NoiseLearner

class NoiseLearner(mode=None, options=None)

Basen: object

Klasse zur Durchführung von Experimenten zum Rauschlernen.

Die Klasse der Rauschlerner ermöglicht die Charakterisierung der Rauschprozesse, die sich auf die Gatter in einem oder mehreren interessierenden Schaltkreisen auswirken, auf der Grundlage des Pauli-Lindblad-Rauschmodells, das in [1].

Die Methode run() methode ermöglicht die Durchführung eines Noise-Learner-Jobs für eine Liste von Schaltkreisen. Nach der Übermittlung des Auftrags werden die Gatter zu unabhängigen Schichten zusammengefasst, und die daraus resultierenden Schichten werden anschließend einzeln charakterisiert.

Die Art und Weise, in der die Gates in Schichten gesammelt werden, hängt von der in der gegebenen options angegebenen Zwirbelung strategy ab (siehe NoiseLearnerOptions für weitere Details). Beachten Sie, dass alle Strategien den Schranken gehorchen. Wenn Sie beispielsweise drei ISA-Verschränkungsebenen von Interesse haben, können Sie diese in einen Schaltkreis einfügen, der durch Barrieren getrennt ist, die auf die Qubits wirken, die Sie verwirbeln möchten, und strategy="active-circuit" wählen.

Der folgende Ausschnitt zeigt ein Beispiel, in dem der Noise Learner zur Charakterisierung der Schichten zweier GHZ-Schaltungen verwendet wird.

from qiskit.circuit import QuantumCircuit
from qiskit.transpiler.preset_passmanagers import generate_preset_pass_manager
from qiskit_ibm_runtime import QiskitRuntimeService
from qiskit_ibm_runtime.noise_learner import NoiseLearner
from qiskit_ibm_runtime.options import NoiseLearnerOptions

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

# a circuit returning a two-qubit GHZ state
ghz = QuantumCircuit(2)
ghz.h(0)
ghz.cx(0, 1)

# another circuit returning a two-qubit GHZ state
another_ghz = QuantumCircuit(3)
another_ghz.h(0)
another_ghz.cx(0, 1)
another_ghz.cx(1, 2)
another_ghz.cx(0, 1)

pm = generate_preset_pass_manager(backend=backend, optimization_level=1)
circuits = pm.run([ghz, another_ghz])

# set the options
options = NoiseLearnerOptions()
options.layer_pair_depths = [0, 1, 10]

# run the noise learner job
learner = NoiseLearner(backend, options)
job = learner.run(circuits)

Parameter

• mode (BackendV2 | Session |Batch | None) –

  Der Ausführungsmodus, der für die primitive Abfrage verwendet wird. Auswahlmöglichkeiten:

  • A Backend wenn Sie den Auftragsmodus verwenden.
  • A Session wenn Sie den Sitzungsausführungsmodus verwenden.
  • A Batch wenn Sie den Stapelausführungsmodus verwenden.

  Weitere Informationen zu den Ausführungsmodi finden Sie in der Dokumentation Qiskit Runtime.

• options (dict | NoiseLearnerOptions |options.EstimatorOptions | None) – NoiseLearnerOptions. Alternativ EstimatorOptions kann aus Gründen der Benutzerfreundlichkeit angegeben werden; in diesem Fall werden die Schätzeroptionen in Rausch-Lerner-Optionen umformatiert und alle irrelevanten Felder ignoriert.

Referenzen

1. E. van den Berg, Z. Minev, A. Kandala, K. Temme, Probabilistic error cancellation with sparse Pauli-Lindblad models on noisy quantum processors, Nature Physics Band 19, Seiten 1116-1121 (2023). arXiv:2201.09866 [quant-ph]

Attribute

options

Methoden

backend

run