Qiskit Functions 소개
참고
- Qiskit Functions IBM Quantum® Premium Plan, Flex Plan 및 On-Prem ( IBM Quantum Platform API를 통해 이용) Plan 사용자만 이용할 수 있는 실험적 기능입니다. 현재는 미리보기 버전 상태이며, 변경될 수 있습니다.
Qiskit Functions 양자 소프트웨어 개발 워크플로우의 일부를 추상화함으로써, 유틸리티급 알고리즘 탐색 및 애플리케이션 개발을 간소화하고 가속화합니다. 이처럼 Qiskit Functions 는 평소 코드를 직접 작성하거나 실험을 미세 조정하는 데 소요되던 시간을 절약해 줍니다.
함수는 다음 두 가지 형태로 제공됩니다:
유형 | 어떤 기능을 수행합니까? | 입력 및 출력 예시 | 대상 사용자 |
|---|---|---|---|
| 회로 기능 | 회로 실행을 위한 간소화된 인터페이스. 초록의 변환, 오류 억제 및 오류 완화 | 입력 : 추상 PUB 사물 출력 : 완화된 기대값 | 연구자들은 Qiskit을 활용하여 하드웨어 최적화나 오류 처리에 신경 쓸 필요 없이 새로운 알고리즘과 응용 분야를 발굴하고 있습니다. 회로 함수를 사용하여 사용자 정의 애플리케이션 함수를 만들 수 있습니다. |
| 응용프로그램 함수 | 알고리즘 탐구 및 분야별 활용 사례와 같은 고차원적인 과제를 다룹니다. 고전적인 입력과 출력을 사용하여 과제를 해결하는 양자 워크플로우의 초록 | 입력 : 분자, 그래프 출력 : 기저 상태 + 여기 상태 에너지, 비용 함수에 대한 최적값 | 비양자 분야의 연구자들은, 고전 데이터를 양자 회로에 매핑할 필요 없이 양자 기술을 기존의 대규모 고전적 워크플로우에 통합하고 있다. |
IBM® 와 제3자 파트너사가 해당 기능을 제공합니다. 각각은 특정 워크로드 특성에 대해 뛰어난 성능을 발휘하며, 고유한 성능 조정 옵션을 갖추고 있습니다.
사용 가능한 기능 개요
회로 기능
이름 | 제공자 | 추천 용도 | 특별한 혜택 |
|---|---|---|---|
| 텐서 네트워크 오류 완화 가이드 API 참조 라이선스 | Algorithmiq | 가중치가 낮은 관측 가능 변수를 가지며 루프가 없는 회로를 갖는 워크로드. | 측정 오버헤드와 분산을 줄여주며, 관련 회로 분류에 대해 제로 노이즈 외삽법(ZNE) 및 확률적 오차 상쇄법(PEC)과 같은 표준 오차 완화 기준보다 우수한 성능을 보여줍니다. |
| QESEM: 오류 억제 및 오류 완화 가이드 API 참조 | Qedma | 분수형 또는 매개변수화된 게이트가 포함된 회로, 가중치가 높은 관측량, 그리고 편향 없는 기대값과 정확한 실행 시간 추정이 필요한 워크플로우를 포함하는 워크로드. | 변동성이 더 낮고 자원 오버헤드가 적은 편향 없는 기대값을 산출하며, 관련 회로 클래스에서 ZNE 및 PEC보다 우수한 성능을 보인다. |
| 성과 관리 가이드 API 참조 라이선스 | Q-CTRL | 파라메트릭 회로, 딥 회로가 포함되어 있거나, 회로 실행 횟수가 많은 워크로드. | 양자 알고리즘에 AI 기반 오류 억제 기술을 자동으로 적용하여, IBM 장치의 성능을 극대화함으로써 정확한 결과를 제공하는 동시에 필요한 실행 횟수, 연산 시간 및 비용을 절감합니다. 관측 가능한 변수의 가중치에 관계없이 샘플러 및 추정기 프리미티브의 실행 정확도를 향상시키는 오버헤드가 전혀 없는 방법입니다. |
애플리케이션 기능
이름 | 제공자 | 추천 용도 | 특별한 혜택 |
|---|---|---|---|
| QUICK-PDE 가이드 API 참조 라이선스 | ColibriTD | 다중 물리 편미분방정식(PDE)에 양자 계산을 활용하십시오. 양자 및 물리적 모델링 매개변수를 모두 완벽하게 제어하면서 양자 하드웨어용 시뮬레이션 워크플로를 준비하십시오. | 고급 해법 인코딩 및 스펙트럼 기법을 통해 정밀하고 확장 가능한 편미분방정식(PDE) 해법을 제공하는 강력한 하이브리드 VQA 프레임워크를 제공하며, 이는 양자 준비형 시뮬레이션 역량을 구축하려는 팀에게 이상적인 출발점이 됩니다. |
| 양자 포트폴리오 최적화 도구 가이드 API 참조 라이선스 | 글로벌 데이터 퀀텀 | 리스크를 최소화하고 수익을 극대화하면서 시간 경과에 따른 최적의 포트폴리오 전략을 모색하는 재무 최적화 워크로드로, 거래 전략의 백테스트를 가능하게 합니다. | 이 금융 활용 사례에 맞춰 VQE 양자 알고리즘을 고도로 전문적으로 적용하고, 최적화된 실행 전략 및 최적화 기법과 더불어 포트폴리오 최적화에 특화된 노이즈 고려 오류 완화 기법을 활용하여 조합 최적화 문제를 해결합니다. |
| HI-VQE 화학 가이드 API 참조 라이선스 | Qunova 컴퓨팅 | 계산 화학, 분자 시뮬레이션, 재료 과학 분야 또는 다체 전자 구조 문제를 해결해야 하는 모든 해밀토니안 시뮬레이션에서의 작업 부하. | 40~60 큐비트로 모델링된 문제에 대해 화학적 정확도(1 kcal/mol, 1.6 mHa )를 달성하는 향상된 SQD를 사용하여 분자 전자 구조를 구하며, 수렴 속도 측면에서는 슈퍼컴퓨터를 활용한 일부 고전적 해결 방식보다, 정확도 측면에서는 표준 SQD보다 각각 수십 배 이상 뛰어난 성능을 보여줍니다. |
| Iskay 퀀텀 옵티마이저 안내 API 참조 라이선스 | 키푸 퀀텀 | 스케줄링, 물류, 경로 설정, QUBO/HUBO 문제와 같은 최적화 워크로드. | 양자 최적화 루틴을 위한 통합형 조정 가능한 고전적 전처리 및 후처리 방법. 선정된 HUBO 벤치마크에서 기존 솔버(CPLEX, 시뮬레이션 어닐링, 타부 검색)에 비해 실행 시간 측면에서 우위를 보여줍니다. ‘Market ms_5_100Split’이라는 까다로운 과제를 몇 시간 만에 해결했습니다( 이 튜토리얼 참조). |
| 싱귤래리티 Machine Learning 가이드 API 참조 라이선스 | 다중우주 컴퓨팅 | IBM 하드웨어에서 실행되는 양자 최적화를 활용하여 정확도나 계산 효율성을 향상시킬 수 있는 기존의 기계 학습 분류 워크플로우. | 랜덤 포레스트(Random Forest)나 XGBoost와 같은 기존 모델에 필적하거나 이를 능가하는 정확도를 제공하면서도, 훨씬 적은 수의 학습자와 더 간결한 앙상블 구조로 작동합니다. 양자 최적화 투표 방식을 기반으로 하여, 가장 유용한 학습자를 선별하고 의사결정 경계를 정교화함으로써 효율성을 높이고 모델의 복잡성을 줄이며 더욱 견고한 성능을 구현합니다. |
| 최적화 솔버 가이드 API 참조 라이선스 | Q-CTRL | 이진 최적화 문제 또는 이진 비용 함수로 표현될 수 있는 모든 조합론적 문제. 모든 차수의 비용 함수와 최대 장치 규모까지의 문제 크기를 지원합니다. | 잡음을 고려한 종단 간 양자 최적화 솔루션으로, 고수준의 문제 정의를 입력하면 유틸리티급 양자 하드웨어에서 고전적 방법으로는 해결하기 어려운 조합론적 문제에 대한 정확한 해를 자동으로 도출합니다. 이 기술은 오류 억제, 효율적인 매핑, 하이브리드 양자-고전 최적화를 처리함으로써 복잡성을 추상화하여, 심도 있는 양자 전문 지식 없이도 전체 장치 규모에서 최적화 과제를 해결할 수 있게 합니다. |
이 페이지가 도움이 되었습니까?
GitHub에서 버그, 오타를 보고하거나 컨텐츠를 요청하십시오.