ค้นหาตำแหน่งตัดอัตโนมัติ

ขั้นตอนที่ 1: แมป

สร้าง Circuit และ observable

# Added by doQumentation — required packages for this notebook
!pip install -q numpy qiskit qiskit-addon-cutting

import numpy as np
from qiskit.circuit.random import random_circuit
from qiskit.quantum_info import SparsePauliOp

circuit = random_circuit(7, 6, max_operands=2, seed=1242)
observable = SparsePauliOp(["ZIIIIII", "IIIZIII", "IIIIIIZ"])

circuit.draw("mpl", scale=0.8)

ขั้นตอนที่ 2: ปรับให้เหมาะสม

ค้นหาตำแหน่งที่จะตัด โดยกำหนดจำนวน Qubit สูงสุด 4 ตัวต่อ subcircuit Circuit นี้สามารถแบ่งออกเป็นสองส่วนได้ด้วยการตัดสายเดียวและตัด CRZGate หนึ่งตัว

from qiskit_addon_cutting.automated_cut_finding import (
    find_cuts,
    OptimizationParameters,
    DeviceConstraints,
)

# Specify settings for the cut-finding optimizer
optimization_settings = OptimizationParameters(seed=111)

# Specify the size of the QPUs available
device_constraints = DeviceConstraints(qubits_per_subcircuit=4)

cut_circuit, metadata = find_cuts(circuit, optimization_settings, device_constraints)
print(
    f'Found solution using {len(metadata["cuts"])} cuts with a sampling '
    f'overhead of {metadata["sampling_overhead"]}.\n'
    f'Lowest cost solution found: {metadata["minimum_reached"]}.'
)
for cut in metadata["cuts"]:
    print(f"{cut[0]} at circuit instruction index {cut[1]}")
cut_circuit.draw("mpl", scale=0.8, fold=-1)

Found solution using 2 cuts with a sampling overhead of 127.06026169907257.
Lowest cost solution found: True.
Wire Cut at circuit instruction index 19
Gate Cut at circuit instruction index 28

เพิ่ม ancilla สำหรับการตัดสาย และขยาย observable เพื่อรองรับ Qubit ancilla

from qiskit_addon_cutting import cut_wires, expand_observables

qc_w_ancilla = cut_wires(cut_circuit)
observables_expanded = expand_observables(observable.paulis, circuit, qc_w_ancilla)
qc_w_ancilla.draw("mpl", scale=0.8, fold=-1)

แบ่ง Circuit และ observable ออกเป็น subcircuit และ subobservable จากนั้นคำนวณ sampling overhead ที่เกิดจากการตัด Gate และสายเหล่านี้

from qiskit_addon_cutting import partition_problem

partitioned_problem = partition_problem(
    circuit=qc_w_ancilla, observables=observables_expanded
)
subcircuits = partitioned_problem.subcircuits
subobservables = partitioned_problem.subobservables
print(
    f"Sampling overhead: {np.prod([basis.overhead for basis in partitioned_problem.bases])}"
)

Sampling overhead: 127.06026169907257

subobservables

{0: PauliList(['IIII', 'IZII', 'IIIZ']),
 1: PauliList(['ZIII', 'IIII', 'IIII'])}

subcircuits[0].draw("mpl", style="iqp", scale=0.8)

subcircuits[1].draw("mpl", style="iqp", scale=0.8)

สร้างการทดลองเพื่อรันบน Backend

from qiskit_addon_cutting import generate_cutting_experiments

subexperiments, coefficients = generate_cutting_experiments(
    circuits=subcircuits, observables=subobservables, num_samples=1_000
)
print(
    f"{len(subexperiments[0]) + len(subexperiments[1])} total subexperiments to run on backend."
)

96 total subexperiments to run on backend.

ขั้นตอนที่ 3 และ 4 ของ Qiskit pattern สามารถทำได้ตามที่แสดงในบทแนะนำก่อนหน้านี้