Lernprogramme

In diesen Tutorials erfahren Sie, wie Sie Qiskit auf gängige Anwendungsfälle des Quantencomputings anwenden können.

• Beginnen Sie mit den Anleitungen im Abschnitt " Erste Schritte", wenn Sie zum ersten Mal Code auf einem Quantencomputer ausführen.
• Der Abschnitt über vorteilhafte Arbeitsabläufe enthält durchgängige Beispiele für die Verwendung eines Quantencomputers zur Lösung von Problemen aus der Praxis. Diese Tutorials konzentrieren sich auf Algorithmen, die vielversprechende Kandidaten für die Erzielung von Rechenvorteilen durch einen Quantencomputer gegenüber einem klassischen Computer sind.
• Der Abschnitt über die Möglichkeiten von Qiskit enthält Beispiele, die die neuesten und fortschrittlichsten Techniken des Qiskit-Ökosystems nutzen, um einen bestimmten Arbeitsablauf ganz oder teilweise zu verbessern.

Erste Schritte

Diese Tutorials richten sich an Anfänger, die bereit sind, sich mit der Ausführung von Quantenalgorithmen auf einem Quantencomputer zu befassen.

• CHSH-Ungleichheit

Workflows zum Vorteil erkunden

Die Tutorien in diesem Abschnitt befassen sich mit groß angelegten Demonstrationen von Quantenalgorithmen.

• Überprüfbare Stichprobenalgorithmen

  Die Algorithmen in dieser Kategorie konzentrieren sich auf Quantenschaltungen, deren Ausgangsverteilungen Lösungen für strukturierte Probleme mit überprüfbarem Ausgang kodieren. Verifizierbarkeit bedeutet, dass Sie die Konsistenz zwischen gemessenen Daten überprüfen können, entweder durch Auswertung der gewählten Bitfolge oder durch die Gewissheit, dass keine falsch positiven Ergebnisse auftreten.

  In den Tutorials werden Techniken vorgestellt, bei denen wiederholte Stichproben eine Schätzung problemspezifischer Größen (z. B. Kostenfunktionswerte oder spektrale Gewichte) ermöglichen. Diese Methoden sind besonders relevant für Optimierungs- und Simulationsaufgaben mit Symmetrien.

  • Quantendiagonalisierung eines chemischen Hamiltonianers auf der Grundlage von Proben

  • Probenbasierte Krylov-Quantendiagonalisierung eines fermionischen Gittermodells

  • SqDRIFT Algorithmus zur Schätzung des Grundzustands

  • Quanten-Diagonalisierung eines Kern-Hamilton-Operators auf der Grundlage gepoolter Proben

  • Approximativer Quantenoptimierungsalgorithmus

  • Fortgeschrittene Techniken für QAOA

  • QAOA mit Warm-Start unter Verwendung des Qiskit-Add-ons „Optimization Mapper“

  • Näherungsweise Quantenoptimierung für mehrere Ziele

  • Pauli-Korrelationskodierung zur Reduzierung der Anforderungen an den Max-Cut

  • Berechnungen mit implizitem Lösungsmittel unter Verwendung von „ Qiskit Serverless “

• Beobachtbare Schätzung

  Diese Übungen konzentrieren sich auf die Schätzung physikalisch sinnvoller Größen wie Energie oder Korrelationswerte durch die Vorbereitung von Quantenzuständen und die Messung von Observablen. Zu den Techniken gehören sowohl Variations- als auch Trotterized Circuit-Ansätze, die einen Ausgleich zwischen der Ausdruckskraft der Schaltungen und der Effizienz der Schaltungstiefe schaffen. Der Schwerpunkt liegt auf Arbeitsabläufen, die den Bedarf an Quantenressourcen verringern und gleichzeitig die Genauigkeit beibehalten und die praktische Abschätzung von Observablen in chemischen und physikalischen Systemen ermöglichen.

  • Simulation der Neutronenstreuung in Quantenmaterialien mit Quantenschaltungen

  • Simulation der Neutronenstreuung mit einem AQC- und Trotter-Dynamik-basierten serverlosen Workflow

  • Krylov-Quanten-Diagonalisierung von Gitter-Hamiltonianern

  • Nishimori-Phasenübergang

  • Schätzung der Grundzustandsenergie der Heisenberg-Kette mit VQE

  • Quantum-Kernel-Ausbildung

  • Verbesserte Merkmalsklassifizierung durch projizierte Quantenkerne

  • CHSH-Ungleichheit

  • Beobachtung einer robusten und kohärenten nicht-abelschen Hadronendynamik auf verrauschten Quantenprozessoren

  • Schattentomographie des Greenberger-Horne-Zeilinger-Zustands

  • Simulation der zeitlichen Entwicklung des Ising-Modells mit transversalem Feld

• Fehlertolerante Algorithmen

  Dieser Abschnitt befasst sich mit Algorithmen, die über klar definierte theoretische Garantien verfügen und für den Einsatz auf zukünftiger, fehlerkorrigierter Quantenhardware konzipiert sind. Der Schaltungs- bzw. Abtast-Overhead dieser Algorithmen skaliert nicht tiefen-effizient und lässt daher eher einen Quantenvorteil erkennen, sobald fehlertolerante Quantencomputer verfügbar sind. Diese Tutorials veranschaulichen, wie die Methoden unter idealisierten Bedingungen funktionieren, und zeigen Beispiele in kleinem Maßstab.

  • Shor's Algorithmus
  • Grovers Algorithmus

Nutzen Sie die Funktionen von Qiskit

In diesem Abschnitt werden fortschrittliche Funktionen innerhalb des Qiskit-Ökosystems vorgestellt, die die Leistung, Zuverlässigkeit und Geschwindigkeit bei der Ausführung von Quantenalgorithmen verbessern.

• Workloadoptimierung

  Die Optimierung der Arbeitslast konzentriert sich entweder auf eine effiziente Orchestrierung von klassischen und Quantenressourcen oder auf maßgeschneiderte Methoden zur Verbesserung der Manipulation von Quantenschaltungen.

  • Quanten-Workloads mit QRMI ausführen

  • Benchmark-Dynamikschaltungen mit abgeschnittenen Bell-Paaren

  • Quantenkerne mit fraktionalen Gatteroperatoren

  • Einführung in den Qiskit-Transpiler mit KI-Unterstützung

  • Optimierung der Transpilation mit SABRE

  • Kompilierungsmethoden für Hamilton-Simulationsschaltungen

  • Weitreichende Verschränkung mit dynamischen Schaltkreisen

  • Simulation des gekickten Ising-Hamilton-Operators mit dynamischen Schaltkreisen

• Qiskit-Funktionen

  Qiskit-Funktionen sind eine Sammlung von vorgefertigten Fehlermanagement- und Anwendungstools, die die Entwicklung umfangreicher Experimente mit Schaltkreisen, Molekülen, QUBOs und vielem mehr erleichtern.

  • Entwickeln Sie neue Algorithmen mit Circuit-Funktionen – mit vorgefertigten Pipelines für Transpilierung, Fehlerunterdrückung und Fehlerbehebung.

    • Transversalfeld-Ising-Modell mit Q-CTRL's Performance Management

    • Quanten-Phasenschätzung mit Q-CTRL's Qiskit Functions

    • Simulieren Sie 2D Tilted-Field Ising mit der QESEM-Funktion

    • Simulieren Sie ein gekickt Ising-Modell mit der TEM-Funktion.

    • Vergleichen Sie die Prozessgenauigkeit von QFT mit „Orbit“, einer Qiskit-Funktion von Quantum Elements

  • Experimentieren Sie mit anwendungsspezifischen Problemen unter Verwendung von Anwendungsfunktionen – mit Eingaben und Ausgaben, die Ihnen aus klassischen Lösern bekannt sind.

    • Dynamische Portfoliooptimierung mit dem Portfolio Optimizer von Global Data Quantum

    • Binäre Optimierung höherer Ordnung mit dem Optimierungslöser von Q-CTRL

    • Modellierung einer fließenden nicht-viskosen Flüssigkeit mit QUICK-PDE

    • Dissoziations-PES-Kurven mit Qunova HiVQE

    • Hybride quantengestützte Ensemble-Klassifizierung (Arbeitsablauf zur Netzstabilität)

    • Lösen Sie das Problem der Marktaufteilung mit dem Iskay Quantum Optimierer von Kipu Quantum

    • Finden Sie die maximale unabhängige Menge mit dem Aqarios Constrained Quantum Optimizer

    • Lösen Sie das Problem der Marktaufteilung mit dem „Parity Twine Optimizer“ von ParityQC

    • Lösen Sie das Sherrington-Kirkpatrick-Modell mit dem „ ParityQC -Parity-Twine-Optimizer“

• Qiskit-Zusätze

  Addons ermöglichen fortgeschrittene Schaltkreismanipulationen, wie z. B. Schneiden, Backpropagating von Observablen oder Annäherung von Schaltkreisen, die es dem Benutzer ermöglichen, Hardwarebeschränkungen auf Kosten eines erhöhten klassischen Rechenaufwandes zu umgehen.

  • Multiprodukt-Formeln zur Verringerung des Trotter-Fehlers

  • Annähernde Quantenkompilierung für Zeitentwicklungsschaltungen

  • Operator-Backpropagation (OBP) zur Schätzung von Erwartungswerten

  • Drahtschneiden zur Schätzung von Erwartungswerten

  • Schneiden von Schaltkreisen für periodische Randbedingungen

  • Kreislaufschneiden zur Tiefenreduzierung

  • Auslesefehlerbegrenzung für das Sampler-Primitiv mit M3

• Fehlerbegrenzung

  Die Fehlerminderung bewältigt die Herausforderung des Rauschens ohne vollständige Fehlertoleranz, indem genaue Erwartungswerte durch kontrollierte Schaltkreismanipulation und Nachbearbeitung wiederhergestellt werden.

  • Fehlerminderung im Versorgungsbereich mit probabilistischer Fehlerverstärkung

  • Kombinieren Sie Optionen zur Fehlerbegrenzung mit dem Primitiv der Schätzung

  • Probabilistische Fehlerkompensation mit schattierten Lichtkegeln

  • Verbesserung der Erwartungswerte durch propagierte Lärmabsorption (PNA)

  • Echtzeit-Benchmarking für die Qubit-Auswahl

  • Backend-Eigenschaften mit Echtzeit-Benchmarking aktualisieren

  • Probabilistische Fehlerkompensation mit logischen Rauschmodellen

• Fehlererkennung

  Die Fehlererkennung identifiziert fehlerhafte Vorgänge und liefert durch Nachbearbeitung Schuss für Schuss rauschfreie Ergebnisse.

  • Wiederholungscodes

  • Fehlererkennung mit geringem Overhead mithilfe von Raum-Zeit-Codes