NoiseLearner

class NoiseLearner(mode=None, options=None)

Basi: object

Classe per l'esecuzione di esperimenti di apprendimento del rumore.

La classe noise learner consente di caratterizzare i processi di rumore che interessano le porte di uno o più circuiti di interesse, sulla base del modello di rumore di Pauli-Lindblad descritto al punto [1].

Il metodo run() consente di eseguire un lavoro di apprendimento del rumore per un elenco di circuiti. Dopo l'invio del lavoro, le porte vengono raccolte in strati indipendenti e successivamente gli strati risultanti vengono caratterizzati individualmente.

Il modo in cui le porte vengono raccolte in strati dipende dal twirling strategy specificato nel dato options (vedere NoiseLearnerOptions per maggiori dettagli). Si noti che tutte le strategie rispettano le barriere. Ad esempio, se si dispone di tre strati di entangling ISA di interesse, si può pensare di inserirli in un circuito separato da barriere che agiscono sui qubit che si desidera far ruotare, e selezionare strategy="active-circuit".

Il seguente snippet mostra un esempio in cui il noise learner viene utilizzato per caratterizzare i livelli di due circuiti GHZ.

from qiskit.circuit import QuantumCircuit
from qiskit.transpiler.preset_passmanagers import generate_preset_pass_manager
from qiskit_ibm_runtime import QiskitRuntimeService
from qiskit_ibm_runtime.noise_learner import NoiseLearner
from qiskit_ibm_runtime.options import NoiseLearnerOptions

service = QiskitRuntimeService()
backend = service.least_busy(operational=True, simulator=False)

# a circuit returning a two-qubit GHZ state
ghz = QuantumCircuit(2)
ghz.h(0)
ghz.cx(0, 1)

# another circuit returning a two-qubit GHZ state
another_ghz = QuantumCircuit(3)
another_ghz.h(0)
another_ghz.cx(0, 1)
another_ghz.cx(1, 2)
another_ghz.cx(0, 1)

pm = generate_preset_pass_manager(backend=backend, optimization_level=1)
circuits = pm.run([ghz, another_ghz])

# set the options
options = NoiseLearnerOptions()
options.layer_pair_depths = [0, 1, 10]

# run the noise learner job
learner = NoiseLearner(backend, options)
job = learner.run(circuits)

Parametri

• mode (BackendV2 | Session |Batch | None) –

  La modalità di esecuzione utilizzata per la query primitiva. Può essere:

  • A Backend se si utilizza la modalità lavoro.
  • A Session se si utilizza la modalità di esecuzione della sessione.
  • A Batch se si utilizza la modalità di esecuzione batch.

  Per ulteriori informazioni sulle modalità di esecuzione, consultare la documentazione Qiskit Runtime.

• options (dict | NoiseLearnerOptions |EstimatorOptions | None) – NoiseLearnerOptions. In alternativa, EstimatorOptions può essere fornito per comodità, nel qual caso le opzioni dello stimatore vengono riformattate in opzioni di apprendimento del rumore e tutti i campi irrilevanti vengono ignorati.

Riferimenti

1. E. van den Berg, Z. Minev, A. Kandala, K. Temme, Probabilistic error cancellation with sparse Pauli-Lindblad models on noisy quantum processors, Nature Physics volume 19, pagine 1116-1121 (2023). arXiv:2201.09866 [quant-ph]

Attributi

options

Metodi

backend

run