Comece com primitivas

As etapas deste tópico descrevem como configurar primitivas, explorar as opções que podem ser usadas para configurá-las e invocá-las em um programa.

service = QiskitRuntimeService()
fractional_gate_backend = service.least_busy(use_fractional_gates=True)

• Versões do pacote

  O código desta página foi desenvolvido usando os seguintes requisitos. Recomendamos o uso dessas versões ou de versões mais recentes.

  qiskit[all]~=2.3.1
  qiskit-ibm-runtime~=0.45.1
  

Comece a usar o Estimador

1. Inicialize a conta

Como o Qiskit Runtime Estimator é um serviço gerenciado, primeiro você precisa inicializar sua conta. Em seguida, você pode selecionar a QPU que deseja usar para calcular o valor de expectativa.

Siga as etapas no tópico Instalar e configurar se você ainda não tiver uma conta.

from qiskit_ibm_runtime import QiskitRuntimeService

service = QiskitRuntimeService()
backend = service.least_busy(
    operational=True, simulator=False, min_num_qubits=127
)

print(backend.name)

Output:

ibm_fez

2. Crie um circuito e um observável

Você precisa de pelo menos um circuito e um observável como entradas para a primitiva Estimator.

from qiskit.circuit.library import qaoa_ansatz
from qiskit.quantum_info import SparsePauliOp

entanglement = [tuple(edge) for edge in backend.coupling_map.get_edges()]
observable = SparsePauliOp.from_sparse_list(
    [("ZZ", [i, j], 0.5) for i, j in entanglement],
    num_qubits=backend.num_qubits,
)
circuit = qaoa_ansatz(observable, reps=2)
# the circuit is parametrized, so we will define the parameter values for execution
param_values = [0.1, 0.2, 0.3, 0.4]

print(f">>> Observable: {observable.paulis}")

Output:

>>> Observable: ['IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII...',
 'IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII...',
 'IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII...',
 'IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII...',
 'IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII...',
 'IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII...',
 'IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII...',
 'IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII...',
 'IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII...',
 'IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII...',
 'IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII...',
 'IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII...', ...]

O circuito e o observável precisam ser transformados para usar somente as instruções compatíveis com a QPU (chamadas de circuitos de arquitetura de conjunto de instruções (ISA) ). Usaremos o transpilador para fazer isso.

from qiskit.transpiler import generate_preset_pass_manager

pm = generate_preset_pass_manager(optimization_level=1, backend=backend)
isa_circuit = pm.run(circuit)
isa_observable = observable.apply_layout(isa_circuit.layout)
print(f">>> Circuit ops (ISA): {isa_circuit.count_ops()}")

Output:

>>> Circuit ops (ISA): OrderedDict([('rz', 4472), ('sx', 1884), ('cz', 1120)])

3. Inicializar um estimador d Qiskit Runtime

Ao inicializar o Estimador, use o mode parâmetro para especificar o modo em que deseja que ele seja executado. Os valores possíveis são batch, session, ou backend objetos para os modos de execução em lote, sessão e tarefa, respectivamente. Para obter mais informações, consulte Introdução aos modos de execução do Qiskit Runtime.

from qiskit_ibm_runtime import EstimatorV2 as Estimator

estimator = Estimator(mode=backend)

4. Invoque o Estimador e obtenha resultados

Em seguida, invoque o método run() para calcular os valores de expectativa para os circuitos de entrada e os observáveis. Os conjuntos de valores de parâmetros de circuito, observáveis e opcionais são inseridos como tuplas primitivas de bloco unificado ( PUB ).

job = estimator.run([(isa_circuit, isa_observable, param_values)])
print(f">>> Job ID: {job.job_id()}")
print(f">>> Job Status: {job.status()}")

Output:

>>> Job ID: d76cm768faus73f14eg0

>>> Job Status: QUEUED

result = job.result()
print(f">>> {result}")
print(f"  > Expectation value: {result[0].data.evs}")
print(f"  > Metadata: {result[0].metadata}")

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': False, '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})
  > Expectation value: 28.628978416256825
  > Metadata: {'shots': 4096, 'target_precision': 0.015625, 'circuit_metadata': {}, 'resilience': {}, 'num_randomizations': 32}

Comece a usar o Sampler

1. Inicialize a conta

Como o Qiskit Runtime Sampler é um serviço gerenciado, primeiro você precisa inicializar sua conta. Em seguida, você pode selecionar a QPU que deseja usar para calcular o valor de expectativa.

Siga as etapas no tópico Instalar e configurar se você ainda não tiver uma conta configurada.

from qiskit_ibm_runtime import QiskitRuntimeService

service = QiskitRuntimeService()
backend = service.least_busy(
    operational=True, simulator=False, min_num_qubits=127
)

2. Crie um circuito

Você precisa de pelo menos um circuito como entrada para o primitivo Sampler.

import numpy as np
from qiskit.circuit.library import efficient_su2

circuit = efficient_su2(127, entanglement="linear")
circuit.measure_all()
# The circuit is parametrized, so we will define the parameter values for execution
param_values = np.random.rand(circuit.num_parameters)

Use o transpilador para obter um circuito ISA.

from qiskit.transpiler import generate_preset_pass_manager

pm = generate_preset_pass_manager(optimization_level=1, backend=backend)
isa_circuit = pm.run(circuit)
print(f">>> Circuit ops (ISA): {isa_circuit.count_ops()}")

Output:

>>> Circuit ops (ISA): OrderedDict([('sx', 3088), ('rz', 3036), ('cz', 1089), ('measure', 127), ('barrier', 1)])

3. Inicialize o Sampler do Qiskit Runtime

Ao inicializar o Sampler, use o mode parâmetro para especificar o modo em que deseja que ele seja executado. Os valores possíveis são batch, session, ou backend objetos para os modos de execução em lote, sessão e tarefa, respectivamente. Para obter mais informações, consulte Introdução aos modos de execução do Qiskit Runtime. Observe que os usuários do Open Plan não podem enviar trabalhos de sessão.

from qiskit_ibm_runtime import SamplerV2 as Sampler

sampler = Sampler(mode=backend)

4. Invoque o Sampler e obtenha resultados

Em seguida, invoque o método run() para gerar a saída. O circuito e os conjuntos de valores de parâmetros opcionais são inseridos como tuplas primitivas de bloco unificado ( PUB ).

job = sampler.run([(isa_circuit, param_values)])
print(f">>> Job ID: {job.job_id()}")
print(f">>> Job Status: {job.status()}")

Output:

>>> Job ID: d76cmme8faus73f14fi0
>>> Job Status: QUEUED

result = job.result()

# Get results for the first (and only) PUB
pub_result = result[0]
print(
    f"First ten results for the 'meas' output register: {pub_result.data.meas.get_bitstrings()[:10]}"
)

Output:

First ten results for the 'meas' output register: ['1001101111100100101100100000100000001000110000010000011010111000000101100000110111010010100001010101011100110100100101000000011', '0000010001011111011000010001101100110010110001111010110001001000000100110111011111010011000001011100110111111010001010000000000', '0000100111000111110111110010000000101010100011110111110111000110101000100000100001000111000001110000000101000011111100100000000', '0100111111100001011101101101010010101100010001101110101010010100000011101100010100100011001000010011010101011010000000100010011', '1111000001001101001011010010000100010010010101010111001000100000100000010110111011010101000101011110001100101100011110000111110', '1100000111101011001001110010001000001000111111010101000011001000010101100001011000000100000000011010101001111110100110100010100', '1000111001100001100000111100101111100011100110101000100110001111010010111110011010010010010101010011100101001101111101000100000', '0111101010100001110000100010010100101010100010010101011010011001101100011001010000000100111010010001100011001010000000101001111', '0100001110000101111111101111010111000000000101011010100111001101001001001000101001100010101010000001001001000000100000101010101', '1101010100001000000100000110110101000000000000000100100001100100000000100000011101001100110110011100000001100111110010001011100']

Comece com os primitivos de back-end

Diferentemente das primitivas específicas do provedor, as primitivas de backend são implementações genéricas que podem ser usadas com um objeto arbitrário backend arbitrário, desde que ele implemente a Backend interface.

• A primitiva Sampler pode ser executada com qualquer provedor usando qiskit.primitives.BackendSamplerV2.
• A primitiva do Estimator pode ser executada com qualquer provedor usando qiskit.primitives.BackendEstimatorV2.

Alguns provedores implementam primitivas nativamente. Consulte a página do ecossistema Qiskit para obter detalhes.

Exemplo: BackendEstimator

from qiskit.primitives import BackendEstimatorV2
from <some_qiskit_provider> import QiskitProvider

provider = QiskitProvider()
backend = provider.get_backend('backend_name')
estimator = BackendEstimatorV2(backend)

Exemplo: BackendSampler

from qiskit.primitives import BackendSamplerV2
from <some_qiskit_provider> import QiskitProvider

provider = QiskitProvider()
backend = provider.get_backend('backend_name')
sampler = BackendSamplerV2(backend)

Semelhanças e diferenças entre primitivas de backend e Runtime

• As entradas e saídas de qiskit.primitives.BackendSamplerV2 e qiskit.primitives.BackendEstimatorV2 seguem o mesmo formato de PUB que as primitivas em Qiskit Runtime. Consulte Entradas e saídas primitivas para obter detalhes. No entanto, pode haver diferenças nos campos dos metadados retornados.

• A classe qiskit.primitives.BackendEstimatorV2 a classe não oferece implementações de medição ou mitigação de erro de porta prontas para uso, pois as primitivas de backend são projetadas para serem executadas localmente na máquina do usuário.

• A classe qiskit.primitives.BackendSamplerV2 requer um backend compatível com a opção memory .

• As interfaces primitivas de backend expõem SamplerV2 e EstimatorV2 Options que são diferentes das implementações de tempo de execução.

Próximas etapas