{ "cells": [ { "cell_type": "markdown", "id": "frontmatter", "metadata": {}, "source": [ "---\n", "title: \"빠른 시작\"\n", "description: \"최신 버전의 Qiskit Paulice 빠른 시작 가이드\"\n", "---\n", "\n" ] }, { "cell_type": "markdown", "id": "intro", "metadata": {}, "source": [ "\n", "\n", "# 빠른 시작\n", "\n", "이 가이드에서는 해당 `qiskit-paulice` 패키지의 최소 실행 가능한 예제를 보여줍니다. 우리는 클리포드 회로 실행 중 오류를 탐지하기 위해 [시공간 파울리 검증을](https://arxiv.org/abs/2504.15725) 사용한 다음, 오류가 탐지되지 않은 샘플만을 사후 선별합니다. 정확도 향상을 수치화한, 보다 상세한 종단간 워크플로를 확인하려면 [심층](https://github.com/Qiskit/qiskit-paulice/blob/main/docs/guides/low_overhead_error_detection_using_spacetime_codes.ipynb) 튜토리얼을 참조하십시오.\n", "\n", "**워크플로우 단계**\n", "\n", "1. 입력 데이터를 준비합니다: 클리포드 페이로드 회로, 체크 연산을 수행할 대상/보조 큐비트, 그리고 잡음 모델.\n", "2. 적절한 시공간 파울리 검사 조건을 찾아 회로에 추가하십시오.\n", "3. 체크된 회로의 신호를 측정해 보십시오.\n", "4. 오류가 감지되지 않은 샘플만 선별하여 게시하십시오.\n", "\n" ] }, { "cell_type": "markdown", "id": "build-circuit", "metadata": {}, "source": [ "\n", "\n", "## 1. 입력 데이터 준비하기\n", "\n", "`add_pauli_checks` 최소 하나의 단말 측정이 포함된 클리포드 **회로**, 검증을 구현하는 데 사용될 **대상 큐비트**, 그리고 후보 검증에 대한 점수를 매기는 데 사용되는 **노이즈 모델을** 입력으로 받습니다. `ibm_boston`여기서는 얕은 랜덤 클리포드 회로를 구축하고, 이를 물리적 큐비트로 구성된 1D 체인에 배치하며, 각 페이로드 큐비트를 인접한 보조 큐비트와 짝지은 뒤(따라서 검사 시 SWAP 게이트가 필요하지 않음), 백엔드 벤치마크 데이터를 바탕으로 대략적인 탈분극 잡음 모델을 도출합니다.\n", "\n" ] }, { "cell_type": "code", "execution_count": 1, "id": "make-circuit", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "\"Output" ] }, "execution_count": 1, "metadata": {}, "output_type": "execute_result" } ], "source": [ "import numpy as np\n", "from qiskit import QuantumCircuit\n", "from qiskit_ibm_runtime import QiskitRuntimeService\n", "from qiskit_paulice.layout import get_check_qubits\n", "from qiskit_paulice.noise_models import NoiseModel\n", "\n", "# Backend and a 1D chain of physical qubits to run on\n", "backend = QiskitRuntimeService().backend(\"ibm_boston\")\n", "layout = [68, 69, 78, 89, 90, 91, 98, 111, 112, 113, 119, 133]\n", "\n", "# A shallow brickwork random Clifford payload circuit\n", "rng = np.random.default_rng(1764)\n", "circuit = QuantumCircuit(len(layout))\n", "circuit.h(range(circuit.num_qubits))\n", "for d in range(4):\n", " for i in range(d % 2, circuit.num_qubits - 1, 2):\n", " circuit.cz(i, i + 1)\n", " for q in range(circuit.num_qubits):\n", " if rng.integers(0, 2):\n", " circuit.sx(q)\n", " if rng.integers(0, 2):\n", " circuit.s(q)\n", "circuit.measure_all()\n", "\n", "# Pair each payload qubit with a neighboring ancilla to host a check (no SWAPs needed)\n", "target_qubits, ancilla_qubits = get_check_qubits(backend.coupling_map, layout)\n", "\n", "# A rough depolarizing noise model from backend benchmark data, used to score checks\n", "noise_model = NoiseModel.from_backend(\n", " backend, layout, uniform_gate_noise=True\n", ")\n", "\n", "circuit.draw(\"mpl\", fold=-1)" ] }, { "cell_type": "markdown", "id": "add-checks-md", "metadata": {}, "source": [ "\n", "\n", "## 2. 시공간 파울리 검사 조건 찾기 및 추가하기\n", "\n", "`add_pauli_checks` 각 대상 큐비트에 대해 효과적이고 경량인 검사 방법을 찾아 회로에 추가한 뒤, 일련의 `CheckedCircuit` 인스턴스 시퀀스를 반환합니다. 이 `CheckedCircuit` 사례들에는 대상 큐비트당 1회 검사까지, `0` 검사 횟수가 점차 증가하는 경우가 포함되어 있습니다. 각 검사는 회로 깊이가 약간 증가하는 대가로 오류 탐지 능력을 향상시킵니다. 이 예제에서는 모든 대상 큐비트에 대한 검사가 포함된 회로를 사용할 것입니다.\n", "\n" ] }, { "cell_type": "code", "execution_count": 2, "id": "add-checks", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "\"Output" ] }, "execution_count": 2, "metadata": {}, "output_type": "execute_result" } ], "source": [ "from qiskit_paulice import add_pauli_checks\n", "\n", "# The circuit has virtual qubits, so we specify our target qubits with virtual indices\n", "target_qubits_v = [layout.index(q) for q in target_qubits]\n", "\n", "# Add spacetime Pauli checks\n", "checked_circuit = add_pauli_checks(circuit, target_qubits_v, noise_model)[-1]\n", "checked_circuit.circuit.draw(\"mpl\", fold=-1, scale=0.4, idle_wires=False)" ] }, { "cell_type": "markdown", "id": "postselect-md", "metadata": {}, "source": [ "\n", "\n", "## 3. 점검한 회로의 신호를 샘플링한다\n", "\n", "`ibm_boston`샘플링을 수행하기 전에, 검증된 회로를 물리적 큐비트(`initial_layout = layout + ancilla_qubits`)로 변환하고 의 기본 기저 게이트 집합으로 변환합니다. 잡음이 있는 QPU를 모방하기 위해, 체크를 선택하는 데 `noise_model` 사용된 오류율과 일치하는 잡음이 있는 Aer 안정화 백엔드를 사용하여 샘플링합니다.\n", "\n" ] }, { "cell_type": "code", "execution_count": 3, "id": "sample", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "sampled 1000 shots\n" ] } ], "source": [ "from qiskit import transpile\n", "from qiskit_aer import AerSimulator\n", "from qiskit_aer.noise import NoiseModel as AerNoiseModel\n", "from qiskit_aer.noise import ReadoutError, depolarizing_error\n", "\n", "# Transpile once: lay the checked circuit out on our qubits and into the native basis\n", "isa_circuit = transpile(\n", " checked_circuit.circuit,\n", " backend,\n", " initial_layout=layout + ancilla_qubits,\n", " optimization_level=0,\n", ")\n", "\n", "# Build an Aer noise model matching the depolarizing model used to pick checks\n", "aer_noise = AerNoiseModel()\n", "aer_noise.add_all_qubit_quantum_error(\n", " depolarizing_error(noise_model.gate_noise, 2), [\"cz\"]\n", ")\n", "p = noise_model.readout_noise\n", "aer_noise.add_all_qubit_readout_error(ReadoutError([[1 - p, p], [p, 1 - p]]))\n", "simulator = AerSimulator(method=\"stabilizer\", noise_model=aer_noise)\n", "\n", "counts = (\n", " simulator.run(isa_circuit, shots=1000, seed_simulator=1764)\n", " .result()\n", " .get_counts()\n", ")\n", "print(f\"sampled {sum(counts.values())} shots\")" ] }, { "cell_type": "markdown", "id": "postselect-step-md", "metadata": {}, "source": [ "\n", "\n", "## 4. 오류가 감지되지 않은 사후 선별 샘플\n", "\n", "`get_postselection_method` 각 샷을 해당 신드롬 벡터에 매핑하며, 신드롬 값이 모두 0인 샷, 즉 오류 검출에서 오류가 발견되지 않은 샷만 유지합니다. 표시된 샷을 제외하면, 남아 있는 분포에서 감지된 오류가 제거되어 샘플링 빈도는 낮아지지만 정확도는 향상됩니다. 정량적인 충실도 비교에 대해서는 [튜토리얼](https://github.com/Qiskit/qiskit-paulice/blob/main/docs/guides/low_overhead_error_detection_using_spacetime_codes.ipynb) 을 참고하세요.\n", "\n" ] }, { "cell_type": "code", "execution_count": 4, "id": "postselect", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "kept 927 of 1000 shots (93%)\n" ] } ], "source": [ "# Keep only the shots in which no check reported an error\n", "ps_fn = checked_circuit.get_postselection_method()\n", "counts_postselected = {\n", " bs: n for bs, n in counts.items() if not ps_fn(bs).any()\n", "}\n", "\n", "kept, total = sum(counts_postselected.values()), sum(counts.values())\n", "print(f\"kept {kept} of {total} shots ({kept / total:.0%})\")" ] }, { "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": 5 }