直接実行モデル（ベータ）

SamplerとEstimatorのプリミティブインターフェースは、アルゴリズム開発者がデータ変換を減らし、技術革新に集中できるよう、より高度な抽象化を提供する。 しかし、量子情報科学者が実用規模の実験を行うには、より高い制御性と柔軟性が要求される。 現在ベータリリース中のディレクテッド・エグゼキューション・モデルは、このニーズに応えるものだ。 この実行モデルは、クライアント側で設計意図を把握するための材料を提供し、コストのかかる回路バリアントの生成をサーバー側にシフトすることで、パフォーマンスを犠牲にすることなく、エラー緩和やその他のテクニックを微調整することができます。 この明示的で構成可能なモデルによって、新しいテクニックの実験、結果の再現、メソッドの共有が容易になる。

ベータ版リリースでは、ディレクテッド・エグゼキューション・モデルは、パウリ・ツワーリング、ノイズモデルの学習とインジェクション、基底の変更など、既存のサンプラーとエスティメーターに組み込まれているテクニックをコントロールできるようにすることに重点を置いている。 その他の機能のサポートは、時間をかけて徐々に追加される予定だ。

---

ワークフロー

有向実行モデルの主な目標のひとつは、エラー緩和手法を適用するためのモジュール方式を提供することである。 例えば、回路内のどのレイヤーをミティゲートするかを定義したり、回路に注入されるノイズレートを調整したりすることができる。

フレームワークのもとで回路にエラー緩和を適用するには、通常、以下のようなワークフローを踏むことになる（ここで言及したツールについては、 次のセクションで詳しく説明する）：

1. 指示をボックスにまとめ、注釈をつける。 注釈は、実際に回路バリアントを生成することなく、意図した変換をキャプチャする。

   必要に応じて ：新しい NoiseLearnerV3 を使用して、各レイヤーのノイズモデルを確認してください。

2. 箱入りの回路からテンプレート回路とsamplexを作る。

3. Executor プリミティブを使用してテンプレート回路とsamplexを実行すると、指示通りに回路のバリエーションが生成・実行されます。

4. ポストプロセスの実行結果。 例えば、事後選択を行うことや、実行結果から緩和された期待値を推定することができます。

---

指向型実行モデルのためのツール

以下のツールを併用することで、有向実行モデルにエラー緩和技術を実装することができる。

サンプルマティック

Samplomaticは、カスタマイズされたサンプリング無作為化をサポートする新しいオープンソースライブラリである。 安定したノイズ・コンテキストを持つものとして扱われるべき回路操作のコレクションを推論するためにボックス構造を使用し、ボックス上のアノテーションを使用して、インテントを宣言および設定できるようにする。 例えば、下図のように、回路をボックスに階層化し、各ボックスにトワリング注釈を追加し、どのトワリンググループを使用するかを指定することができる：

注釈付きのボックスを含む回路を使用することで、 テンプレート回路とサンプレックスを生成することができます。 出力テンプレート回路は、パラメータ化された回路であり、（異なるパラメータ値が割り当てられることを除けば）それ以上の変更を加えることなく実行されます。 Samplomaticライブラリの中核となる型であるsamplexは、テンプレート回路のパラメータやその他の配列型フィールドに対するパラメトリック確率分布を表します。 これらのフィールドは、バインドされたテンプレート回路の実行によって収集されたデータの後処理に使用できます。 つまり、テンプレート回路とサンプレックスが連携して、Executorプリミティブに対し、どのパラメータを生成し、どのバウンド回路を実行すべきかを指示する。 これら2つの構造体はクライアント側で生成されるため、ハードウェアで実行する前に、ローカルで検査やサンプリングを行って出力を確認することができます。

注釈付きボックスの生成プロセスを簡素化するため、Samplomatic ライブラリには、指定したストラテジに基づいて回路命令を注釈付きボックスに自動的にグループ化するトランスパイラ・パスが用意されています。

Samplomaticの詳細については、 ガイドおよび APIリファレンス・ ドキュメントをご覧ください。 フィードバックやバグ報告は GitHub レポジトリをご覧ください。

実行者プリミティブ

Executorは、 IBM Quantum の新しいプリミティブであり、(テンプレート回路、samplex)のペアを入力として受け取り、samplexに従ってパラメータ値を生成・バインドし、バインドされた回路をハードウェア上で実行し、実行結果とメタデータを返します。 これは入力ペアの指示に従い、ユーザーに代わって暗黙的な判断を行うことは一切ないため、プロセスは透明性を保ちつつ高いパフォーマンスを発揮します。

NoiseLearnerV3

現在のものと同様に NoiseLearner、このヘルパー qiskit-ibm-runtime プログラムは、 PEC、 PEA、 PNA など、多くの誤差低減手法で使用されている疎なパウリ・リンドブラッドノイズモデルを返します。 元のプログラムでは NoiseLearner、回路のリストを引数として渡すと、プログラムがそれらの回路を層ごとに分類し、各層ごとに固有のノイズモデルを返します。 NoiseLearnerV3, その一方で、回路の階層化方法を自由に制御でき、プログラムは単に、ボックス化された回路の指示（例えば、固有のレイヤーなど）のリストを入力として受け取るだけです。

NoiseLearnerV3 また、測定ノイズの学習にも対応しています。 入力リストに含まれる各命令セットについて、そのセットに1量子ビットゲートおよび2量子ビットゲートが含まれている場合はパウリ・リンドブラッド学習プロトコルを、測定が含まれている場合はTREX プロトコルを実行する。

NoiseLearnerV3 と共にリリースされました qiskit-ibm-runtimev0.47.0。 詳細については、「 Noise 学習ヘルパー 」ガイドを参照し、その API リファレンスドキュメントも併せてご確認ください。

---

次のステップ