{ "cells": [ { "cell_type": "markdown", "id": "2ee21f3f-2a40-486f-9721-d8a358a87aa1", "metadata": {}, "source": [ "---\n", "title: \"Qiskit Functions 入門\"\n", "description: \"IBM Qiskit Functions Catalog を探索してください。研究とアプリケーションのプロトタイピングを加速するために設計された、抽象化された回路機能とアプリケーション機能サービスです。\"\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", "# Qiskit Functions 入門\n", "\n", "\n", " * Qiskit 関数は、 IBM Quantum® Premium Plan、Flex Plan、およびオンプレム ( IBM Quantum Platform API 経由) Plan ユーザーだけが利用できる実験的な機能です。 これらはプレビューリリースであり、変更される可能性がある。\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": [ "Qiskit Functionsは、量子ソフトウェア開発ワークフローの一部を抽象化することで、実用規模のアルゴリズム発見とアプリケーション開発を簡素化し、高速化します。 このようにして、Qiskit Functionsは、通常、手作業でコードを書いたり、実験を微調整したりする時間を解放する。\n", "\n", "[Qiskit Functions Catalog](/functions)\n", "\n", "![Qiskit関数の概要](https://quantum.cloud.ibm.com/docs/images/guides/functions/functions-overview.svg) 関数には2つの形式があります：\n", "\n", "| タイプ | 何を行うのでしょうか。 | 入出力例 | 誰のため？ |\n", "| ---------- | -------------------------------------------------------------------------------- | ----------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------ |\n", "| 回路機能 | 回路実行のための簡素化されたインターフェース。 要約のトランスパイル、エラー抑制、およびエラー軽減 | **入力**: 抽象 `PUB` オブジェクト
**出力**: 緩和された期待値 | Qiskitを使用する研究者は、ハードウェアの最適化やエラー処理に集中することなく、新しいアルゴリズムやアプリケーションを発見することができます。 回路関数は、カスタムアプリケーション関数を構築するために使用することができます。 |\n", "| アプリケーション関数 | より高度なタスク、例えばアルゴリズムの調査や特定分野のユースケースなどを扱います。 タスクを解決するための量子ワークフローを抽象化し、古典的な入力と出力を用いる | **入力**：分子、グラフ
**出力**：基底状態＋励起状態のエネルギー、コスト関数の最適値 | 非量子領域の研究者は、古典データを量子回路にマッピングすることなく、既存の大規模な古典ワークフローに量子を統合することができる。 |\n", "\n" ] }, { "cell_type": "markdown", "id": "5e5b0531-f286-4573-8b1e-664ca5496d2d", "metadata": {}, "source": [ "機能は IBM® およびサードパーティパートナーによって提供されています。 それぞれが特定のワークロード特性に対して高いパフォーマンスを発揮し、独自のパフォーマンス調整オプションを備えています。\n", "\n", "\n", "\n", "## 利用可能な機能の概要\n", "\n", "\n", "\n", "\n", "\n", "### 回路機能\n", "\n", "| 名前 | プロバイダー | 推奨される用途 | ユニークな利点 |\n", "| -------------------------------------------------------------------------------------------------------------------------------------------- | -------- | ------------------------------------------------------------------------------ | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n", "| テンソルネットワークのエラー [低](/docs/guides/algorithmiq-tem)[減](/docs/api/functions/algorithmiq-tem)


ガイド API リファレンス | アルゴリズムイク | 軽量な観測可能量とループフリー回路を持つワークロード。 | 測定オーバーヘッドとばらつきを低減し、関連する回路クラスにおいて、ゼロノイズ外挿法（ZNE）や確率的誤差キャンセル（PEC）といった標準的な誤差低減手法を上回る性能を発揮する。 |\n", "| QESEM：エラー抑制およびエラー [軽減](/docs/guides/qedma-qesem)


[ガイド API リファレンス](/docs/api/functions/qedma-qesem) | ケドマ | 分数のゲートやパラメータ化されたゲートを含む回路、高重みの観測量、およびバイアスのない期待値と正確な実行時間推定を必要とするワークフローを含むワークロード。 | 分散とリソースオーバーヘッドが低く、バイアスのない期待値を生成し、関連する回路クラスにおいてZNEおよびPECを上回る性能を発揮する。 |\n", "| [パフォーマンス](/docs/guides/q-ctrl-performance-management)


[管理](/docs/api/functions/q-ctrl-performance-management)ガイド API リファレンス | Q-CTRL | パラメトリック回路、深層回路を含むワークロード、または多数の回路実行を必要とするワークロード。 | 量子アルゴリズムにAI駆動のエラー抑制を自動的に適用し、 IBM デバイスの性能を最大化。これにより、必要なショット数、計算時間、コストを削減しながら正確な結果を提供します。

サンプリングプリミティブと推定プリミティブの実行精度を向上させるオーバーヘッドゼロ手法。あらゆる重みの観測可能量に対応。 |\n", "\n", "\n", "\n", "\n", "\n", "### アプリケーション機能\n", "\n", "| 名前 | プロバイダー | 推奨される用途 | ユニークな利点 |\n", "| -------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ---------------- | -------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n", "| [QU](/docs/guides/colibritd-pde)[ ICK](/docs/api/functions/colibritd-pde) -PDEGuide


API リファレンス | ColibriTD | 量子計算を多物理場偏微分方程式に適用する。量子ハードウェア向けの

シミュレーションワークフローを準備しつつ、量子モデルと物理モデルの両パラメータを完全に制御する。 | 高度な解法符号化とスペクトル手法により、精密かつスケーラブルなPDE解を提供する堅牢なハイブリッドVQAフレームワークを提供し、量子対応シミュレーション能力の構築を目指すチームにとって理想的な導入ポイントとなる。 |\n", "| Quantum Portfolio Optimizer

[ガイド](/docs/api/functions/global-data-quantum-optimizer)
[API リファレンス](/docs/guides/global-data-quantum-optimizer) | グローバル・データ・クォンタム | 財務最適化のためのワークロード。時間軸に沿って最適なポートフォリオ戦略を追求しつつ、リスクを最小化しリターンを最大化するものであり、取引戦略のバックテストを可能とする。 | この金融ユースケース向けに高度に最適化されたVQE量子アルゴリズムを適用し、最適化された実行戦略と最適化手法、ならびにポートフォリオ最適化に特化したノイズ対応エラー軽減技術を用いて、組み合わせ最適化問題を解決する。 |\n", "| HI-VQE [Chemistry](/docs/guides/qunova-chemistry)


[Guide API リファレンス](/docs/api/functions/qunova-chemistry) | クノバ・コンピューティング | 計算化学、分子シミュレーション、材料科学、あるいは多体電子構造問題の解決を必要とするハミルトニアンシミュレーションにおけるワークロード。 | 強化型SQDを用いて分子電子構造を解明し、40～60量子ビットでモデル化された問題に対して化学的精度（1 kcal/mol、 1.6 mHa ）を達成。収束速度または精度において、スーパーコンピュータ上の古典的解法や標準SQDをそれぞれ桁違いに上回る性能を発揮する。 |\n", "| Iskay Quantum


[Opt](/docs/guides/kipu-optimization)[ imiz](/docs/api/functions/kipu-optimization) erGuide API リファレンス | キプ・クォンタム | スケジューリング、ロジスティクス、経路計画、およびQUBO/HUBO問題などの最適化ワークロード。

| 量子最適化ルーチン向けの統合型調整可能古典前処理・後処理手法

選択されたHUBOベンチマークにおいて、従来のソルバー（CPLEX、シミュレーテッドアニーリング、タブー探索）に対して実行時の優位性を発揮する。

マーケットスプリット `ms_5_100`、困難な課題が数時間で解決（ [このチュートリアルを](/docs/tutorials/solve-market-split-problem-with-iskay-quantum-optimizer)参照）。 |\n", "| Singularity Machine Learning

[ガイド](/docs/api/functions/multiverse-computing-singularity)
[APIリファレンス](/docs/guides/multiverse-computing-singularity) | マルチバース・コンピューティング | IBM ハードウェア上で実行される量子最適化を活用することで、精度や計算効率の向上が期待できる古典的な機械学習分類ワークフロー。 | 従来のモデル（ランダムフォレストやXGBoostなど）と同等かそれ以上の精度を実現しつつ、学習器の数を大幅に削減し、よりコンパクトなアンサンブルで動作する。

量子最適化投票により駆動され、最も情報量の多い学習者を選択し、決定境界を洗練させることで、効率性の向上、モデルの複雑さの低減、そしてより頑健な性能を実現する。 |\n", "| 最適化[ソル](/docs/api/functions/q-ctrl-optimization-solver)[バー](/docs/guides/q-ctrl-optimization-solver) ガイド


APIリファレンス | Q-CTRL | 二値最適化問題、または二値コスト関数に写像可能なあらゆる組み合わせ問題。

任意の階数のコスト関数と、最大デバイススケールまでの問題サイズをサポートします。 | ノイズを認識するエンドツーエンドの量子最適化ソリューション。高水準の問題定義を入力可能とし、ユーティリティ規模の量子ハードウェア上で、従来型手法では困難な組み合わせ問題に対する正確な解を自動的に見出す。

複雑性を抽象化し、エラー抑制、効率的なマッピング、ハイブリッド量子-古典最適化を処理することで、深い量子専門知識なしにデバイス規模全体での最適化タスクを解決します。 |\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 }