Présentation d' Qiskit Functions
Remarques
- Qiskit Functions Il s'agit d'une fonctionnalité expérimentale réservée aux utilisateurs des formules « IBM Quantum® Premium Plan », « Flex Plan » et « On-Prem » (via l'API IBM Quantum Platform ). Ces fonctionnalités sont actuellement en version préliminaire et sont susceptibles d'être modifiées.
Qiskit Functions simplifier et accélérer la découverte d'algorithmes et le développement d'applications à grande échelle, en abstraisant certaines parties du processus de développement de logiciels quantiques. Ainsi, Qiskit Functions permettent de gagner du temps qui serait normalement consacré à l'écriture manuelle de code et au réglage fin des expériences.
Les fonctions se présentent sous deux formes :
Type | À quoi ça sert? | Exemples d'entrées et de sorties | À qui s'adresse-t-il? |
|---|---|---|---|
| Fonction du circuit | Interface simplifiée pour l'exécution de circuits. Transpilation des résumés, suppression des erreurs et atténuation des erreurs | Entrée : Résumé PUB objets Résultat : Valeurs attendues atténuées | Des chercheurs utilisent Qiskit pour découvrir de nouveaux algorithmes et applications, sans avoir à se concentrer sur l'optimisation matérielle ni sur la gestion des erreurs. Les fonctions de circuit peuvent être utilisées pour créer des fonctions d'application personnalisées. |
| Fonction de l'application | Aborde des tâches plus avancées, telles que l'étude des algorithmes et des cas d'utilisation spécifiques à un domaine. Résumés : flux de travail quantique permettant de résoudre des tâches, avec des entrées et des sorties classiques | Entrée : Molécules, graphes Résultat : Énergie de l'état fondamental et de l'état excité, valeurs optimales de la fonction de coût | Des chercheurs travaillant dans des domaines non quantiques, qui intègrent la physique quantique dans des flux de travail classiques existants à grande échelle, sans avoir besoin de mapper des données classiques sur des circuits quantiques. |
Ces fonctionnalités sont fournies par IBM® et par des partenaires tiers. Chacune d'entre elles offre de bonnes performances pour des caractéristiques de charge de travail spécifiques et dispose d'options d'optimisation des performances qui lui sont propres.
Présentation des fonctions disponibles
Fonctions du circuit
Nom | Fournisseur | Utilisation recommandée | Avantages uniques |
|---|---|---|---|
| Atténuation des erreurs des réseaux de tenseurs Guide Référence API | Algorithmiq | Les charges de travail comportant des observables de faible poids et des circuits sans boucle. | Réduit la charge de mesure et la variance, en surpassant les méthodes de référence standard de réduction des erreurs telles que l'extrapolation sans bruit (ZNE) et l'annulation probabiliste des erreurs (PEC) pour les classes de circuits concernées. |
| QESEM : Suppression et atténuation des erreurs Guide Référence API | Qedma | Les charges de travail qui comprennent des circuits comportant des portes fractionnaires ou paramétrées, des observables à poids élevé, ainsi que les flux de travail nécessitant des valeurs d'espérance non biaisées et des estimations précises du temps d'exécution. | Il génère des valeurs d'espérance non biaisées, avec une variance et une surcharge en ressources réduites, et surpasse les méthodes ZNE et PEC pour certaines classes de circuits. |
Guide de gestion des performances - Référence API | Q-CTRL | Les charges de travail qui contiennent des circuits paramétriques ou complexes, ou qui nécessitent de nombreuses exécutions de circuits. | Applique automatiquement une suppression des erreurs basée sur l'IA aux algorithmes quantiques, optimisant ainsi les performances des dispositifs « IBM » afin de fournir des résultats précis tout en réduisant le nombre d'itérations, le temps de calcul et les coûts associés. Méthode sans surcoût qui améliore la précision d'exécution des primitives « Sampler » et « Estimator », compatible avec n'importe quel poids des observables. |
Fonctions d'application
Nom | Fournisseur | Utilisation recommandée | Avantages uniques |
|---|---|---|---|
| QUICK-PDE Guide Référence API | ColibriTD | Utilisez le calcul quantique pour les équations aux dérivées partielles (EDP) multiphysiques. Préparez des flux de travail de simulation adaptés au matériel quantique, tout en conservant un contrôle total sur les paramètres de modélisation tant quantiques que physiques. | Il propose un cadre VQA hybride robuste qui fournit des solutions précises et évolutives aux équations aux dérivées partielles (EDP) grâce à des méthodes avancées de codage des solutions et à des méthodes spectrales, ce qui en fait un point de départ idéal pour les équipes cherchant à développer des capacités de simulation prêtes pour le quantique. |
Guide de l'optimiseur de portefeuille Quantum – Référence API | Global Data Quantum | Tâches liées à l'optimisation financière, visant à déterminer les stratégies de portefeuille optimales au fil du temps tout en minimisant le risque et en maximisant les rendements, et permettant le back-testing des stratégies de trading. | Résout des problèmes d'optimisation combinatoire grâce à une adaptation hautement spécialisée de l'algorithme quantique VQE à ce cas d'utilisation financier, en recourant à des stratégies d'exécution et à des optimiseurs optimisés, ainsi qu'à des techniques d'atténuation des erreurs tenant compte du bruit et adaptées à l'optimisation de portefeuille. |
| Référence de l'API ChemistryGuide de HI-VQE | Qunova Computing | Tâches relevant de la chimie computationnelle, de la simulation moléculaire, de la science des matériaux ou de toute simulation hamiltonienne nécessitant la résolution de problèmes de structure électronique à N corps. | Cette méthode calcule les structures électroniques moléculaires à l'aide d'une méthode SQD améliorée offrant une précision chimique (1 kcal/mol, 1.6 mHa ) pour des problèmes modélisés avec 40 à 60 qubits, surpassant de plusieurs ordres de grandeur certaines solutions classiques sur supercalculateurs ou la méthode SQD standard, respectivement en termes de vitesse de convergence et de précision. |
| Optimiseur quantique Iskay Guide Référence API | Kipu Quantum | Les tâches d'optimisation telles que la planification, la logistique, le calcul d'itinéraires et les problèmes QUBO/HUBO. | Méthodes intégrées de pré- et post-traitement classiques adaptables pour la routine d'optimisation quantique. Offre un gain de performance par rapport aux solveurs classiques (CPLEX, refroidissement simulé et recherche tabou) sur certains benchmarks HUBO. « Market Split » ms_5_100, un défi de taille, résolu en quelques heures (voir ce tutoriel ). |
Guide d' Machine Learning de Singularity — Référence API | Informatique multiverselle | Les workflows classiques de classification en apprentissage automatique qui pourraient bénéficier d’une précision accrue ou d’une meilleure efficacité de calcul en tirant parti de l’optimisation quantique exécutée sur du matériel IBM. | Il offre une précision comparable, voire supérieure, à celle des modèles classiques tels que Random Forest ou XGBoost, tout en fonctionnant avec un nombre nettement inférieur d'algorithmes d'apprentissage et un ensemble plus compact. Grâce à un système de vote optimisé par la mécanique quantique, il sélectionne les apprenants les plus informatifs et affine les limites de décision, ce qui se traduit par une efficacité accrue, une complexité réduite du modèle et des performances plus robustes. |
| Solveur d'optimisation Guide Référence API | Q-CTRL | Les problèmes d'optimisation binaires ou tout problème combinatoire pouvant être représenté par une fonction de coût binaire. Les fonctions de coût de n'importe quel ordre et pour des problèmes dont la taille ne dépasse pas l'échelle maximale du dispositif sont prises en charge. | Solution d'optimisation quantique de bout en bout tenant compte du bruit, qui permet de saisir des définitions de problèmes de haut niveau et de trouver automatiquement des solutions précises à des problèmes combinatoires classiquement complexes, sur du matériel quantique à l'échelle industrielle. Il simplifie la complexité en prenant en charge la suppression des erreurs, la mise en correspondance efficace et l'optimisation hybride quantique-classique afin de résoudre des problèmes d'optimisation à l'échelle complète du dispositif, sans nécessiter d'expertise approfondie en physique quantique. |
Cette page a-t-elle été utile ?
Signaler un bogue, une coquille ou proposer du contenu sur GitHub.