{ "cells": [ { "cell_type": "markdown", "id": "ef283f37-0ad4-48c7-bb92-8a09baaae6e5", "metadata": {}, "source": [ "---\n", "title: \"작업 결과를 검색하고 저장합니다\"\n", "description: \"job_id를 사용하여 결과를 검색하는 방법과 결과를 디스크에 저장하는 방법.\"\n", "---\n", "\n", "\n", "\n", "# 작업 결과를 검색하고 저장합니다\n", "\n" ] }, { "cell_type": "markdown", "id": "f4471d6b-dc12-486c-95de-22ac12e367d2", "metadata": { "tags": [ "version-info" ] }, "source": [ "{/*\n", " DO NOT EDIT THIS CELL!!!\n", " This cell's content is generated automatically by a script. Anything you add\n", " here will be removed next time the notebook is run. To add new content, create\n", " a new cell before or after this one.\n", " */}\n", "\n", "\n", " \n", " 이 페이지의 코드는 다음 요구 사항을 사용하여 개발되었습니다.\n", " 다음 버전 이상을 사용하는 것이 좋습니다.\n", "\n", " ```\n", " qiskit-ibm-runtime~=0.45.1\n", " ```\n", " \n", "\n", "\n" ] }, { "cell_type": "markdown", "id": "ec8277ad-1811-4318-8282-84d6d282bb17", "metadata": {}, "source": [ "퀀텀 워크플로우는 완료하는 데 시간이 오래 걸리고 여러 세션에 걸쳐 실행될 수 있습니다. Python 커널을 다시 시작하면 메모리에 저장된 모든 결과를 잃게 됩니다. 데이터 손실을 방지하기 위해 결과를 파일에 저장하고 IBM Quantum® 에서 과거 작업의 결과를 검색하여 다음 세션에서 중단한 부분부터 계속 진행할 수 있습니다.\n", "\n" ] }, { "cell_type": "markdown", "id": "d32e82e4-331c-43ec-ac86-a657f29f1469", "metadata": {}, "source": [ "\n", "\n", "## IBM Quantum 에서 작업 결과를 가져옵니다\n", "\n", "IBM 퀀텀은 모든 작업의 결과를 자동으로 저장하여 나중에 검색할 수 있도록 합니다. 이 기능을 사용하면 커널 재시작 시에도 퀀텀 프로그램을 계속하고 과거 결과를 검토할 수 있습니다. `job_id` 방법을 통해 프로그래밍 방식으로 작업의 ID를 가져오거나 [워크로드 페이지에서](/workloads) 제출된 모든 작업과 해당 작업의 ID를 확인할 수 있습니다.\n", "\n", "프로그래밍 방식으로 일자리를 찾으려면 [`QiskitRuntimeService.jobs`](/docs/api/qiskit-ibm-runtime/qiskit-runtime-service#jobs) 메서드를 사용하세요. 기본적으로 가장 최근에 제출된 작업이 반환되지만 백엔드 이름, 생성 날짜 등을 기준으로 작업을 필터링할 수도 있습니다. 다음 셀은 지난 3개월 동안 제출된 모든 작업을 찾습니다. `created_after` 인수는 [`datetime.datetime`](https://docs.python.org/3.8/library/datetime.html#datetime.datetime) 객체여야 합니다.\n", "\n" ] }, { "cell_type": "code", "execution_count": 1, "id": "bd46b47b-e9ff-4da3-9ded-30dd3baee7c0", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "[,\n", " ,\n", " ]" ] }, "execution_count": 1, "metadata": {}, "output_type": "execute_result" } ], "source": [ "import datetime\n", "from qiskit_ibm_runtime import QiskitRuntimeService\n", "\n", "three_months_ago = datetime.datetime.now() - datetime.timedelta(days=90)\n", "\n", "service = QiskitRuntimeService()\n", "jobs_in_last_three_months = service.jobs(created_after=three_months_ago)\n", "jobs_in_last_three_months[:3] # show first three jobs" ] }, { "cell_type": "markdown", "id": "418755af-ddf1-4702-9c83-df23d29982f3", "metadata": {}, "source": [ "백엔드, 작업 상태, 세션 등을 기준으로 선택할 수도 있습니다. 자세한 내용은 [`QiskitRuntimeService.jobs`](/docs/api/qiskit-ibm-runtime/qiskit-runtime-service#jobs) 를 참조하세요.\n", "\n", "작업 ID가 있으면 [`QiskitRuntimeService.job`](/docs/api/qiskit-ibm-runtime/qiskit-runtime-service#job) 메서드를 사용하여 검색합니다.\n", "\n" ] }, { "cell_type": "code", "execution_count": 2, "id": "bd1fc5a5-ad29-4805-91e5-fe70cdbc4540", "metadata": { "tags": [ "ignore-warnings" ] }, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "d762omnq1anc738d2cj0\n" ] } ], "source": [ "# Get ID of most recent successful job for demonstration.\n", "# This will not work if you've never successfully run a job.\n", "successful_job = next(\n", " j for j in service.jobs(limit=1000) if j.status() == \"DONE\"\n", ")\n", "job_id = successful_job.job_id()\n", "print(job_id)" ] }, { "cell_type": "code", "execution_count": 3, "id": "850780cc-4c91-4eec-9d46-2b2cbcd9157e", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "PrimitiveResult([SamplerPubResult(data=DataBin(meas=BitArray()), metadata={'circuit_metadata': {}})], metadata={'execution': {'execution_spans': ExecutionSpans([DoubleSliceSpan()])}, 'version': 2})" ] }, "execution_count": 3, "metadata": {}, "output_type": "execute_result" } ], "source": [ "retrieved_job = service.job(job_id)\n", "retrieved_job.result()" ] }, { "cell_type": "markdown", "id": "f3bccdba-29c5-405b-96e2-65f4fe4ffadd", "metadata": {}, "source": [ "\n", "\n", "## 결과를 디스크에 저장\n", "\n", "결과를 디스크에 저장하고 싶을 수도 있습니다. 이를 위해 Python 의 내장 JSON 라이브러리와 `qiskit-ibm-runtime`.의 인코더를 사용하십시오.\n", "\n" ] }, { "cell_type": "code", "execution_count": 4, "id": "1892f8f7-ff0f-4ed2-bba9-a336c23315af", "metadata": {}, "outputs": [], "source": [ "import json\n", "from qiskit_ibm_runtime import RuntimeEncoder\n", "\n", "with open(\"result.json\", \"w\") as file:\n", " json.dump(retrieved_job.result(), file, cls=RuntimeEncoder)" ] }, { "cell_type": "markdown", "id": "8fdddde9-2c05-481b-84c8-d3b7fcf70120", "metadata": {}, "source": [ "그런 다음 별도의 커널에서 이 어레이를 디스크에서 로드할 수 있습니다.\n", "\n" ] }, { "cell_type": "code", "execution_count": 5, "id": "71d963dd-3b66-4226-be7b-c69bc89af28e", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "PrimitiveResult([SamplerPubResult(data=DataBin(meas=BitArray()), metadata={'circuit_metadata': {}})], metadata={'execution': {'execution_spans': ExecutionSpans([DoubleSliceSpan()])}, 'version': 2})" ] }, "execution_count": 5, "metadata": {}, "output_type": "execute_result" } ], "source": [ "from qiskit_ibm_runtime import RuntimeDecoder\n", "\n", "with open(\"result.json\", \"r\") as file:\n", " result = json.load(file, cls=RuntimeDecoder)\n", "\n", "result" ] }, { "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 }