Qiskit Functions 시작하기

Premium, Flex 및 On-Prem ( IBM Quantum Platform API를 통해 제공) 요금제 사용자는 IBM Qiskit Functions 에서 무료로 서비스를 시작할 수 있으며, 카탈로그에 기능을 제공한 파트너사 중 한 곳에서 라이선스를 구매할 수도 있습니다.

타사 제품인 ‘ Qiskit Functions ’의 무료 체험판을 신청하세요

무료 체험을 신청하려면 ‘ Qiskit Functions Catalog ’로 이동하여 세부 정보 패널을 확인해 보세요. AccessGroupId를 Request a free trial 클릭하고, IBM Cloud 를 포함하여 Functions 파트너가 요구하는 정보를 입력하십시오:

1. IBM Cloud 의 IAM 으로 이동합니다.
2. 자격 요건을 확인하십시오.
   • 헤더의 메뉴 바에서 계정을 다음 형식과 같은 계정으로 변경하세요: XXXXXXX - [Organization Name]
   • 해당 조직이 귀하의 프리미엄 계정에 연결된 조직과 동일한지 확인하십시오.
   • [“귀하의 이름] 계정”이 표시된다면, 현재 개인 계정을 사용하고 있는 것이며, 이 계정은 프리미엄 이용 자격이 없습니다.
3. 사용자 액세스 그룹 ID를 확인하세요.
   • 그룹 이름을 클릭하세요.
   • ‘상세 정보’를 클릭하세요.
   • 액세스 그룹 ID를 복사하십시오. AccessGroup-.로 시작해야 합니다.

Qiskit Functions Catalog 클라이언트 설치

1. Qiskit Functions 를 사용하려면 IBM Qiskit Functions Catalog 클라이언트를 설치하십시오:

   pip install qiskit-ibm-catalog

2. IBM Quantum Platform 대시보드에서 API 키를 확인한 후, Python 가상 환경을 활성화하세요. 아직 가상 환경을 설정하지 않았다면 설치 안내를 참조하십시오.

   신뢰할 수 있는 Python 환경에서 작업하는 경우(예: 개인 노트북이나 워크스테이션), 방법을 save_account() 사용하여 자격 증명을 로컬에 저장하십시오. (공유 컴퓨터나 공용 컴퓨터와 같이 신뢰할 수 없는 환경에서 IBM Quantum Platform 에 인증하는 경우, 다음 단계로 건너뛰십시오.)

   인증에 사용하는 인스턴스에는 ‘ Qiskit Functions ’ 액세스 권한이 활성화되어 있어야 합니다. 기존 인스턴스에서 이를 구성하려면 ‘인스턴스에서 Qiskit Functions 액세스 구성’을 참조하십시오.

   save_account()이 기능을 사용하려면 셸에서 를 python 실행한 다음, 다음 명령을 입력하세요:

   from qiskit_ibm_catalog import QiskitFunctionsCatalog
   
   QiskitFunctionsCatalog.save_account(channel="ibm_quantum_platform", token="<your-token>", instance="<instance-crn>")

   exit()입력하세요. 이제부터 서비스에 인증이 필요할 때마다 다음 코드를 사용하여 인증 정보를 불러올 수 있습니다:

   from qiskit_ibm_catalog import QiskitFunctionsCatalog
   catalog = QiskitFunctionsCatalog()

   예를 들어,

# Load saved credentials
from qiskit_ibm_catalog import QiskitFunctionsCatalog

catalog = QiskitFunctionsCatalog(channel="ibm_quantum_platform")

보안 위험을 최소화하기 위해 신뢰할 수 없는 시스템이나 외부 클라우드 Python 환경에서 코드를 실행하지 마십시오. 신뢰할 수 없는 환경(예: 공용 컴퓨터)을 사용해야 하는 경우, 위험을 줄이기 위해 매번 사용 후 IBM Cloud 의 API 키 페이지에서 해당 키를 삭제하여 API 키를 변경하십시오. 자세한 내용은 ‘사용자 API 키 관리 ’ 항목에서 확인하세요. 이러한 상황에서 서비스를 초기화하려면 다음 코드를 사용하십시오:

from qiskit_ibm_catalog import QiskitFunctionsCatalog

# After using the following code, delete your API key on the
# IBM Quantum Platform home dashboard
catalog = QiskitFunctionsCatalog(token="<YOUR_API_KEY>") # Use the 44-character
# API_KEY you created and saved from the IBM Quantum Platform Home dashboard

사용할 수 있는 함수를 나열하세요

인증 후에는 Qiskit Functions Catalog 에서 자신이 접근 권한을 가진 함수 목록을 확인할 수 있습니다:

catalog.list()

Output:

[QiskitFunction(qunova/hivqe-chemistry),
 QiskitFunction(global-data-quantum/quantum-portfolio-optimizer),
 QiskitFunction(algorithmiq/tem),
 QiskitFunction(qedma/qesem),
 QiskitFunction(multiverse/singularity),
 QiskitFunction(ibm/circuit-function),
 QiskitFunction(q-ctrl/optimization-solver),
 QiskitFunction(colibritd/quick-pde),
 QiskitFunction(q-ctrl/performance-management),
 QiskitFunction(kipu-quantum/iskay-quantum-optimizer)]

활성화된 함수 실행

catalog.load("<provider/function-name>")카탈로그 객체가 인스턴스화된 후에는 다음을 사용하여 함수를 선택할 수 있습니다:

qesem_function = catalog.load("qedma/qesem")

각 Qiskit 함수에는 고유한 입력, 옵션 및 출력이 있습니다. 자세한 내용은 실행하려는 함수에 대한 관련 문서 페이지를 확인하십시오. 기본적으로 모든 사용자는 한 번에 하나의 함수 작업만 실행할 수 있습니다:

from qiskit.quantum_info import SparsePauliOp

avg_magnetization = SparsePauliOp.from_sparse_list(
    [("Z", [q], 1 / 5) for q in range(5)], num_qubits=5
)

job = qesem_function.run(
    pubs=[(circuit, [avg_magnetization, observable])],
    backend_name=backend_name,  # example: "ibm_fez"
    # options = {
    #     "estimate_time_only": "empirical",
    #     "default_precision": 0.2,  # Default precision is applied to all pubs that don't have a precision specified, see API reference for more details
    #     "max_execution_time": 3600,  # You can specify a maximum QPU time in seconds, see API reference for more details
    #     "transpilation_level": "standard",  # "minimal_with_layout_opt" for minimal transpilation, see API reference for more details
    #     "parallel_execution": True,  # True for parallel execution, see API reference for more details
    # },
)
job.job_id

Output:

'7f08c9d5-471b-4da2-92e7-4f2cb94c23a8'

job = qesem_function.run(
    pubs=[(circuit, [avg_magnetization, observable])],
    backend_name=backend_name,  # example: "ibm_fez"
    suppress_low_usage_warning=True,
    # options = {
    #     "estimate_time_only": "empirical",
    #     "default_precision": 0.2,  # Default precision is applied to all pubs that don't have a precision specified, see API reference for more details
    #     "max_execution_time": 3600,  # You can specify a maximum QPU time in seconds, see API reference for more details
    #     "transpilation_level": "standard",  # "minimal_with_layout_opt" for minimal transpilation, see API reference for more details
    #     "parallel_execution": True,  # True for parallel execution, see API reference for more details
    # },
)

작업 상태 점검(O)

job_idQiskit Function을 사용하면 실행 중인 작업의 상태를 확인할 수 있습니다. 여기에는 다음과 같은 상태가 포함됩니다:

• QUEUED: 원격 프로그램이 Qiskit 함수 대기열에 있습니다. 대기열 우선순위는 Qiskit Functions 을 얼마나 많이 이용했는지에 따라 결정됩니다.
• INITIALIZING: 원격 프로그램이 시작되고 있습니다. 여기에는 원격 환경 설정 및 종속성 설치가 포함됩니다.
• RUNNING: 프로그램이 실행 중입니다. 또한 특정 기능에서 지원하는 경우, 이에 더해 몇 가지 더 상세한 상태 정보도 포함됩니다.
  • RUNNING: MAPPING: 이 함수는 현재 고전적 입력값을 양자 입력값으로 매핑하고 있습니다.
  • RUNNING: OPTIMIZING_FOR_HARDWARE: 이 함수는 선택된 QPU에 최적화되어 있습니다. 여기에는 회로 트랜스필레이션, QPU 특성 분석, 관측 가능한 역전파 등이 포함될 수 있습니다.
  • RUNNING: WAITING_FOR_QPU: 이 함수는 IBM Quantum 컴퓨트 서비스에 작업을 제출했으며, 현재 대기열에서 대기 중입니다.
  • RUNNING: EXECUTING_QPU: 이 함수에는 실행 중인 양자 컴퓨팅 작업이 있습니다.
  • RUNNING: POST_PROCESSING: 이 함수는 결과 후처리 기능을 수행하며, 여기에는 오차 완화, 양자 결과를 고전적 결과로 매핑하는 작업 등이 포함될 수 있습니다.
• DONE: 프로그램이 완료되었으며,.을 사용하여 결과 데이터를 가져올 수 있습니다 job.result().
• ERROR: 문제가 발생하여 프로그램이 중단되었습니다. 오류 메시지를 확인하려면 를 사용하세요 job.result() .
• CANCELED: 해당 프로그램은 사용자, 서비스 또는 서버에 의해 취소되었습니다.

job.status()

Output:

'QUEUED'

검색 결과

프로그램이 실행된 DONE후에는 를 job.result() 사용하여 결과를 가져올 수 있습니다. 이 출력 형식은 함수마다 다르므로, 해당 함수의 설명서를 반드시 확인하시기 바랍니다:

result = job.result()
print(result)

Output:

PrimitiveResult([PubResult(data=DataBin(evs=np.ndarray(<shape=(), dtype=float64>), stds=np.ndarray(<shape=(), dtype=float64>), ensemble_standard_error=np.ndarray(<shape=(), dtype=float64>)), metadata={'shots': 4096, 'target_precision': 0.015625, 'circuit_metadata': {}, 'resilience': {}, 'num_randomizations': 32})], metadata={'dynamical_decoupling': {'enable': True, 'sequence_type': 'XX', 'extra_slack_distribution': 'middle', 'scheduling_method': 'alap'}, 'twirling': {'enable_gates': False, 'enable_measure': True, 'num_randomizations': 'auto', 'shots_per_randomization': 'auto', 'interleave_randomizations': True, 'strategy': 'active-accum'}, 'resilience': {'measure_mitigation': True, 'zne_mitigation': False, 'pec_mitigation': False}, 'version': 2})

또한 언제든지 작업을 취소할 수 있습니다:

job.cancel()

Output:

'Job has been stopped.'

관련된 양자 컴퓨팅 작업에 액세스하기

Qiskit 함수는 실행 중에 하나 이상의 양자 컴퓨팅 작업을 QPU에 제출할 수 있습니다. 해당 런타임 작업의 ID를 가져오려면 다음을 사용하십시오 job.runtime_jobs(). 이 ID를 사용하여 QiskitRuntimeService 인스턴스에서 런타임 작업 객체를 가져오거나, IBM Quantum® Platform 대시보드에서 워크로드를 찾을 수 있습니다.

runtime_job_ids = job.runtime_jobs()
runtime_job_ids

함수가 실행 중인 작업을 세션이나 배치로 묶는 경우, 를 사용하여 세션 ID를 나열하십시오 job.runtime_sessions() . 특정 세션 ID를 전달하여 해당 세션의 런타임 작업만 반환하려면 job.runtime_jobs() :

sessions = job.runtime_sessions()
if sessions:
    session_runtime_jobs = job.runtime_jobs(runtime_session=sessions[0])
    print(session_runtime_jobs)
else:
    print("No runtime sessions for this job.")

작업 로그 보기

를 사용하여 함수가 실행되는 동안 생성하는 로그 출력을 가져옵니다 job.logs() . 로그는 진행 상황을 추적하고, 특정 ERROR 상태로 종료된 작업의 오류를 진단하는 데 유용합니다.

print(job.logs().splitlines())

로그 행이 많이 생성되는 장시간 실행되는 작업의 경우, 를 사용하여 원하는 행만 반환하십시오 job.filtered_logs() . 정규 표현식을 에 전달하여 일치하는 줄을 include 유지하거나, 에 전달하여 exclude 일치하는 줄을 제외하려면:

print(job.filtered_logs(include="iteration"))

이전에 실행된 Qiskit Functions 작업 목록

Qiskit Functions 에 제출된 모든 작업을 나열하려면 다음 명령을 사용할 jobs() 수 있습니다:

old_jobs = catalog.jobs()
old_jobs

Output:

[<Job | f6c29f49-4d5f-4fff-aca6-2e9a115b9763>,
 <Job | 7f08c9d5-471b-4da2-92e7-4f2cb94c23a8>,
 <Job | 62fe9176-d1e5-467e-b2bd-7a3f3c7be4e5>,
 <Job | af525b2e-16b1-45a1-80bb-dbd94ce30258>,
 <Job | b95a7a57-c1ad-4958-b7ac-953e4e1ee824>,
 <Job | 7bfa33da-0f17-4e67-84b6-f556f7eeb436>,
 <Job | ca46c191-9eb9-4de6-bfa7-b60d7eb29b5e>,
 <Job | 6ac0ba93-3831-43fb-9fb9-760da2225e06>,
 <Job | f0e38071-060d-47e8-988d-9cc1f69358e3>,
 <Job | 629cf110-e490-4675-8a07-f6d298d166b0>]

검색 결과를 좁히려면 필터를 적용하세요. 을 사용하여 기능별로 function, 을 사용하여 상태별로 status, 을 사용하여 제출 날짜별로 필터링하세요 created_after. 와 limit : 키를 사용하여 결과를 넘겨보세요 offset:

recent_errors = catalog.jobs(
    function=qesem_function,
    status="ERROR",
    created_after="2024-01-01T00:00:00Z",
    limit=5,
)
recent_errors

특정 작업의 작업 ID를 이미 알고 있다면, 다음 명령어를 사용하여 해당 작업을 조회할 수 있습니다 catalog.job():

# First, get the most recent job that has been executed.
latest_job = old_jobs[0]

# We can also get that same job with `catalog.job`
job_by_id = catalog.job(latest_job.job_id)

# Verify that the job is the same using both retrieval methods.
assert job_by_id.job_id == latest_job.job_id

# Print the job_id for this job.
print(job_by_id.job_id)

Output:

f6c29f49-4d5f-4fff-aca6-2e9a115b9763

오류 메시지 가져오기

ERROR프로그램 상태가 인 경우, 다음과 같이 를 사용하여 job.error_message() 오류 메시지를 가져옵니다:

job.error_message()

Output:

qiskit.exceptions.QiskitError: 'Workflow execution failed -- https://docs.quantum.ibm.com/errors#9999'

다음 단계