Skip to main content
IBM Quantum Platform

Références d'API des modules complémentaires Qiskit

Consultez la documentation de référence des API d’extensions Qiskit pour découvrir comment utiliser leurs noeuds finaux, leurs paramètres et leurs opérations.

All Qiskit addons

Une collection de fonctionnalités de recherche modulaires permettant la découverte de nouveaux algorithmes quantiques.

En savoir plus

  • Une collection d'outils destinée à compléter les flux de travail utilisant un ou plusieurs modules complémentaires Qiskit.

    View API

  • Permet de construire des circuits haute fidélité avec une profondeur réduite.

    View API

  • Réduit la profondeur des circuits transpilés en décomposant les portes d'intrication entre des qubits non adjacents.

    View API

  • Réduit l'erreur de Trotter dans la dynamique hamiltonienne grâce à une combinaison pondérée de plusieurs exécutions de circuits.

    View API

  • Réduit la profondeur du circuit en supprimant des opérations à partir de la fin.

    View API

  • Permet d'obtenir des estimations plus précises des valeurs propres du Hamiltonien d'un système quantique.

    View API

  • Améliorer la fidélité des distributions échantillonnées grâce à des contrôles de Pauli économes en ressources matérielles, fondés sur des codes espace-temps.

    View API

  • Atténuez les valeurs de prévisions en mesurant un observable cible ayant intégré les informations du modèle de bruit.

    View API

  • Un cadre permettant d'approximer l'évolution des opérateurs, qui peut être utilisé pour simuler des valeurs d'espérance et mettre en œuvre des techniques d'atténuation des erreurs, telles que l'absorption du bruit propagé (PNA) et les cônes de lumière ombrés.

    View API

  • Élargit le SDK Qiskit Python avec des outils permettant de travailler sur des systèmes fermioniques

    View API

  • Élargit le SDK C de Qiskit avec des outils permettant de travailler sur des systèmes fermioniques

    View API

  • Réduire la surcharge d'échantillonnage liée à la compensation d'erreur probabiliste (PEC) en supprimant les termes du modèle de bruit qui ont un faible impact sur l'estimation des observables.

    View API

  • Mettre au point des expériences de caractérisation du bruit quantique basées sur la randomisation, ainsi que des chaînes d'analyse pour l'ajustement de modèles.

    View API

  • Créez des pipelines personnalisés de gestion des erreurs à l'aide de techniques telles que PEC, ZNE et TREX, directement avec Samplomatic.

    View API