Introducción a Qiskit Functions
Notas
- Las funciones Qiskit son una función experimental disponible únicamente para los usuarios de los planes IBM Quantum® Premium Plan, Flex Plan y On-Prem (a través de IBM Quantum Platform API). Se trata de versiones preliminares sujetas a cambios.
Las funciones de Qiskit simplifican y aceleran el descubrimiento de algoritmos y el desarrollo de aplicaciones a gran escala, al eliminar partes del flujo de trabajo de desarrollo de software cuántico. De este modo, las Funciones Qiskit liberan tiempo que normalmente se dedica a escribir código a mano y a afinar los experimentos.
Las funciones vienen en dos formas:
Tipo | ¿Qué hace? | Ejemplos de entradas y salidas | ¿A quién va dirigido? |
|---|---|---|---|
| Función del circuito | Interfaz simplificada para ejecutar circuitos. Transpilación de resúmenes, supresión de errores y mitigación de errores | Entrada: Objetos abstractos PUB Salida: Valores de expectativa mitigados | Investigadores que utilizan Qiskit para descubrir nuevos algoritmos y aplicaciones, sin necesidad de centrarse en la optimización para el hardware o la gestión de errores. Las funciones de circuito pueden utilizarse para crear funciones de aplicación personalizadas. |
| Función de la aplicación | Abarca tareas de mayor nivel, como la exploración de algoritmos y casos de uso específicos del dominio. Resume el flujo de trabajo cuántico para resolver tareas, con entradas y salidas clásicas | Input: Moléculas, gráficos Output: Energía de estado excitado + estado básico, valores óptimos para la función de coste | Investigadores en ámbitos no cuánticos, integrando la cuántica en los actuales flujos de trabajo clásicos a gran escala, sin necesidad de mapear los datos clásicos en circuitos cuánticos. |
Las funciones son proporcionadas por IBM® y socios externos. Cada uno de ellos ofrece un rendimiento adecuado para características específicas de carga de trabajo y cuenta con opciones únicas de ajuste del rendimiento.
Resumen de las funciones disponibles
Funciones del circuito
Nombre | Proveedor | Uso recomendado | Ventajas únicas |
|---|---|---|---|
| Gu ía de mitigación de errores en redes tensoriales: Referencia de la API | Algoritmo | Cargas de trabajo que tienen observables de bajo peso y circuitos sin bucles. | Reduce la sobrecarga y la varianza de las mediciones, superando las bases de referencia estándar para la mitigación de errores, como la extrapolación sin ruido (ZNE) y la cancelación probabilística de errores (PEC) para las clases de circuitos pertinentes. |
| QESEM: Supresión y mitig ación de errores. Guía. Referencia de la API | Qedma | Cargas de trabajo que incluyen circuitos con puertas fraccionarias o parametrizadas, observables de alto peso y flujos de trabajo que requieren valores esperados imparciales y estimaciones precisas del tiempo de ejecución. | Produce valores esperados imparciales con menor varianza y menor consumo de recursos, superando a ZNE y PEC para clases de circuitos relevantes. |
| Gu ía de gestión del rendimiento - Referencia de la API | Q-CTRL | Cargas de trabajo que contienen circuitos paramétricos, circuitos profundos o que requieren muchas ejecuciones de circuitos. | Aplica automáticamente la supresión de errores basada en IA a los algoritmos cuánticos, maximizando el rendimiento de los dispositivos IBM para ofrecer resultados precisos y reducir al mismo tiempo el número de disparos, el tiempo de cálculo y el coste requerido. Método sin sobrecarga que mejora la precisión de ejecución de las primitivas Sampler y Estimator, compatible con cualquier peso de observables. |
Funciones de aplicación
Nombre | Proveedor | Uso recomendado | Ventajas únicas |
|---|---|---|---|
| QU ICK -PDEGuide : Referencia de la API | ColibriTD | Utiliza la computación cuántica para ecuaciones diferenciales parciales multifísicas. Prepara flujos de trabajo de simulación para hardware cuántico, manteniendo un control total sobre los parámetros de modelado cuántico y físico. | Ofrece un sólido marco híbrido de VQA que proporciona soluciones PDE precisas y escalables mediante métodos espectrales y de codificación de soluciones avanzados, lo que lo convierte en un punto de partida ideal para los equipos que desean desarrollar capacidades de simulación preparadas para la computación cuántica. |
Gu ía del Optimizador de carteras Quantum: Referencia de la API | Datos globales Quantum | Cargas de trabajo para la optimización financiera, buscando estrategias de cartera óptimas a lo largo del tiempo, minimizando el riesgo y maximizando los rendimientos, lo que permite realizar pruebas retrospectivas de estrategias de negociación. | Resuelve problemas de optimización combinatoria mediante una adaptación altamente especializada del algoritmo cuántico VQE para este caso de uso financiero, utilizando estrategias de ejecución optimizadas y optimizadores, junto con técnicas de mitigación de errores sensibles al ruido adaptadas a la optimización de carteras. |
| Referencia de la API de ChemistryGuide de HI-VQE | Computación Qunova | Cargas de trabajo en química computacional, simulación molecular, ciencia de materiales o cualquier simulación hamiltoniana que requiera resolver problemas de estructura electrónica de muchos cuerpos. | Resuelve estructuras electrónicas moleculares utilizando SQD mejorado con precisión química (1 kcal/mol, 1.6 mHa ) para problemas modelados con 40 a 60 qubits, superando a algunas soluciones clásicas en supercomputadoras o SQD estándar en velocidad de convergencia o precisión, respectivamente, en órdenes de magnitud. |
| Referencia de la API de Iskay Quantum OptimizerGuide | Kipu Quantum | Optimización de cargas de trabajo, como programación, logística, rutas y problemas QUBO/HUBO. | Métodos clásicos integrados y ajustables de preprocesamiento y posprocesamiento para la rutina de optimización cuántica. Ofrece ventajas de tiempo de ejecución frente a los solucionadores clásicos (CPLEX, recocido simulado y búsqueda tabú) en determinados benchmarks HUBO. Market Split ms_5_100, un reto difícil, resuelto en cuestión de horas (véase este tutorial ). |
| Singularity : Guía de Machine Learning . Referencia de la API | Computación multiverso | Flujos de trabajo clásicos de clasificación de aprendizaje automático que podrían beneficiarse de una mayor precisión o eficiencia computacional al aprovechar la optimización cuántica ejecutada en un hardwar IBM. | Ofrece una precisión comparable o superior a la de modelos clásicos como Random Forest o XGBoost, al tiempo que funciona con un número significativamente menor de alumnos y un conjunto más compacto. Gracias a la votación optimizada cuánticamente, selecciona a los alumnos más informativos y refina los límites de decisión, lo que se traduce en una mayor eficiencia, una menor complejidad del modelo y un rendimiento más sólido. |
| Gu ía del solucionador de optimización: Referencia de la API | Q-CTRL | Problemas de optimización binaria o cualquier problema combinatorio que pueda asignarse a una función de coste binaria. Se admiten funciones de coste de cualquier orden y tamaños de problema hasta la escala máxima del dispositivo. | Solución de optimización cuántica integral y sensible al ruido que permite introducir definiciones de problemas de alto nivel y encuentra automáticamente soluciones precisas a problemas combinatorios clásicamente difíciles en hardware cuántico a escala industrial. Elimina la complejidad al gestionar la supresión de errores, el mapeo eficiente y la optimización híbrida cuántica-clásica para resolver tareas de optimización a escala completa del dispositivo sin necesidad de tener profundos conocimientos cuánticos. |
¿Le ha resultado útil esta página?
Informe de un error, de una errata o solicite contenido en GitHub.