimatorOptions dan SamplerOptions) tidak perlu dibuat contoh jika anda menetapkan opsyen selepas memulakan primitif.

from qiskit_ibm_runtime import QiskitRuntimeService
from qiskit_ibm_runtime import EstimatorV2 as Estimator

service = QiskitRuntimeService()
backend = service.least_busy(operational=True, simulator=False)

estimator = Estimator(mode=backend)

# Setting options after primitive initialization
# This uses auto-complete.
estimator.options.default_shots = 4000
# This does bulk update.
estimator.options.update(
    default_shots=4000, resilience={"zne_mitigation": True}
)

Kaedah Run()

Satu-satunya nilai yang boleh anda hantar kepada run() ialah nilai yang ditakrifkan dalam antara muka. Iaitu, shots untuk Sampler dan precision untuk Estimator. Ini mengatasi mana-mana nilai yang ditetapkan untuk default_shots atau default_precision untuk jalankan semasa.

from qiskit_ibm_runtime import QiskitRuntimeService
from qiskit_ibm_runtime import SamplerV2 as Sampler
from qiskit.circuit.library import random_iqp
from qiskit.transpiler import generate_preset_pass_manager

service = QiskitRuntimeService()
backend = service.least_busy(operational=True, simulator=False)

circuit1 = random_iqp(3)
circuit1.measure_all()
circuit2 = random_iqp(3)
circuit2.measure_all()

pass_manager = generate_preset_pass_manager(
    optimization_level=3, backend=backend
)

transpiled1 = pass_manager.run(circuit1)
transpiled2 = pass_manager.run(circuit2)

sampler = Sampler(mode=backend)
# Default shots to use if not specified in run()
sampler.options.default_shots = 500
# Sample two circuits at 128 shots each.
sampler.run([transpiled1, transpiled2], shots=128)

# Sample two circuits with different numbers of shots.
# 100 shots is used for transpiled1 and 200 for transpiled.
sampler.run([(transpiled1, None, 100), (transpiled2, None, 200)])

<RuntimeJobV2('d5k96cn853es738djikg', 'sampler')>

Kes khas

Tahap ketahanan (Estimator sahaja)

Tahap ketahanan sebenarnya bukan opsyen yang secara langsung mempengaruhi pertanyaan primitif, tetapi menentukan set asas opsyen yang terkurasi untuk dibina. Secara umum, tahap 0 mematikan semua pengurangan ralat, tahap 1 menghidupkan opsyen untuk pengurangan ralat pengukuran, dan tahap 2 menghidupkan opsyen untuk pengurangan ralat Gate dan pengukuran.

Mana-mana opsyen yang anda tentukan secara manual sebagai tambahan kepada tahap ketahanan digunakan di atas set asas opsyen yang ditakrifkan oleh tahap ketahanan. Oleh itu, pada prinsipnya, anda boleh menetapkan tahap ketahanan kepada 1, tetapi kemudian mematikan pengurangan ralat pengukuran, walaupun ini tidak disyorkan.

Dalam contoh berikut, menetapkan tahap ketahanan kepada 0 pada mulanya mematikan zne_mitigation, tetapi estimator.options.resilience.zne_mitigation = True mengatasi persediaan yang berkaitan daripada estimator.options.resilience_level = 0.

from qiskit_ibm_runtime import EstimatorV2, QiskitRuntimeService

service = QiskitRuntimeService()
backend = service.least_busy(operational=True, simulator=False)

estimator = EstimatorV2(backend)

estimator.options.default_shots = 100
estimator.options.resilience_level = 0
estimator.options.resilience.zne_mitigation = True

Shot (Sampler sahaja)

Kaedah SamplerV2.run menerima dua argumen: senarai PUB, yang masing-masing boleh menentukan nilai shot khusus PUB, dan argumen kata kunci shots. Nilai shot ini adalah sebahagian daripada antara muka pelaksanaan Sampler, dan bebas daripada opsyen Sampler Runtime. Mereka mengambil keutamaan berbanding mana-mana nilai yang ditentukan sebagai opsyen untuk mematuhi abstraksi Sampler.

Namun, jika shots tidak ditentukan oleh mana-mana PUB atau dalam argumen kata kunci jalankan (atau jika semuanya None), maka nilai shots daripada opsyen digunakan, terutamanya default_shots.

Ringkasnya, ini adalah susunan keutamaan untuk menentukan shots dalam Sampler, untuk mana-mana PUB tertentu:

1. Jika PUB menentukan shots, gunakan nilai itu.
2. Jika argumen kata kunci shots ditentukan dalam run, gunakan nilai itu.
3. Jika num_randomizations dan shots_per_randomization ditentukan sebagai opsyen twirling, shots adalah hasil darab nilai-nilai tersebut.
4. Jika sampler.options.default_shots ditentukan, gunakan nilai itu.

Oleh itu, jika shots ditentukan di semua tempat yang mungkin, yang mempunyai keutamaan tertinggi (shots yang ditentukan dalam PUB) digunakan.

Ketepatan (Estimator sahaja)

Ketepatan adalah analog kepada shots, seperti yang diterangkan dalam bahagian sebelumnya, kecuali bahawa opsyen Estimator mengandungi kedua-dua default_shots dan default_precision. Selain itu, kerana gate-twirling didayakan secara lalai, hasil darab num_randomizations dan shots_per_randomization mengambil keutamaan berbanding kedua-dua opsyen tersebut.

Secara khusus, untuk mana-mana PUB Estimator tertentu:

1. Jika PUB menentukan ketepatan, gunakan nilai itu.
2. Jika argumen kata kunci ketepatan ditentukan dalam run, gunakan nilai itu.
3. Jika num_randomizations dan shots_per_randomization ditentukan sebagai opsyen twirling (didayakan secara lalai), gunakan hasil darab mereka untuk mengawal jumlah data.
4. Jika estimator.options.default_shots ditentukan, gunakan nilai itu untuk mengawal jumlah data.
5. Jika estimator.options.default_precision ditentukan, gunakan nilai itu.

Contohnya, jika ketepatan ditentukan di kesemua empat tempat, yang mempunyai keutamaan tertinggi (ketepatan yang ditentukan dalam PUB) digunakan.

nota

Ketepatan berskala songsang dengan penggunaan. Iaitu, semakin rendah ketepatan, semakin banyak masa QPU yang diperlukan untuk menjalankannya.

Opsyen yang biasa digunakan

Terdapat banyak opsyen yang tersedia, tetapi berikut adalah yang paling biasa digunakan:

Shot

Untuk sesetengah algoritma, menetapkan bilangan shot tertentu adalah bahagian teras rutin mereka. Shot (atau ketepatan) boleh ditentukan di beberapa tempat. Ia diprioritaskan seperti berikut:

Untuk mana-mana PUB Sampler:

1. Shot bernilai integer yang terkandung dalam PUB
2. Nilai run(...,shots=val)
3. Nilai options.default_shots

Untuk mana-mana PUB Estimator:

1. Ketepatan bernilai titik apung yang terkandung dalam PUB
2. Nilai run(...,precision=val)
3. Nilai options.default_shots
4. Nilai options.default_precision

Contoh:

from qiskit_ibm_runtime import QiskitRuntimeService
from qiskit_ibm_runtime import SamplerV2 as Sampler
from qiskit.circuit.library import random_iqp
from qiskit.transpiler import generate_preset_pass_manager

service = QiskitRuntimeService()
backend = service.least_busy(operational=True, simulator=False)

circuit1 = random_iqp(3)
circuit1.measure_all()
circuit2 = random_iqp(3)
circuit2.measure_all()

pass_manager = generate_preset_pass_manager(
    optimization_level=3, backend=backend
)

transpiled1 = pass_manager.run(circuit1)
transpiled2 = pass_manager.run(circuit2)

# Setting shots during primitive initialization
sampler = Sampler(mode=backend, options={"default_shots": 4096})

# Setting options after primitive initialization
# This uses auto-complete.
sampler.options.default_shots = 2000

# This does bulk update.  The value for default_shots is overridden if you specify shots with run() or in the PUB.
sampler.options.update(
    default_shots=1024, dynamical_decoupling={"sequence_type": "XpXm"}
)

# Sample two circuits at 128 shots each.
sampler.run([transpiled1, transpiled2], shots=128)

<RuntimeJobV2('d5k96icjt3vs73ds5t0g', 'sampler')>

Masa pelaksanaan maksimum

Masa pelaksanaan maksimum (max_execution_time) mengehadkan berapa lama sesuatu kerja boleh berjalan. Jika kerja melebihi had masa ini, ia dibatalkan secara paksa. Nilai ini digunakan untuk kerja tunggal, sama ada dijalankan dalam mod kerja, Session, atau batch.

Nilai ditetapkan dalam saat, berdasarkan masa kuantum (bukan masa jam dinding), iaitu jumlah masa yang QPU didedikasikan untuk memproses kerja anda. Ia diabaikan apabila menggunakan mod ujian tempatan kerana mod tersebut tidak menggunakan masa kuantum.

from qiskit_ibm_runtime import QiskitRuntimeService
from qiskit_ibm_runtime import EstimatorV2 as Estimator

service = QiskitRuntimeService()
backend = service.least_busy(operational=True, simulator=False)

estimator = Estimator(mode=backend)

estimator.options.max_execution_time = 2500

Matikan semua pengurangan ralat dan penindasan ralat

Anda boleh mematikan semua pengurangan dan penindasan ralat jika anda, contohnya, sedang menjalankan penyelidikan tentang teknik pengurangan anda sendiri. Untuk melakukan ini, bagi EstimatorV2, tetapkan resilience_level = 0. Bagi SamplerV2, tiada perubahan diperlukan kerana tiada opsyen pengurangan atau penindasan ralat yang didayakan secara lalai.

Contoh:

Matikan semua pengurangan dan penindasan ralat dalam Estimator.

from qiskit_ibm_runtime import EstimatorV2 as Estimator, QiskitRuntimeService

# Define the service.  This allows you to access IBM QPU.
service = QiskitRuntimeService()

# Get a backend
backend = service.least_busy(operational=True, simulator=False)

# Define Estimator
estimator = Estimator(backend)

options = estimator.options

# Turn off all error mitigation and suppression
options.resilience_level = 0

Langkah seterusnya

Cadangan

• Cari butiran lanjut tentang kaedah EstimatorV2 dalam rujukan API Estimator.
• Cari butiran lanjut tentang kaedah SamplerV2 dalam rujukan API Sampler.
• Cari butiran tentang cara mengkonfigurasi penindasan ralat dan pengurangan ralat.
• Tentukan mod pelaksanaan mana yang hendak digunakan untuk menjalankan kerja anda.