Técnicas avançadas - Complementos do Qiskit
Os complementos do Qiskit são um conjunto de recursos de pesquisa destinados a possibilitar a descoberta de algoritmos em escala de serviços públicos. Esses componentes de software modulares se baseiam na sólida estrutura do Qiskit e podem ser integrados a um fluxo de trabalho para ampliar a escala ou projetar novos algoritmos quânticos. Esta página destaca as ferramentas disponíveis nas principais categorias funcionais para ajudá-lo a escolher os recursos relevantes ao criar seus fluxos de trabalho.
Problemas com domínios de mapa
Essas capacidades se especializam em traduzir problemas do domínio em operadores e circuitos quânticos para execução em um computador quântico.
Formular problemas de otimização e traduzi-los em representações que possam ser compreendidas por um computador quântico.
Leia a documentação
Modele sistemas quânticos fermiónicos e represente-os por operadores de qubits e circuitos.
Leia a documentação
Construir circuitos de alta fidelidade com profundidade reduzida utilizando compilação quântica aproximada com redes tensoriais.
Leia a documentação
Reduzir o erro de Trotter da dinâmica hamiltoniana por meio de uma combinação ponderada de várias execuções do circuito.
Leia a documentação
Otimizar circuitos para execução em hardware
Essas funcionalidades são úteis para reduzir a profundidade do circuito e, normalmente, acarretam um aumento na sobrecarga de amostragem.
Reduzir a profundidade do circuito nas estimativas do valor esperado por meio da retropropagação de observáveis pelo circuito.
Leia a documentação
Reduzir a profundidade dos circuitos transpilados através da decomposição das portas de entrelaçamento entre qubits não adjacentes.
Leia a documentação
Gerenciar o ruído na estimativa do valor esperado
Use os seguintes complementos para gerenciar o ruído ao criar cargas de trabalho quânticas que estimam valores esperados de observáveis.
Mitigar os valores esperados medindo uma observável-alvo que tenha incorporado informações do modelo de ruído.
Leia a documentação
Reduzir a sobrecarga de amostragem do cancelamento de erros probabilísticos (PEC) removendo os termos do modelo de ruído que têm baixo impacto na estimativa da variável observável.
Leia a documentação
Gerenciar o ruído nos resultados da amostragem
Essas técnicas são úteis para controlar o ruído nos resultados da amostragem.
Diagonalização quântica baseada em amostras
Estimar o espectro dos hamiltonianos quânticos por meio do processamento de amostras ruidosas e da diagonalização em um subespaço reduzido.
Visão geral
Uma implementação do complemento SQD preparada para HPC, escrita de acordo com os padrões modernos de linguagem de programação de alto nível ( C++17 ) e projetada para viabilizar fluxos de trabalho e aplicativos de HPC.
Leia a documentação
Pós-seleção baseada em medidas
Filtrar o ruído não markoviano nos circuitos por meio da incorporação de passagens de transpiler de pós-seleção baseadas em medições.
Leia a referência da API
Mitigação de medição sem matriz ( M3 )
Mitigar erros de medição por meio do processamento em um subespaço reduzido definido por sequências de bits ruidosas.
Leia a documentação
Aumente a fidelidade das distribuições amostradas utilizando verificações de Pauli eficientes em termos de hardware, baseadas em códigos espaço-temporais.
Leia a documentação
Recursos de suporte
Use esses recursos para dar suporte e criar seus fluxos de trabalho que utilizam outros complementos.
Crie fluxos de trabalho baseados em complementos com mais rapidez utilizando esta coleção de funções para criar hamiltonianos, gerar circuitos de evolução temporal de Trotter e aplicar os recursos mais recentes de mitigação de erros.
Leia a documentação
Uma estrutura para aproximar a evolução do operador, que pode ser usada para simular valores esperados e implementar técnicas de mitigação de erros, tais como a absorção de ruído propagado (PNA) e cones de luz sombreados.
Leia a documentação