เริ่มต้นใช้งาน Estimator

Estimator primitive คำนวณค่าความคาดหวัง (expectation values) สำหรับ observable หนึ่งรายการหรือมากกว่าที่สัมพันธ์กับ state ที่เตรียมโดย quantum circuits Circuit อาจมี parameter ได้ ตราบใดที่ส่งค่า parameter เป็น input ให้ primitive ด้วย

Primitive นี้มีเทคนิค error mitigation และ suppression ในตัวหลายอย่าง รวมถึง dynamical decoupling, Pauli-twirling, gate-folding ZNE, PEA และ PEC นอกจากนี้ยังรองรับตัวเลือก resilience_level ที่ช่วยให้กำหนดค่าการแลกเปลี่ยนระหว่างต้นทุนและความแม่นยำได้อย่างง่ายดาย ขั้นตอนในหัวข้อนี้อธิบายวิธีตั้งค่า Estimator สำรวจตัวเลือกที่ใช้กำหนดค่า และเรียกใช้ในโปรแกรม

การ implement Estimator แบบใหม่

qiskit-ibm-runtime v0.50.0 เปิดตัว implementation ใหม่ของ interface SamplerV2 และ EstimatorV2 ของ Qiskit client-side primitives เหล่านี้ทำ pre-processing และ post-processing ส่วนใหญ่ฝั่ง client และมอบหมายการ execute ให้กับ Executor primitive การรันบน client side ให้ความโปร่งใสมากขึ้น การตอบสนองในการ debug ที่เร็วขึ้น และการควบคุมที่ละเอียดขึ้น

เนื่องจากทั้งคู่ implement API เดียวกัน client-side primitives เหล่านี้จึงใช้แทน legacy server-side primitives ได้ทันทีแทบทุกกรณี โดยมีการเปลี่ยนแปลงเพียงอย่างเดียวคือ import statement ดู Migrate from server-side to client-side Sampler and Estimator สำหรับข้อมูลเพิ่มเติม

เวอร์ชันแพ็กเกจ

โค้ดในหน้านี้พัฒนาโดยใช้ requirements ต่อไปนี้ แนะนำให้ใช้เวอร์ชันเหล่านี้หรือใหม่กว่า

qiskit[all]~=2.5.2
qiskit-ibm-runtime~=0.47.0

ขั้นตอนการใช้ Estimator primitive

1. เริ่มต้นบัญชี

คุณต้องเริ่มต้นบัญชีของคุณก่อน จากนั้นจึงเลือก QPU ที่ต้องการใช้คำนวณค่าความคาดหวัง

ทำตามขั้นตอนใน ตั้งค่าบัญชี IBM Cloud หากยังไม่มีบัญชีที่ตั้งค่าไว้

Fractional gates

เพื่อใช้ fractional gates ที่รองรับใหม่ ให้ตั้งค่า use_fractional_gates=True เมื่อขอ backend จาก QiskitRuntimeService instance ตัวอย่างเช่น:

service = QiskitRuntimeService()
fractional_gate_backend = service.least_busy(use_fractional_gates=True)

นี่เป็นคุณสมบัติทดลองและอาจเปลี่ยนแปลงในอนาคต

# Added by doQumentation — installs the packages this notebook needs if they are missing
import importlib.util

_needed = {"qiskit": "qiskit", "qiskit_ibm_runtime": "qiskit-ibm-runtime"}
_missing = [pip for module, pip in _needed.items()
            if importlib.util.find_spec(module) is None]
# One at a time, so a package that fails to install does not block the others
for _pip in _missing:
    %pip install -q {_pip}
if not _missing:
    print("\u2713 All required packages are installed")

from qiskit_ibm_runtime import QiskitRuntimeService

service = QiskitRuntimeService()
backend = service.least_busy(
    operational=True, simulator=False, min_num_qubits=127
)

print(backend.name)

ibm_fez

2. สร้าง circuit และ observable

คุณต้องมีอย่างน้อยหนึ่ง circuit และหนึ่ง observable เป็น input ให้ Estimator primitive

from qiskit.circuit.library import qaoa_ansatz
from qiskit.quantum_info import SparsePauliOp

entanglement = [tuple(edge) for edge in backend.coupling_map.get_edges()]
observable = SparsePauliOp.from_sparse_list(
    [("ZZ", [i, j], 0.5) for i, j in entanglement],
    num_qubits=backend.num_qubits,
)
circuit = qaoa_ansatz(observable, reps=2)
# The circuit is parametrized, so we will define the parameter values for execution
param_values = [0.1, 0.2, 0.3, 0.4]

Circuit และ observable ต้องถูกแปลงเพื่อใช้เฉพาะคำสั่งที่ QPU รองรับ (เรียกว่า instruction set architecture (ISA) circuits) ใช้ transpiler เพื่อทำสิ่งนี้

from qiskit.transpiler import generate_preset_pass_manager

pm = generate_preset_pass_manager(optimization_level=1, backend=backend)
isa_circuit = pm.run(circuit)
isa_observable = observable.apply_layout(isa_circuit.layout)
print(f">>> Circuit ops (ISA): {isa_circuit.count_ops()}")

>>> Circuit ops (ISA): OrderedDict([('rz', 4472), ('sx', 1884), ('cz', 1120)])

3. เริ่มต้น IBM Quantum Estimator

เมื่อเริ่มต้น Estimator ใช้พารามิเตอร์ mode เพื่อระบุโหมดที่ต้องการรัน ค่าที่เป็นไปได้คือ batch, session หรือ backend objects สำหรับ batch, session และ job execution mode ตามลำดับ สำหรับข้อมูลเพิ่มเติม ดู Introduction to IBM Quantum Compute Service execution modes โปรดทราบว่าผู้ใช้ Open Plan ไม่สามารถส่ง session jobs ได้

# Legacy server-side primitive before qiskit-ibm-runtime 0.50.0
# from qiskit_ibm_runtime import Estimator

# Client-side primitive introduced in qiskit-ibm-runtime 0.50.0
from qiskit_ibm_runtime.executor_estimator import Estimator

estimator = Estimator(mode=backend)

4. เรียกใช้ Estimator และรับผลลัพธ์

จากนั้น เรียกใช้เมธอด run() เพื่อคำนวณค่าความคาดหวังสำหรับ circuit และ observable ที่ป้อนเข้า Circuit, observable และชุดค่า parameter (ถ้ามี) จะถูกป้อนเป็น primitive unified bloc (PUB) tuples

job = estimator.run([(isa_circuit, isa_observable, param_values)])
print(f">>> Job ID: {job.job_id()}")
print(f">>> Job Status: {job.status()}")

>>> Job ID: dab7lfurrl7c7386gjn0

>>> Job Status: QUEUED

result = job.result()
print(f">>> {result}")
print(f"  > Expectation value: {result[0].data.evs}")
print(f"  > Metadata: {result[0].metadata}")

>>> PrimitiveResult([PubResult(data=DataBin(evs=np.ndarray(<shape=(), dtype=float64>), stds=np.ndarray(<shape=(), dtype=float64>), ensemble_standard_error=np.ndarray(<shape=(), dtype=float64>)), metadata={'shots': 4096, 'target_precision': 0.015625, 'circuit_metadata': {}, 'resilience': {}, 'num_randomizations': 32})], metadata={'dynamical_decoupling': {'enable': False, 'sequence_type': 'XX', 'extra_slack_distribution': 'middle', 'scheduling_method': 'alap'}, 'twirling': {'enable_gates': False, 'enable_measure': True, 'num_randomizations': 'auto', 'shots_per_randomization': 'auto', 'interleave_randomizations': True, 'strategy': 'active-accum'}, 'resilience': {'measure_mitigation': True, 'zne_mitigation': False, 'pec_mitigation': False}, 'version': 2})
  > Expectation value: 28.60306448415693
  > Metadata: {'shots': 4096, 'target_precision': 0.015625, 'circuit_metadata': {}, 'resilience': {}, 'num_randomizations': 32}

ขั้นตอนถัดไป

คำแนะนำ

• เรียนรู้วิธี ทดสอบในเครื่อง ก่อนรันบนคอมพิวเตอร์ควอนตัม
• ดูตัวอย่างโดยละเอียด
• ฝึกใช้ primitives โดยทำ Cost function lesson ใน IBM Quantum Learning
• เรียนรู้วิธี transpile ในเครื่องในส่วน Transpile
• ลองทำคู่มือ Compare transpiler settings
• เรียนรู้วิธี ใช้ primitive options
• ดู API สำหรับตัวเลือก Estimator