Langkau ke kandungan utama

⚙️ Tetapan doQumentation

Konfigurasikan Jupyter server yang digunakan untuk menjalankan kod Python dalam tutorial.

Persekitaran semasa: Tidak dikesan

Backend Pelayan

Pilih backend yang digunakan untuk pelaksanaan kod:

Mod Pelaksanaanⓘ

Pilih mod pelaksanaan

Perubahan berkuat kuasa pada sesi kernel seterusnya. Jika kod sedang berjalan, klik Kembali kemudian Jalankan untuk guna.

Akaun IBM Quantum

Arahan Persediaan
Nota Keselamatan: Credentials disimpan dalam localStorage pelayar kamu sebagai teks biasa. Ia tidak disulitkan dan boleh dibaca oleh sambungan pelayar atau sesiapa yang mempunyai akses ke peranti ini. Gunakan tetapan tamat tempoh di bawah untuk mengehadkan pendedahan, dan padamkan credentials apabila selesai. Untuk komputer yang dikongsi atau awam, lebih baik guna kaedah save_account() manual yang diterangkan di bawah.

Masukkan IBM Quantum credentials kamu sekali di sini. Ia akan disuntik secara automatik melalui save_account() apabila kernel bermula, jadi kamu tidak perlu memasukkannya dalam setiap notebook. Ini hanya untuk pelaksanaan kod tertanam di laman web ini — membuka notebook dalam JupyterLab memerlukan panggilan save_account() secara manual.

  1. Daftar di quantum.cloud.ibm.com/registration — tiada kad kredit diperlukan untuk 30 hari pertama
  2. Log masuk di Instans
  3. Instans — Buat instans Open Plan percuma di Halaman Utama jika kamu belum ada
  4. API Token — Klik ikon profil kamu (kanan atas), kemudian "API token". Salin kunci.

Untuk langkah terperinci, lihat panduan Sediakan pengesahan IBM (Langkah 2).

Alternatif: jalankan save_account() secara manual dalam sel notebook

Jika kamu lebih suka tidak menyimpan credentials dalam pelayar ini, tampal ini ke dalam mana-mana sel kod dan jalankannya. Credentials disimpan dalam ingatan sementara kernel Binder dan hilang apabila sesi berakhir.

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

Tetapan paparan

Saiz fon kod

14px
from qiskit import QuantumCircuit

Output pra-dikira

Setiap halaman notebook menunjukkan output pra-dikira (imej, jadual, teks) dari jalankan asal IBM. Apabila kamu klik Run untuk menjalankan kod secara langsung, output asal dan output langsung baru kamu dipaparkan bersama. Aktifkan togol ini untuk menyembunyikan output asal semasa pelaksanaan langsung dan hanya menunjukkan keputusan kamu.

Amaran Python

Secara lalai, amaran Python (notis deprecation, amaran runtime) ditekan untuk output notebook yang lebih bersih. Nyahaktifkan untuk melihat semua amaran — berguna untuk nyahpepijat atau mempelajari perubahan API.

Urus Data Kamu

Semua data disimpan secara tempatan dalam pelayar kamu (localStorage). Tiada apa yang dihantar ke pelayan kami. Mengosongkan data pelayar atau menggunakan pelayar/peranti lain bermula dari awal.

Kemajuan Pembelajaran

Kemajuan membaca dan pelaksanaan kamu dijejak secara tempatan dalam pelayar kamu. Halaman yang dilawati menunjukkan ✓ dalam bar sisi; notebook yang dijalankan menunjukkan ▶.

Tiada kemajuan dijejak lagi. Lawati tutorial dan panduan untuk mula menjejak.

Penanda halaman

Tiada penanda halaman disimpan lagi.

Paparan & UI

Sesi & Credentials

Tetapkan Semula Semua

Buang semua data yang disimpan termasuk kemajuan, penanda halaman, keutamaan paparan, dan credentials.

Tetapan Lanjutan

IBM Cloud Code Engine

IBM Cloud Code Engine menyediakan kernel Jupyter tanpa pelayan yang pantas, dikuasakan oleh akaun IBM Cloud kamu sendiri. Permulaan mengambil masa beberapa saat berbanding minit. Peringkat percuma meliputi ~14 jam/bulan.

Arahan Persediaan
  1. Buat akaun IBM Cloud di cloud.ibm.com (peringkat percuma tersedia)
  2. Pergi ke IBM Cloud Code Engine console dan buat projek baru dalam kawasan pilihan kamu
  3. Buat aplikasi baru dengan imej ghcr.io/janlahmann/doqumentation-codeengine:latest, port mendengar 8080
    Saiz: 1 vCPU / 2 GB untuk pengguna tunggal, 8 vCPU / 16 GB untuk bengkel (sehingga 80 pengguna)
  4. Tetapkan pemboleh ubah persekitaran: JUPYTER_TOKEN kepada token selamat (min 32 aksara) dan CORS_ORIGIN kepada domain kamu (cth. https://doqumentation.org)

Untuk butiran saiz bengkel, lihat dokumentasi persediaan bengkel.

Pakej Binder

Apabila berjalan di GitHub Pages, kod dijalankan melalui MyBinder. Persekitaran Binder mengandungi pakej teras Qiskit yang diprapasang:

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

Beberapa notebook memerlukan pakej tambahan. Kamu boleh memasangnya mengikut keperluan dengan menjalankan ini dalam sel kod:

!pip install -q <package>

Atau pasang semua pakej pilihan sekaligus:

!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

Bantuan persediaan

Persediaan RasQberry

Apabila berjalan pada RasQberry Pi, Jupyter server sepatutnya dikesan secara automatik. Jika tidak, pastikan perkhidmatan jupyter-tutorials sedang berjalan:

sudo systemctl status jupyter-tutorials

Persediaan Jupyter Tempatan

Mulakan Jupyter server dengan CORS diaktifkan:

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

Persediaan Docker

Kontena Docker menjana token Jupyter rawak semasa permulaan. Pelaksanaan kod melalui laman web (port 8080) berfungsi secara automatik — tiada token diperlukan. Token hanya diperlukan untuk akses JupyterLab terus pada port 8888.

Untuk mendapatkan semula token dari log kontena:

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

Untuk menetapkan token tetap:

JUPYTER_TOKEN=mytoken docker compose --profile jupyter up

Server Jauh

Untuk server jauh, pastikan CORS dikonfigurasi untuk membenarkan sambungan dari laman web ini. Tambah yang berikut ke jupyter_server_config.py kamu:

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