Qiskit Runtime local testing mode

เวอร์ชันของแพ็กเกจ

โค้ดในหน้านี้พัฒนาโดยใช้ requirements ต่อไปนี้ แนะนำให้ใช้เวอร์ชันเหล่านี้หรือใหม่กว่า

qiskit[all]~=2.3.0
qiskit-ibm-runtime~=0.43.1
qiskit-aer~=0.17

ใช้ local testing mode (มีให้ใช้กับ qiskit-ibm-runtime v0.22.0 หรือใหม่กว่า) เพื่อทดสอบโปรแกรมก่อนที่จะปรับแต่งและส่งไปยังฮาร์ดแวร์ควอนตัมจริง หลังจากใช้ local testing mode เพื่อยืนยันโปรแกรมแล้ว สิ่งที่ต้องเปลี่ยนคือชื่อ Backend เท่านั้นเพื่อรันบน QPU

ในการใช้ local testing mode ให้ระบุ fake backends จาก qiskit_ibm_runtime.fake_provider หรือระบุ Qiskit Aer Backend เมื่อสร้าง Qiskit Runtime primitive หรือ Session

• Fake backends: fake backends ใน qiskit_ibm_runtime.fake_provider จำลองพฤติกรรมของ IBM® QPUs โดยใช้ QPU snapshots ซึ่ง QPU snapshots มีข้อมูลสำคัญเกี่ยวกับ QPU เช่น coupling map, basis gates, และคุณสมบัติของ Qubit ที่มีประโยชน์สำหรับการทดสอบ Transpiler และการ simulate QPU แบบมี noise โดย noise model จาก snapshot จะถูกใช้งานโดยอัตโนมัติระหว่างการ simulation

• Aer simulator: Simulators จาก Qiskit Aer ให้การ simulation ประสิทธิภาพสูงที่รองรับ circuits ขนาดใหญ่และ custom noise models มีตัวเลือก simulation method หลายแบบเมื่อใช้ AerSimulator ใน local testing mode ดูตัวอย่าง Clifford simulation mode ที่แสดงวิธี simulate Clifford circuits ที่มี qubits จำนวนมากอย่างมีประสิทธิภาพ

  รายการ simulation methods ที่ใช้ได้จาก Qiskit Aer

  ดูเอกสาร AerSimulator สำหรับข้อมูลเพิ่มเติม

  • "automatic": simulation method เริ่มต้น เลือก simulation method โดยอัตโนมัติตาม Circuit และ noise model

  • "statevector": การ simulation statevector แบบ dense ที่สามารถสุ่มผลการวัดจาก circuits อุดมคติ ที่มีการวัดทั้งหมดที่ท้าย Circuit สำหรับการ simulation แบบมี noise แต่ละ shot จะสุ่ม noisy circuit จาก noise model

  • "density_matrix": การ simulation density matrix ที่สามารถสุ่มผลการวัดจาก circuits แบบมี noise ที่มีการวัดทั้งหมดที่ท้าย Circuit

  • "stabilizer": Clifford stabilizer state simulator ที่มีประสิทธิภาพซึ่ง simulate Clifford circuits แบบมี noise ได้หากข้อผิดพลาดทั้งหมดใน noise model เป็น Clifford errors

  • "extended_stabilizer": approximate simulator สำหรับ Clifford + T circuits ที่อิงจากการแยก state เป็น ranked-stabilizer state จำนวน terms จะเพิ่มขึ้นตามจำนวน non-Clifford (T) gates

  • "matrix_product_state": tensor-network statevector simulator ที่ใช้ Matrix Product State (MPS) representation สำหรับ state ทำได้โดยมีหรือไม่มีการตัด MPS bond dimensions ขึ้นอยู่กับตัวเลือก simulator พฤติกรรมเริ่มต้นคือไม่ตัด

  • "unitary": การ simulation unitary matrix แบบ dense ของ Circuit อุดมคติ จำลอง unitary matrix ของ Circuit เอง แทนที่จะเป็นการวิวัฒนาการของ quantum state เริ่มต้น method นี้ simulate ได้เฉพาะ gates เท่านั้น ไม่รองรับการวัด reset หรือ noise

  • "superop": การ simulation superoperator matrix แบบ dense ของ Circuit อุดมคติหรือแบบมี noise จำลอง superoperator matrix ของ Circuit เอง แทนที่จะเป็นการวิวัฒนาการของ quantum state เริ่มต้น method นี้ simulate gates และ resets แบบอุดมคติและแบบมี noise ได้ แต่ไม่รองรับการวัด

  • "tensor_network": การ simulation อิงจาก tensor-network ที่รองรับทั้ง statevector และ density matrix ปัจจุบันใช้ได้เฉพาะกับ GPU และเร่งความเร็วด้วย cuQuantum cuTensorNet APIs

หมายเหตุ

• สามารถระบุตัวเลือก Qiskit Runtime ทั้งหมดใน local testing mode ได้ อย่างไรก็ตาม ตัวเลือกทั้งหมดยกเว้น shots จะถูกละเว้นเมื่อรันบน local simulator
• แนะนำให้ติดตั้ง Qiskit Aer ก่อนใช้ fake backends หรือ Aer simulators โดยรัน pip install qiskit-aer fake backends ใช้ Aer simulators เบื้องหลังหากมีเพื่อใช้ประโยชน์จากประสิทธิภาพ

ตัวอย่าง Fake backends

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

from qiskit.circuit import QuantumCircuit
from qiskit.transpiler import generate_preset_pass_manager
from qiskit_ibm_runtime import SamplerV2 as Sampler
from qiskit_ibm_runtime.fake_provider import FakeManilaV2

# Bell Circuit
qc = QuantumCircuit(2)
qc.h(0)
qc.cx(0, 1)
qc.measure_all()

# Run the sampler job locally using FakeManilaV2
fake_manila = FakeManilaV2()
pm = generate_preset_pass_manager(backend=fake_manila, optimization_level=1)
isa_qc = pm.run(qc)

# You can use a fixed seed to get fixed results.
options = {"simulator": {"seed_simulator": 42}}
sampler = Sampler(mode=fake_manila, options=options)

result = sampler.run([isa_qc]).result()

ตัวอย่าง AerSimulator

ตัวอย่างกับ sessions โดยไม่มี noise:

from qiskit_aer import AerSimulator
from qiskit.circuit import QuantumCircuit
from qiskit.transpiler import generate_preset_pass_manager
from qiskit_ibm_runtime import Session, SamplerV2 as Sampler

# Bell Circuit
qc = QuantumCircuit(2)
qc.h(0)
qc.cx(0, 1)
qc.measure_all()

# Run the sampler job locally using AerSimulator.
# Session syntax is supported but ignored because local mode doesn't support sessions.
aer_sim = AerSimulator()
pm = generate_preset_pass_manager(backend=aer_sim, optimization_level=1)
isa_qc = pm.run(qc)
with Session(backend=aer_sim) as session:
    sampler = Sampler(mode=session)
    result = sampler.run([isa_qc]).result()

ในการ simulate แบบมี noise ให้ระบุ QPU (ฮาร์ดแวร์ควอนตัม) และส่งไปยัง Aer Aer จะสร้าง noise model จากข้อมูล calibration ของ QPU นั้น และสร้าง Aer Backend พร้อม model นั้น หากต้องการ สามารถ สร้าง noise model เองได้

ข้อควรระวัง

QPU อาจได้รับผลกระทบจาก noise หลายประเภท Qiskit Aer noise model ที่ใช้ที่นี่จำลองได้เฉพาะบางส่วนเท่านั้น ดังนั้นจึงมีแนวโน้มว่าจะรุนแรงน้อยกว่า noise บน QPU จริง

สำหรับรายละเอียดว่า errors ใดบ้างที่รวมอยู่เมื่อ initialize noise model จาก QPU ดู Aer NoiseModel API reference

ตัวอย่างแบบมี noise:

from qiskit_aer import AerSimulator
from qiskit.circuit import QuantumCircuit
from qiskit.transpiler import generate_preset_pass_manager
from qiskit_ibm_runtime import SamplerV2 as Sampler, QiskitRuntimeService

# Bell Circuit
qc = QuantumCircuit(2)
qc.h(0)
qc.cx(0, 1)
qc.measure_all()

service = QiskitRuntimeService()

# Specify a QPU to use for the noise model
real_backend = service.backend("ibm_fez")
aer = AerSimulator.from_backend(real_backend)

# Run the sampler job locally using AerSimulator.
pm = generate_preset_pass_manager(backend=aer, optimization_level=1)
isa_qc = pm.run(qc)
sampler = Sampler(mode=aer)
result = sampler.run([isa_qc]).result()

Clifford simulation

เนื่องจาก Clifford circuits สามารถ simulate ได้อย่างมีประสิทธิภาพพร้อมผลลัพธ์ที่ยืนยันได้ Clifford simulation จึงเป็นเครื่องมือที่มีประโยชน์มาก สำหรับตัวอย่างเชิงลึก ดู Efficient simulation of stabilizer circuits with Qiskit Aer primitives

ตัวอย่าง:

import numpy as np
from qiskit.circuit.library import efficient_su2
from qiskit_ibm_runtime import SamplerV2 as Sampler

n_qubits = 500  # <---- note this uses 500 qubits!
circuit = efficient_su2(n_qubits)
circuit.measure_all()

rng = np.random.default_rng(1234)
params = rng.choice(
    [0, np.pi / 2, np.pi, 3 * np.pi / 2],
    size=circuit.num_parameters,
)

# Tell Aer to use the stabilizer (Clifford) simulation method
aer_sim = AerSimulator(method="stabilizer")

pm = generate_preset_pass_manager(backend=aer_sim, optimization_level=1)
isa_qc = pm.run(qc)
sampler = Sampler(mode=aer_sim)
result = sampler.run([isa_qc]).result()

ขั้นตอนถัดไป

คำแนะนำ

• ดูตัวอย่าง primitives โดยละเอียดที่ primitives examples.
• อ่าน Migrate to V2 primitives
• ฝึกใช้ primitives ผ่าน Cost function lesson ใน IBM Quantum Learning
• เรียนรู้วิธี transpile ในเครื่องในส่วน Transpile
• ลองทำ Compare transpiler settings tutorial