Técnicas avanzadas: complementos de Qiskit
Los complementos de Qiskit son un conjunto de capacidades de investigación que permiten el descubrimiento de algoritmos a escala industrial. Estos componentes de software modulares se basan en la sólida base de Qiskit y pueden integrarse en un flujo de trabajo para ampliar o diseñar nuevos algoritmos cuánticos. En esta página se presentan las herramientas disponibles en las principales categorías funcionales para ayudarte a elegir las funciones más adecuadas a la hora de crear tus flujos de trabajo.
Problemas con los dominios de Map
Estas capacidades se centran en traducir problemas del dominio en operadores y circuitos cuánticos para su ejecución en un ordenador cuántico.
Formular problemas de optimización de modelos y traducirlos a representaciones que pueda comprender un ordenador cuántico.
Examinar documentación
Trabaja con sistemas fermiónicos utilizando estructuras de datos para operadores y circuitos fermiónicos, así como marcos de trabajo para la codificación de fermiones a qubits y la síntesis de circuitos mediante la integración del transpilador de Qiskit.
Examinar documentación
Construir circuitos de alta fidelidad con una profundidad reducida mediante la compilación cuántica aproximada con redes tensoriales.
Examinar documentación
Reducir el error de Trotter de la dinámica hamiltoniana mediante una combinación ponderada de varias ejecuciones del circuito.
Examinar documentación
Optimizar circuitos para su ejecución en hardware
Estas capacidades resultan útiles para reducir la profundidad del circuito y suelen conllevar un mayor gasto de recursos de muestreo.
Reducir la profundidad del circuito en las estimaciones del valor esperado mediante la retropropagación de las observables a través del circuito.
Examinar documentación
Reducir la profundidad de los circuitos transpilados descomponiendo las puertas de entrelazamiento entre qubits no adyacentes.
Examinar documentación
Aprende sobre los modelos de ruido
Utiliza las siguientes herramientas para aprender y perfeccionar los modelos de ruido como parte de tu estrategia de mitigación de errores
Crear experimentos de caracterización del ruido cuántico basados en la aleatorización y flujos de trabajo de análisis de ajuste de modelos
Examinar documentación
Reducir la sobrecarga de muestreo de la cancelación de errores probabilísticos (PEC) eliminando los términos del modelo de ruido que tienen un impacto reducido en la estimación de las variables observables.
Examinar documentación
Gestionar el ruido para la estimación del valor esperado
Utiliza los siguientes complementos para gestionar el ruido al crear cargas de trabajo cuánticas que calculan los valores esperados de las observables.
Mitigar los valores esperados midiendo una magnitud observable objetivo que haya incorporado información del modelo de ruido.
Examinar documentación
Crea flujos de trabajo personalizados para la mitigación de errores con técnicas como PEC, ZNE y TREX directamente con Samplomatic.
Examinar documentación
Gestionar el ruido en los resultados del muestreo
Estas técnicas resultan útiles para controlar el ruido en los resultados de muestreo.
Calcular el espectro de los hamiltonianos cuánticos mediante el procesamiento de muestras con ruido y la diagonalización en un subespacio reducido.
Examinar documentación
Una implementación del complemento SQD preparada para HPC, escrita según los estándares modernos de C++17 y diseñada para facilitar flujos de trabajo y aplicaciones de HPC.
Examinar documentación
Filtrar el ruido no markoviano en cadenas de bits muestreadas mediante la incorporación de comprobaciones de inversión de bits en un circuito.
Leer la documentación
Mitigar los errores de medición mediante el procesamiento en un subespacio reducido definido por cadenas de bits con ruido.
Examinar documentación
Aumenta la fidelidad de las distribuciones muestreadas mediante comprobaciones de Pauli eficientes desde el punto de vista del hardware, basadas en códigos espaciotemporales.
Examinar documentación
Capacidades de apoyo
Utiliza estas funciones para complementar y crear tus flujos de trabajo que aprovechan otros complementos.
Crea flujos de trabajo basados en complementos más rápidamente utilizando esta colección de funciones para crear hamiltonianos, generar circuitos de evolución temporal de Trotter y aplicar las últimas capacidades de mitigación de errores.
Examinar documentación
Un marco para aproximar la evolución de los operadores, que puede utilizarse para simular valores esperados e implementar técnicas de mitigación de errores, como la absorción de ruido propagado (PNA) y los conos de luz sombreados.
Examinar documentación