{
"cells": [
{
"cell_type": "markdown",
"id": "2ee21f3f-2a40-486f-9721-d8a358a87aa1",
"metadata": {},
"source": [
"---\n",
"title: \"Introducción a Qiskit Functions\"\n",
"description: \"Explore IBM Qiskit Functions Catalog, servicios de funciones de circuitos abstractos y funciones de aplicaciones diseñados para acelerar la investigación y la creación de prototipos de aplicaciones.\"\n",
"---\n",
"\n",
"{/* cspell:ignore Jarman, HIVQE, Cadavid, Chandarana, Leclerc, Sachdeva, HUBO, Filippov, Downfolding, Aharonov, Mundada, Yamauchi, supersymmetric, Paterakis, Gharibyan, Jaffali, Pellow */}\n",
"\n"
]
},
{
"cell_type": "markdown",
"id": "97b94d47-ba58-4251-91f2-93097e50f2c9",
"metadata": {},
"source": [
"\n",
"\n",
"# Introducción a Qiskit Functions\n",
"\n",
"\n",
" * Las funciones Qiskit son una función experimental disponible únicamente para los usuarios de los planes IBM Quantum® Premium Plan, Flex Plan y On-Prem (a través de IBM Quantum Platform API). Se trata de versiones preliminares sujetas a cambios.\n",
"\n",
"\n"
]
},
{
"cell_type": "markdown",
"id": "a4c425ca-c6c6-4232-b4b9-b2a365d10ad9",
"metadata": {
"tags": [
"version-info"
]
},
"source": [
"\n"
]
},
{
"cell_type": "markdown",
"id": "1fe03d0f-c7bb-439b-b98e-91ca400b62fc",
"metadata": {},
"source": [
"Las funciones de Qiskit simplifican y aceleran el descubrimiento de algoritmos y el desarrollo de aplicaciones a gran escala, al eliminar partes del flujo de trabajo de desarrollo de software cuántico. De este modo, las Funciones Qiskit liberan tiempo que normalmente se dedica a escribir código a mano y a afinar los experimentos.\n",
"\n",
" Las funciones vienen en dos formas:\n",
"\n",
"| Tipo | ¿Qué hace? | Ejemplos de entradas y salidas | ¿A quién va dirigido? |\n",
"| ------------------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n",
"| Función del circuito | Interfaz simplificada para ejecutar circuitos. Transpilación de resúmenes, supresión de errores y mitigación de errores | **Entrada**: Objetos abstractos `PUB`
**Salida**: Valores de expectativa mitigados | Investigadores que utilizan Qiskit para descubrir nuevos algoritmos y aplicaciones, sin necesidad de centrarse en la optimización para el hardware o la gestión de errores. Las funciones de circuito pueden utilizarse para crear funciones de aplicación personalizadas. |\n",
"| Función de la aplicación | Abarca tareas de mayor nivel, como la exploración de algoritmos y casos de uso específicos del dominio. Resume el flujo de trabajo cuántico para resolver tareas, con entradas y salidas clásicas | **Input**: Moléculas, gráficos
**Output**: Energía de estado excitado + estado básico, valores óptimos para la función de coste | Investigadores en ámbitos no cuánticos, integrando la cuántica en los actuales flujos de trabajo clásicos a gran escala, sin necesidad de mapear los datos clásicos en circuitos cuánticos. |\n",
"\n"
]
},
{
"cell_type": "markdown",
"id": "5e5b0531-f286-4573-8b1e-664ca5496d2d",
"metadata": {},
"source": [
"Las funciones son proporcionadas por IBM® y socios externos. Cada uno de ellos ofrece un rendimiento adecuado para características específicas de carga de trabajo y cuenta con opciones únicas de ajuste del rendimiento.\n",
"\n",
"\n",
"\n",
"## Resumen de las funciones disponibles\n",
"\n",
"\n",
"\n",
"\n",
"\n",
"### Funciones del circuito\n",
"\n",
"| Nombre | Proveedor | Uso recomendado | Ventajas únicas |\n",
"| --------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | --------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n",
"| [Gu](/docs/guides/algorithmiq-tem)[ ía](/docs/api/functions/algorithmiq-tem) de
mitigación
de errores en redes tensoriales: Referencia de la API | Algoritmo | Cargas de trabajo que tienen observables de bajo peso y circuitos sin bucles. | Reduce la sobrecarga y la varianza de las mediciones, superando las bases de referencia estándar para la mitigación de errores, como la extrapolación sin ruido (ZNE) y la cancelación probabilística de errores (PEC) para las clases de circuitos pertinentes. |\n",
"| QESEM: Supresión y [mitig](/docs/guides/qedma-qesem)[ ación](/docs/api/functions/qedma-qesem)
de errores. Guía. Referencia de la API | Qedma | Cargas de trabajo que incluyen circuitos con puertas fraccionarias o parametrizadas, observables de alto peso y flujos de trabajo que requieren valores esperados imparciales y estimaciones precisas del tiempo de ejecución. | Produce valores esperados imparciales con menor varianza y menor consumo de recursos, superando a ZNE y PEC para clases de circuitos relevantes. |\n",
"| [Gu](/docs/guides/q-ctrl-performance-management)
[ía de gestión](/docs/api/functions/q-ctrl-performance-management) del rendimiento - Referencia de la API | Q-CTRL | Cargas de trabajo que contienen circuitos paramétricos, circuitos profundos o que requieren muchas ejecuciones de circuitos. | Aplica automáticamente la supresión de errores basada en IA a los algoritmos cuánticos, maximizando el rendimiento de los dispositivos IBM para ofrecer resultados precisos y reducir al mismo tiempo el número de disparos, el tiempo de cálculo y el coste requerido.
Método sin sobrecarga que mejora la precisión de ejecución de las primitivas Sampler y Estimator, compatible con cualquier peso de observables. |\n",
"\n",
"\n",
"\n",
"\n",
"\n",
"### Funciones de aplicación\n",
"\n",
"| Nombre | Proveedor | Uso recomendado | Ventajas únicas |\n",
"| --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ---------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |\n",
"| [QU](/docs/guides/colibritd-pde)[ ICK](/docs/api/functions/colibritd-pde) -PDEGuide
: Referencia de la API | ColibriTD | Utiliza la computación cuántica para ecuaciones diferenciales parciales multifísicas.
Prepara flujos de trabajo de simulación para hardware cuántico, manteniendo un control total sobre los parámetros de modelado cuántico y físico. | Ofrece un sólido marco híbrido de VQA que proporciona soluciones PDE precisas y escalables mediante métodos espectrales y de codificación de soluciones avanzados, lo que lo convierte en un punto de partida ideal para los equipos que desean desarrollar capacidades de simulación preparadas para la computación cuántica. |\n",
"|
[Gu](/docs/guides/global-data-quantum-optimizer)
[ía del](/docs/api/functions/global-data-quantum-optimizer) Optimizador de carteras Quantum: Referencia de la API | Datos globales Quantum | Cargas de trabajo para la optimización financiera, buscando estrategias de cartera óptimas a lo largo del tiempo, minimizando el riesgo y maximizando los rendimientos, lo que permite realizar pruebas retrospectivas de estrategias de negociación. | Resuelve problemas de optimización combinatoria mediante una adaptación altamente especializada del algoritmo cuántico VQE para este caso de uso financiero, utilizando estrategias de ejecución optimizadas y optimizadores, junto con técnicas de mitigación de errores sensibles al ruido adaptadas a la optimización de carteras. |\n",
"| [Referencia de la](/docs/api/functions/qunova-chemistry) [API de](/docs/guides/qunova-chemistry) ChemistryGuide
de HI-VQE | Computación Qunova | Cargas de trabajo en química computacional, simulación molecular, ciencia de materiales o cualquier simulación hamiltoniana que requiera resolver problemas de estructura electrónica de muchos cuerpos. | Resuelve estructuras electrónicas moleculares utilizando SQD mejorado con precisión química (1 kcal/mol, 1.6 mHa ) para problemas modelados con 40 a 60 qubits, superando a algunas soluciones clásicas en supercomputadoras o SQD estándar en velocidad de convergencia o precisión, respectivamente, en órdenes de magnitud. |\n",
"| [Referencia de la](/docs/api/functions/kipu-optimization) [API de](/docs/guides/kipu-optimization) Iskay Quantum
OptimizerGuide | Kipu Quantum | Optimización de cargas de trabajo, como programación, logística, rutas y problemas QUBO/HUBO.
| Métodos clásicos integrados y ajustables de preprocesamiento y posprocesamiento para la rutina de optimización cuántica.
Ofrece ventajas de tiempo de ejecución frente a los solucionadores clásicos (CPLEX, recocido simulado y búsqueda tabú) en determinados benchmarks HUBO.
Market Split `ms_5_100`, un reto difícil, resuelto en cuestión de horas (véase [este tutorial](/docs/tutorials/solve-market-split-problem-with-iskay-quantum-optimizer) ). |\n",
"| Singularity [: Guía de](/docs/guides/multiverse-computing-singularity)
Machine Learning
[. Referencia de la API](/docs/api/functions/multiverse-computing-singularity) | Computación multiverso | Flujos de trabajo clásicos de clasificación de aprendizaje automático que podrían beneficiarse de una mayor precisión o eficiencia computacional al aprovechar la optimización cuántica ejecutada en un hardwar IBM. | Ofrece una precisión comparable o superior a la de modelos clásicos como Random Forest o XGBoost, al tiempo que funciona con un número significativamente menor de alumnos y un conjunto más compacto.
Gracias a la votación optimizada cuánticamente, selecciona a los alumnos más informativos y refina los límites de decisión, lo que se traduce en una mayor eficiencia, una menor complejidad del modelo y un rendimiento más sólido. |\n",
"| [Gu](/docs/guides/q-ctrl-optimization-solver)
[ía del solucionador](/docs/api/functions/q-ctrl-optimization-solver) de optimización: Referencia de la API | Q-CTRL | Problemas de optimización binaria o cualquier problema combinatorio que pueda asignarse a una función de coste binaria.
Se admiten funciones de coste de cualquier orden y tamaños de problema hasta la escala máxima del dispositivo. | Solución de optimización cuántica integral y sensible al ruido que permite introducir definiciones de problemas de alto nivel y encuentra automáticamente soluciones precisas a problemas combinatorios clásicamente difíciles en hardware cuántico a escala industrial.
Elimina la complejidad al gestionar la supresión de errores, el mapeo eficiente y la optimización híbrida cuántica-clásica para resolver tareas de optimización a escala completa del dispositivo sin necesidad de tener profundos conocimientos cuánticos. |\n",
"\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"id": "a1b8767d",
"source": "© IBM Corp., 2017-2026"
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3"
}
},
"nbformat": 4,
"nbformat_minor": 4
}