회로 라이브러리

• 패키지 버전

  이 페이지의 코드는 다음 요구 사항을 사용하여 개발되었습니다. 다음 버전 이상을 사용하는 것이 좋습니다.

  qiskit[all]~=2.5.2
  

키스킷 SDK에는 자체 프로그램에서 빌딩 블록으로 사용할 수 있는 인기 있는 회로 라이브러리가 포함되어 있습니다. 사전 정의된 회로를 사용하면 조사, 코드 작성, 디버깅에 소요되는 시간을 절약할 수 있습니다. 이 라이브러리에는 양자 컴퓨팅에서 널리 사용되는 회로, 고전적으로 시뮬레이션하기 어려운 회로, 양자 하드웨어 벤치마킹에 유용한 회로가 포함되어 있습니다.

이 페이지에는 라이브러리에서 제공하는 다양한 회로 카테고리가 나열되어 있습니다. 전체 회로 목록은 회로 라이브러리 API 문서를 참조하세요.

표준 게이트

회로 라이브러리에는 표준 양자 게이트도 포함되어 있습니다. 일부는 보다 기본적인 게이트(예: UGate)이며, 다른 일부는 일반적으로 단일 및 2큐비트 게이트로부터 구축해야 하는 멀티큐비트 게이트입니다. 가져온 게이트를 회로에 추가하려면 append 메서드를 사용하세요. 첫 번째 인수는 게이트이고, 다음 인수는 게이트를 적용할 큐비트 목록입니다.

예를 들어, 다음 코드 셀은 하다마드 게이트와 다중 제어 X 게이트로 회로를 생성합니다.

from qiskit import QuantumCircuit
from qiskit.circuit.library import HGate, MCXGate

mcx_gate = MCXGate(3)
hadamard_gate = HGate()

qc = QuantumCircuit(4)
qc.append(hadamard_gate, [0])
qc.append(mcx_gate, [0, 1, 2, 3])
qc.draw("mpl")

Output:

회로 라이브러리 API 문서에서 표준 게이트를 참조하세요.

N-로컬 회로

이 회로는 단일 큐비트 회전 게이트 레이어와 다중 큐비트 얽힘 게이트 레이어를 번갈아 사용합니다.

이 회로 제품군은 다양한 양자 상태를 생성할 수 있기 때문에 가변 양자 알고리즘에서 널리 사용됩니다. 가변 알고리즘은 게이트 파라미터를 조정하여 특정 속성(예: 최적화 문제에 대한 좋은 솔루션을 나타내는 상태)을 가진 상태를 찾습니다. 이를 위해 라이브러리의 많은 회로가 파라미터화되어 있어 고정된 값 없이도 정의할 수 있습니다.

다음 코드 셀은 인탱글링 게이트가 2큐비트 게이트인 n_local 회로를 가져옵니다. 이 회로는 파라미터화된 단일 큐비트 게이트 블록을 인터리브한 다음, 2큐비트 게이트 블록을 얽어매는 방식입니다. 다음 코드는 단일 큐비트 RX 게이트와 2큐비트 CZ 게이트로 구성된 3큐비트 회로를 생성합니다.

from qiskit.circuit.library import n_local

two_local = n_local(3, "rx", "cz")
two_local.draw("mpl")

Output:

parameters 속성에서 회로 매개변수의 목록형 객체를 가져올 수 있습니다.

two_local.parameters

Output:

ParameterView([ParameterVectorElement(θ[0]), ParameterVectorElement(θ[1]), ParameterVectorElement(θ[2]), ParameterVectorElement(θ[3]), ParameterVectorElement(θ[4]), ParameterVectorElement(θ[5]), ParameterVectorElement(θ[6]), ParameterVectorElement(θ[7]), ParameterVectorElement(θ[8]), ParameterVectorElement(θ[9]), ParameterVectorElement(θ[10]), ParameterVectorElement(θ[11])])

{ Parameter: number } 형식의 사전을 사용하여 이러한 매개변수를 실제 값에 할당하는 데 사용할 수도 있습니다. 이를 보여주기 위해 다음 코드 셀은 회로의 각 파라미터를 0 에 할당합니다.

bound_circuit = two_local.assign_parameters(
    {p: 0 for p in two_local.parameters}
)
bound_circuit.decompose().draw("mpl")

Output:

자세한 내용은 회로 라이브러리 API 설명서에서 N-로컬 게이트를 참조하거나 IBM 양자 학습에서 변형 알고리즘 설계 과정을 수강하세요.

데이터 인코딩 회로

이러한 파라미터화된 회로는 양자 머신러닝 알고리즘이 처리할 수 있도록 데이터를 양자 상태로 인코딩합니다. 키스킷에서 지원하는 일부 회로는 다음과 같습니다:

• 진폭 인코딩은 각 숫자를 기저 상태의 진폭으로 인코딩합니다. 이렇게 하면 $2^n$ 번호를 단일 상태로 저장할 수 있지만 구현하는 데 비용이 많이 들 수 있습니다.
• 기저 인코딩은 해당 기저 상태 $|k\rangle$ 를 준비하여 정수 $k$ 를 인코딩합니다.
• 각도 인코딩은 데이터의 각 숫자를 매개변수화된 회로의 회전 각도로 설정합니다.

가장 좋은 접근 방식은 애플리케이션의 특성에 따라 다릅니다. 그러나 현재 양자 컴퓨터에서는 종종 zz_feature_map 와 같은 각도 인코딩 회로를 사용합니다.

from qiskit.circuit.library import zz_feature_map

features = [0.2, 0.4, 0.8]
feature_map = zz_feature_map(feature_dimension=len(features))

encoded = feature_map.assign_parameters(features)
encoded.draw("mpl")

Output:

회로 라이브러리 API 문서에서 데이터 인코딩 회로를 참조하세요.

시간 진화 회로

이 회로는 시간에 따라 진화하는 양자 상태를 시뮬레이션합니다. 시간 진화 회로를 사용하여 시스템의 열 전달 또는 상 전이와 같은 물리적 효과를 조사합니다. 시간 진화 회로는 화학 파동 함수(예: 단일 결합 클러스터 시험 상태)와 최적화 문제에 사용하는 QAOA 알고리즘의 기본 구성 요소이기도 합니다.

from qiskit.circuit.library import PauliEvolutionGate
from qiskit.circuit import QuantumCircuit
from qiskit.quantum_info import SparsePauliOp


# Prepare an initial state with a Hadamard on the middle qubit
state = QuantumCircuit(3)
state.h(1)

hamiltonian = SparsePauliOp(["ZZI", "IZZ"])
evolution = PauliEvolutionGate(hamiltonian, time=1)

# Evolve state by appending the evolution gate
state.compose(evolution, inplace=True)

state.draw("mpl")

Output:

PauliEvolutionGate API 설명서를 읽어보세요.

벤치마킹 및 복잡도 이론 회로

벤치마킹 회로를 통해 하드웨어가 실제로 얼마나 잘 작동하는지 파악할 수 있고, 복잡성 이론 회로를 통해 해결하려는 문제가 얼마나 어려운지 이해할 수 있습니다.

예를 들어, '양자 볼륨' 벤치마크는 양자 컴퓨터가 일종의 무작위 양자 회로를 얼마나 정확하게 실행하는지를 측정합니다. 양자 컴퓨터의 점수는 안정적으로 실행할 수 있는 회로의 크기에 따라 증가합니다. 여기에는 큐비트 수, 명령 충실도, 큐비트 연결성, 소프트웨어 스택 트랜스파일링 및 후처리 결과 등 컴퓨터의 모든 측면이 고려됩니다. 퀀텀 볼륨에 대한 자세한 내용은 퀀텀 볼륨 백서 원본을 참조하세요.

다음 코드는 4개의 큐비트( unitary 블록은 무작위 2큐비트 게이트)로 실행되는 키스킷에 구축된 양자 볼륨 회로의 예를 보여줍니다.

from qiskit.circuit.library import quantum_volume

quantum_volume(4).draw("mpl")

Output:

회로 라이브러리에는 순간 양자 다항식(iqp) 회로와 같이 고전적으로 시뮬레이션하기 어렵다고 여겨지는 회로도 포함되어 있습니다. 이 회로는 특정 대각선 게이트(계산 기준)를 하다마드 게이트 블록 사이에 끼워 넣습니다.

다른 회로로는 그로버 알고리즘에 사용되는 grover_operator 회로와 푸리에 검사 문제를 위한 fourier_checking 회로가 있습니다. 회로 라이브러리 API 문서의 특정 양자 회로에서 이러한 회로를 확인하세요.

산술 회로

산술 연산은 정수 더하기와 비트 단위 연산과 같은 고전적인 함수입니다. 이는 금융 애플리케이션의 진폭 추정과 같은 알고리즘이나 선형 방정식 시스템을 푸는 HHL 알고리즘과 같은 알고리즘에 유용하게 사용될 수 있습니다.

예를 들어 제자리 덧셈을 수행하는 '리플 캐리' 회로를 사용하여 3비트 숫자 두 개를 더해보겠습니다(FullAdderGate). 이 덧셈기는 두 개의 숫자("A"와 "B"라고 하겠습니다)를 더하고 그 결과를 B가 저장된 레지스터에 씁니다. 다음 예에서는 A=2 및 B=3.

from qiskit.circuit.library import FullAdderGate
from qiskit import QuantumCircuit, QuantumRegister, ClassicalRegister

adder = FullAdderGate(3)  # Adder of 3-bit numbers

# Create the number A=2
reg_a = QuantumRegister(3, "a")
number_a = QuantumCircuit(reg_a)
number_a.initialize(2)  # Number 2; |010>

# Create the number B=3
reg_b = QuantumRegister(3, "b")
number_b = QuantumCircuit(reg_b)
number_b.initialize(3)  # Number 3; |011>

# Create a circuit to hold everything, including a classical register for
# the result
qregs = [
    QuantumRegister(1, "cin"),
    QuantumRegister(3, "a"),
    QuantumRegister(3, "b"),
    QuantumRegister(1, "cout"),
]
reg_result = ClassicalRegister(3)
circuit = QuantumCircuit(*qregs, reg_result)

# Compose number initializers with the adder. Adder stores the result to
# register B, so we'll measure those qubits.
circuit = (
    circuit.compose(number_a, qubits=reg_a)
    .compose(number_b, qubits=reg_b)
    .compose(adder)
)
circuit.measure(reg_b, reg_result)
circuit.draw("mpl")

Output:

회로를 시뮬레이션하면 모든 1024 샷에 대해 5 을 출력합니다(즉, 확률로 측정됨 1.0).

from qiskit.primitives import StatevectorSampler

result = StatevectorSampler().run([circuit]).result()

print(f"Count data:\n {result[0].data.c0.get_int_counts()}")

Output:

Count data:
 {5: 1024}

회로 라이브러리 API 문서에서 산술을 참조하세요.

다음 단계