Aqarios 제약 조건 기반 양자 최적화기 API 참조

유형: str

해결해야 할 이산화 최적화 문제. 다음과 같은 세 가지 형식이 지원됩니다:

• LP (*.lp): 문자열로 내보낸 표준 LP 파일 형식. 예를 들어, DOcplex의 export_as_lp_string()
• MPS (*.mps): 표준 MPS 파일 형식을 문자열로 내보낸 것으로, 예를 들어 DOcplex의 export_as_mps_string()
• Luna 모델 : Base64-encoded 다음을 통해 얻은 Aqarios Luna 모델 객체의 직렬화 결과 model.encode_b64()

모델은 이항 최적화 문제를 최대화 또는 최소화 형태로 표현해야 합니다. 제약 조건은 이항 변수에 대한 부등식이나 등식이 될 수 있다. 정수 변수는 상한과 하한이 명확하게 지정된 경우에만 지원됩니다. 연속(실수형) 변수는 지원되지 않으며, 이러한 변수가 포함된 모델은 오류 코드와 함께 오류가 발생합니다 4710. 목표와 제약 조건은 고차일 수 있으며, 반드시 선형일 필요는 없습니다.

• 필수: Yes
• LP 예시:

\Problem name: MIS
Minimize
  obj: ...
Subject To
  c1: ...
  ...
Binaries
  x_0 x_1
End

유형: str or None

기본값: None

실행할 IBM Quantum 백엔드의 이름(예: "ibm_phoenix"). 이 설정으로 지정하면 None, 이 기능은 사용 가능한 장치 중 부하가 가장 적은 장치를 자동으로 선택합니다.

• 필수: 아니오
• 예:"ibm_phoenix"

유형: dict or None

기본값: None

반복적 웜 스타트 방식의 QAOA 동작을 제어하는 알고리즘 구성 옵션. 옵션은 딕셔너리 형태로 지정됩니다. 사용 가능한 모든 키와 해당 기본값은 아래 옵션 목록 을 참조하십시오.

• 필수: 아니오
• 예:{"reps": 2, "num_parallel": 10, "postprocessing_level": 1}

유형: int

기본값: 1

QAOA 레이어 반복 횟수(회로 깊이 매개변수 $p$ ). 값이 높을수록 회로 깊이가 깊어지고 실행 시간이 길어지는 대가로 해의 품질이 향상되지만, 이로 인해 노이즈가 더 많이 발생할 수 있습니다.

• 선택 사항: 지정된 범위 내의 정수 [1, 10]

유형: int

기본값: 5

병렬로 실행되는 독립적인 웜 스타트 체인의 수. 이 값을 높이면 고품질 해법을 찾을 확률은 높아지지만, 소모되는 총 샷 예산은 증가합니다.

• 선택 사항: 지정된 범위 내의 정수 [1, 100]

유형: int

기본값: 500

체인당 반복 횟수당 측정 샷 수.

• 선택 사항: 지정된 범위 내의 정수 [1, 10000]

유형: int

기본값: 5000

단일 웜 스타트 체인에 대한 모든 반복 단계의 총 샷 예산. 이 예산이 소진되면 해당 체인에 대한 반복 루프가 종료됩니다.

• 선택 사항: 지정된 범위 내의 정수 [1, 1000000]

유형: float

기본값: 0.1

웜 스타트 확률에 대한 정규화 매개변수. 확률 분포가 결정론적 상태로 수렴하는 것을 방지하여, 반복 과정 전반에 걸쳐 탐색을 유지합니다.

• 선택 사항: 범위 내 부유 (0.01, 1)

유형: float

기본값: 10

측정 샘플로부터 새로운 웜 스타트 상태를 도출하는 데 사용되는 볼츠만 가중치의 역온도. 값이 클수록 확률 질량이 더 낮은 에너지의 표본에 집중됩니다.

• 선택지: 부유, 만족 beta > 0

유형: float

기본값: 1.0

비용 함수에 적용되는 근사 수준과 트랜스파일링 과정에서 적용되는 근사 수준을 제어합니다. 값이 낮을수록 근사값을 도입함으로써 회로 깊이가 줄어들지만, 이는 해의 품질에 영향을 미칠 수 있습니다.

• 선택 사항: 범위 내 부유 [0.0, 1.0]

유형: int

기본값: 3

해의 품질을 높이기 위해 각 샘플링 단계 후에 적용되는 고전적인 사후 처리 기법의 장점. 레벨이 높을수록 추가적인 기존 연산 시간을 소모하는 대신, 보다 적극적인 지역 검색이 적용됩니다.

• 선택 사항: 지정된 범위 내의 정수 [0, 3]
  • 0: 후처리를 비활성화합니다.
  • 1: 단일 통과 국소 탐색. 모든 비트를 무작위 순서로 한 번씩 뒤집어 보고, 에너지를 줄이는 뒤집기만 유지하도록 하세요.
  • 2: 3회 반복 국소 탐색. 레벨을 서로 다른 무작위 순서로 세 1 번 적용하세요.
  • 3: 탐욕적 국소 탐색. 에너지 소비를 가장 크게 줄여주는 비트 플립 연산을, 더 이상 개선의 여지가 없을 때까지 반복해서 적용합니다.

유형: float or None

기본값: None

제약 조건을 목적 함수에 추가되는 페널티 항으로 변환할 때 사용되는 페널티 값을 수동으로 재정의합니다. 기본적으로 페널티는 문제 구조에서 자동으로 산출됩니다. 자동으로 산출된 값이 실현 불가능한 결과를 초래하는 경우에만 이 옵션을 사용하십시오.

• 선택 사항: 를 충족하는 값을 입력하거나 penalty_override > 0, 자동 값을 사용하려면 None

유형: bool

기본값: False

작업 실행 시 ‘ IBM Quantum Compute ’ 서비스 세션 모드를 사용할지 여부. 세션을 활성화하면 반복 계산 전반에 걸쳐 QPU와의 전용 연결을 유지함으로써 회로 실행 오버헤드를 줄여주며, 이를 통해 전체 실제 실행 시간을 단축할 수 있습니다.

• 선택 사항: True / False

유형: int or None

기본값: None

선택된 백엔드에 회로를 매핑하는 트랜스파일러로 전달된 시드. 실행 간에 회로 합성 및 배선 결과가 재현될 수 있도록 고정된 값을 설정하십시오. 로 설정하면 None, 트랜스파일러는 비결정론적인 방식으로 시드를 생성하므로, 동일한 문제를 반복해서 실행할 경우 서로 다른 회로 레이아웃이 생성될 수 있습니다.

• 선택 사항: 임의의 정수, 또는 비결정적 시드인 None 경우

유형: list[str]

기본값: []

함수가 QPU로 제출하는 모든 양자 컴퓨팅 작업에 추가 태그가 첨부됩니다. 이 함수는 항상 작업에 함수 작업 ID와 문제 이름을 태그로 지정하며 "aqarios/constrained-quantum-optimizer", 여기에 지정된 항목들은 해당 목록에 추가됩니다. 이 기능을 사용하여 워크로드 목록에 있는 기본 작업들을 그룹화하거나 필터링할 수 있습니다.

• 선택 사항: 문자열 목록
• 예:["my-experiment", "mis-benchmark"]

유형: dict[str, Any]

해법 할당, 목적 함수 값, 타당성 상태 및 실행 시간 메타데이터가 포함된 결과 사전.

예:

{
    'solutions': [{'x_1': 0, 'x_2': 1, 'x_3': 0, 'x_4': 1, 'x_5': 1}],
    'solution_bitstrings': ['01011'],
    'raw_energy': -6.0,
    'objective_value': -6.0,
    'feasible': True,
    'metadata': {
        'resource_usage': {
            'RUNNING: MAPPING': {'CPU': 5.405},
            'RUNNING: OPTIMIZING_FOR_HARDWARE': {'CPU': 9.902},
            'RUNNING: WAITING_FOR_QPU': {'CPU': 25.456},
            'RUNNING: EXECUTING_QPU': {'QPU': 25.202},
            'RUNNING: POST_PROCESSING': {'CPU': 6.481}
        },
        'circuit_metrics': {
            'before_transpilation': {
                'num_qubits': 6,
                'gate_count': 42,
                'depth': 15,
                'two_qubit_gate_count': 12,
                'two_qubit_gate_depth': 7,
                'operations': {'rz': 12, 'p': 8, 'ry': 7, 'rzz': 4, 'cx': 3,
                               'xx_plus_yy': 3, 'global_phase': 2, 'cry': 2, 'x': 1}
            },
            'after_transpilation': {
                'num_qubits': 6,
                'gate_count': 254,
                'depth': 100,
                'two_qubit_gate_count': 48,
                'two_qubit_gate_depth': 33,
                'operations': {'rz': 78, 'sx': 122, 'cz': 48, 'measure': 6, 'x': 0}
            }
        },
        'solver_info': {
            'variable_mapping': {'x_1': 0, 'x_2': 1, 'x_3': 2, 'x_4': 3, 'x_5': 4}
        }
    }
}