Qiskit addons

กันยายน 2026

• เครื่องมือใหม่ถูกสร้างขึ้นบนเฟรมเวิร์ก directed execution model ซึ่งเปิดตัวไปเมื่อต้นปีนี้:

  • qiskit-noise-learning เป็นชุดเครื่องมือสำหรับการระบุลักษณะ quantum noise โดยใช้การสุ่ม คุณสามารถใช้สร้างการทดลอง noise-learning แบบกำหนดเอง ตรวจสอบความถูกต้องด้วยการจำลองในเครื่อง และวิเคราะห์ผลลัพธ์ดิบ

  • qiskit-mitigation เป็นแพ็กเกจของวิธี quantum error mitigation สำหรับสร้าง mitigation pipeline ด้วย execution model ใหม่ ประกอบด้วยการนำวิธีที่เป็นที่รู้จักมาใช้งาน ได้แก่ PEC, PEA, TREX และ ZNE แบบ gate-folding รวมถึง post-selection สำหรับกรองข้อผิดพลาดแบบ non-Markovian ออก

สิงหาคม 2026

• Qiskit Fermions ออกเวอร์ชันแรกในเดือนนี้แล้ว! แพ็กเกจนี้มีเครื่องมือสำหรับทำงานกับระบบเฟอร์มิออน รวมถึงการสร้างตัวดำเนินการและ Circuit แบบเฟอร์มิออน การนำ fermion-to-qubit encoding มาใช้ และการสังเคราะห์ Circuit ผ่านการผสานรวมกับ Qiskit Transpiler Qiskit Fermions ใช้ร่วมกับเครื่องมือเสริมอื่น ๆ ในระบบนิเวศได้ เช่น ffsim (ดูเอกสารและบล็อกสำหรับข้อมูลเพิ่มเติม) และ SQD addon เพื่อสร้าง workflow ขั้นสูงสำหรับระบบเฟอร์มิออน

ดูว่าเครื่องมือเหล่านี้ถูกนำไปใช้จริงอย่างไรได้ใน tutorial SqDRIFT algorithm for ground state estimation และคู่มือต่อไปนี้: Building constant-depth circuits to simulate the dynamics of the 1- and 2-D Fermi-Hubbard model ดูบล็อกและเอกสารเพื่อเริ่มต้นใช้งาน

มิถุนายน 2026

• ขอแนะนำ Qiskit Paulice: addon ใหม่ที่ผนวกการตรวจจับข้อผิดพลาด quantum แบบ overhead ต่ำเข้ากับ circuit เพื่อเพิ่มความเที่ยงตรง (fidelity) ของการแจกแจงที่วัดได้ addon นี้ให้การเข้าถึงสถานะ quantum แบบ single-shot จึงสามารถใช้ได้ทั้งใน workflow แบบ sampling-based และ expectation value-based ดู blog และ documentation เพื่อเริ่มต้นใช้งานวันนี้

การอัปเดตก่อนหน้า

• เราเพิ่งเปิดตัว addon ใหม่สองตัวที่ใช้ทรัพยากร classical เพื่อลดทรัพยากร quantum ที่จำเป็นสำหรับการบรรเทาข้อผิดพลาด:

  • Propagated noise absorption (PNA) เป็นเทคนิคสำหรับบรรเทาข้อผิดพลาดใน expectation values โดยดูดซับ inverses ของ noise channels ที่เรียนรู้แล้วเข้าไปใน observables โดยใช้ Pauli propagation

  • addon Shaded lightcones (SLC) ใช้การจำลองแบบ classical เพื่อจำกัดขอบเขตความไวต่อข้อผิดพลาดตลอดทั้ง circuit ให้แคบลง สิ่งนี้ช่วยให้สามารถใช้ Probabilistic Error Cancellation (PEC) ได้อย่างมีประสิทธิภาพและตรงจุดมากขึ้นโดยมีความแปรปรวนลดลง