Noise Modeling
Noise model อธิบายว่าข้อผิดพลาดส่งผลต่อผลลัพธ์จากการรัน quantum circuit อย่างไร Noise model รองรับหลายขั้นตอนของ workflow ทั่วไป เช่น การจำลอง circuit แบบคลาสสิกเพื่อประเมินประสิทธิภาพที่คาดหวังก่อนส่ง job หรือเพื่อใช้เป็นข้อมูลให้เทคนิค error-mitigation เช่น probabilistic error cancellation สำหรับกลยุทธ์ทั่วไปในการลดผลกระทบของ noise ระหว่างการรัน ดู Overview of noise management techniques
หน้านี้รวบรวมแพ็กเกจและความสามารถที่รองรับแต่ละส่วนของ workflow นั้น จัดกลุ่มเป็นการเรียนรู้ noise จากอุปกรณ์ การสร้าง noise model สำหรับการจำลองแบบคลาสสิก และการปรับแต่ง noise model สำหรับเทคนิค error-mitigation เฉพาะ
การสร้างและรันอัลกอริทึม noise learning
ใช้แพ็กเกจ noise learning เพื่อระบุลักษณะ noise ของอุปกรณ์โดยตรงจากข้อมูลการทดลอง แพ็กเกจเหล่านี้รัน circuit แบบสุ่มเพื่อประเมินอัตราข้อผิดพลาดและสร้าง noise model ที่สะท้อนพฤติกรรมจริงของฮาร์ดแวร์
การสร้าง noise model สำหรับการจำลอง circuit ที่มี noise
ใช้แพ็กเกจนี้เพื่อสร้าง noise model สำหรับจำลอง circuit แบบคลาสสิก ด้วย noise model คุณประเมินได้ว่า circuit ทำงานอย่างไรบนฮาร์ดแวร์ที่มี noise ก่อนรันบน QPU
การปรับแต่ง noise model
ใช้แพ็กเกจเหล่านี้เพื่อปรับ noise model สำหรับเทคนิค error-mitigation เฉพาะ แต่ละแพ็กเกจมุ่งเป้าไปที่การแลกเปลี่ยนที่ต่างกันระหว่างต้นทุนการสุ่มตัวอย่าง bias และความน่าเชื่อถือของตัวอย่างที่ผ่าน postselection