{ "cells": [ { "cell_type": "markdown", "id": "797fe94d-93a3-4a7b-8d60-0706d5ab21d5", "metadata": {}, "source": [ "---\n", "title: \"Compare as configurações do transpiler\"\n", "description: \"explore o fluxo de trabalho de transpilagem ao longo de todo o processo de criação, transpilagem e envio de circuitos.\"\n", "---\n", "\n", "\n", "\n", "# Compare as configurações do transpiler\n", "\n" ] }, { "cell_type": "markdown", "id": "d403684a-9dc5-433b-a788-789881878d6c", "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", " O código desta página foi desenvolvido com base nos seguintes requisitos.\n", " Recomendamos usar essas versões ou versões mais recentes.\n", "\n", " ```\n", " qiskit[all]~=2.5.0\n", " qiskit-ibm-runtime~=0.47.0\n", " ```\n", " \n", "\n", "\n" ] }, { "cell_type": "markdown", "id": "a6affcc2-72f4-4f06-8c4c-fc52715b0285", "metadata": {}, "source": [ "Diferentes configurações do transpilador proporcionam diferentes tipos de otimização ao circuito, muitas vezes em detrimento de um tempo de processamento clássico mais longo. Este guia orienta o usuário por todo o processo de criação, transpilagem e envio de circuitos, a fim de demonstrar como testar o desempenho de várias configurações.\n", "\n", "Observe que a mesma configuração pode melhorar os resultados de um circuito, mas prejudicar outro. Certifique-se de verificar os circuitos transpilados resultantes antes de executá-los em hardware real.\n", "\n" ] }, { "cell_type": "markdown", "id": "39f9c961-c52d-46fc-a2aa-464462474b56", "metadata": {}, "source": [ "\n", "\n", "## Configurar e criar um circuito de exemplo\n", "\n" ] }, { "cell_type": "code", "execution_count": 1, "id": "790b4934-ae24-4e69-be9f-d82ae639a5e6", "metadata": {}, "outputs": [], "source": [ "# Create circuit to test transpiler on\n", "from qiskit import QuantumCircuit\n", "from qiskit.transpiler.preset_passmanagers import generate_preset_pass_manager\n", "from qiskit.circuit.library import grover_operator, DiagonalGate\n", "\n", "# Use Statevector object to calculate the ideal output\n", "from qiskit.quantum_info import Statevector\n", "from qiskit.visualization import plot_histogram\n", "from qiskit.transpiler import PassManager\n", "\n", "from qiskit.circuit.library import XGate\n", "from qiskit.quantum_info import hellinger_fidelity" ] }, { "cell_type": "markdown", "id": "fe0a4958-b406-4fe4-9415-38a772ad152c", "metadata": {}, "source": [ "Crie um pequeno circuito para o transpiler tentar otimizar. Este exemplo cria um circuito que executa o algoritmo de Grover com um oráculo que marca o estado `111`. Em seguida, simule a distribuição ideal (o que você esperaria medir se executasse isso em um computador quântico perfeito um número infinito de vezes) para comparação posterior.\n", "\n" ] }, { "cell_type": "code", "execution_count": 2, "id": "4ac958d4-b9b5-4939-a359-a9edca7ddb6a", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "\"Output" ] }, "execution_count": 2, "metadata": {}, "output_type": "execute_result" } ], "source": [ "oracle = DiagonalGate([1] * 7 + [-1])\n", "qc = QuantumCircuit(3)\n", "qc.h([0, 1, 2])\n", "qc = qc.compose(grover_operator(oracle))\n", "\n", "qc.draw(output=\"mpl\", style=\"iqp\")" ] }, { "cell_type": "code", "execution_count": 3, "id": "6313186e-bc40-432e-9ada-8594d6a26d55", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "\"Output" ] }, "execution_count": 3, "metadata": {}, "output_type": "execute_result" } ], "source": [ "ideal_distribution = Statevector.from_instruction(qc).probabilities_dict()\n", "\n", "plot_histogram(ideal_distribution)" ] }, { "cell_type": "markdown", "id": "964ca1e0-d1c9-40ed-bcf1-babc50f847ed", "metadata": {}, "source": [ "\n", "\n", "## Transpilar\n", "\n", "Em seguida, transpilem os circuitos para a QPU. Você irá comparar o desempenho do transpiler com `optimization_level` definido como `0` (mais baixo) em relação a `3` (mais alto). O nível mais baixo de otimização faz o mínimo necessário para que o circuito funcione no dispositivo; ele mapeia os qubits do circuito para os qubits do dispositivo e adiciona portas de troca para permitir todas as operações de dois qubits. O nível mais alto de otimização é muito mais inteligente e usa vários truques para reduzir a contagem geral de portas. Como os portões multi-qubit apresentam altas taxas de erro e os qubits se descoerem com o tempo, os circuitos mais curtos devem proporcionar melhores resultados.\n", "\n", "\n", " Este exemplo utiliza o hardwar IBM Quantum®, mas você pode testá-lo em qualquer QPU compatível com o Qiskit. Seus resultados podem ser diferentes.\n", "\n", "\n", "A célula a seguir transpila `qc` para ambos os valores de `optimization_level`, imprime o número de portas de dois qubits e adiciona os circuitos transpilos a uma lista. Alguns dos algoritmos do transpiler são aleatórios, por isso define uma semente para garantir a reprodutibilidade.\n", "\n" ] }, { "cell_type": "code", "execution_count": 4, "id": "61181ac0-3f89-417f-a31e-9430f63e670b", "metadata": {}, "outputs": [], "source": [ "# Use Qiskit Runtime to run jobs on hardware\n", "from qiskit_ibm_runtime import (\n", " QiskitRuntimeService,\n", " SamplerV2 as Sampler,\n", ")" ] }, { "cell_type": "code", "execution_count": 5, "id": "c3062a60-1cdc-46e7-8eb3-efc62a1396bd", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "'ibm_marrakesh'" ] }, "execution_count": 5, "metadata": {}, "output_type": "execute_result" } ], "source": [ "# Select the backend with the fewest number of jobs in the queue\n", "service = QiskitRuntimeService()\n", "backend = service.least_busy(\n", " operational=True, simulator=False, min_num_qubits=127\n", ")\n", "backend.name" ] }, { "cell_type": "code", "execution_count": 6, "id": "2a3ebe8c-e47d-4440-b004-f47f6af826f0", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Two-qubit gates (optimization_level=0): 21\n", "Two-qubit gates (optimization_level=3): 12\n" ] } ], "source": [ "# Need to add measurements to the circuit\n", "qc.measure_all()\n", "\n", "# Find the correct two-qubit gate\n", "twoQ_gates = set([\"ecr\", \"cz\", \"cx\"])\n", "for gate in backend.basis_gates:\n", " if gate in twoQ_gates:\n", " twoQ_gate = gate\n", "\n", "circuits = []\n", "for optimization_level in [0, 3]:\n", " pm = generate_preset_pass_manager(\n", " optimization_level, backend=backend, seed_transpiler=0\n", " )\n", " t_qc = pm.run(qc)\n", " print(\n", " f\"Two-qubit gates (optimization_level={optimization_level}): \",\n", " t_qc.count_ops()[twoQ_gate],\n", " )\n", " circuits.append(t_qc)" ] }, { "cell_type": "markdown", "id": "99928d6b-a7e7-40c9-b59c-104fc430b57c", "metadata": {}, "source": [ "Como os CNOTs geralmente apresentam uma alta taxa de erros, o circuito transposto com `optimization_level=3` deve ter um desempenho muito melhor.\n", "\n", "Outra maneira de melhorar o desempenho é por meio [do desacoplamento dinâmico](/docs/api/qiskit/qiskit.transpiler.passes.PadDynamicalDecoupling), aplicando uma sequência de portas aos qubits em repouso. Isso elimina algumas interações indesejadas com o ambiente. A célula a seguir adiciona desacoplamento dinâmico ao circuito compilado com `optimization_level=3` e o adiciona à lista.\n", "\n" ] }, { "cell_type": "code", "execution_count": 7, "id": "b20ebca3-4adb-4a95-9f6a-bb4cbd836daf", "metadata": {}, "outputs": [], "source": [ "from qiskit_ibm_runtime.transpiler.passes.scheduling import (\n", " ASAPScheduleAnalysis,\n", " PadDynamicalDecoupling,\n", ")\n", "\n", "# Get gate durations so the transpiler knows how long each operation takes\n", "durations = backend.target.durations()\n", "\n", "# This is the sequence we'll apply to idling qubits\n", "dd_sequence = [XGate(), XGate()]\n", "\n", "# Run scheduling and dynamic decoupling passes on circuit\n", "pm = PassManager(\n", " [\n", " ASAPScheduleAnalysis(durations),\n", " PadDynamicalDecoupling(durations, dd_sequence),\n", " ]\n", ")\n", "circ_dd = pm.run(circuits[1])\n", "\n", "# Add this new circuit to our list\n", "circuits.append(circ_dd)" ] }, { "cell_type": "code", "execution_count": 8, "id": "c1c91fbd-acfe-413e-a6c9-ad97f4dd5543", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "\"Output" ] }, "execution_count": 8, "metadata": {}, "output_type": "execute_result" } ], "source": [ "circ_dd.draw(output=\"mpl\", style=\"iqp\", idle_wires=False)" ] }, { "cell_type": "markdown", "id": "5bcc75c7-8af0-4862-8e3c-ec4d06aed1f1", "metadata": {}, "source": [ "\n", "\n", "## Faça o circuito\n", "\n", "Neste momento, você tem uma lista de circuitos compilados com diferentes configurações. Em seguida, execute esses circuitos usando a primitiva Sampler e salve os resultados em `result`.\n", "\n" ] }, { "cell_type": "code", "execution_count": 9, "id": "c1b36384-fd9b-4e24-a399-32d35fc6fa5b", "metadata": {}, "outputs": [], "source": [ "sampler = Sampler(backend)\n", "job = sampler.run(\n", " [(circuit) for circuit in circuits], # sample all three circuits\n", " shots=8000,\n", ")\n", "result = job.result()" ] }, { "cell_type": "markdown", "id": "c85b4da4-592f-45a6-87a2-a8f2d3415576", "metadata": {}, "source": [ "\n", "\n", "## Visualizar resultados\n", "\n", "Por fim, represente graficamente os resultados das medições do dispositivo em relação à distribuição ideal. É possível observar que os resultados com `optimization_level=3` estão mais próximos da distribuição ideal devido ao menor número de portas, e `optimization_level=3 + dd` está ainda mais próximo devido ao desacoplamento dinâmico.\n", "\n" ] }, { "cell_type": "code", "execution_count": 10, "id": "9e86132d-a8b2-40db-af42-53042dfa108b", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "\"Output" ] }, "execution_count": 10, "metadata": {}, "output_type": "execute_result" } ], "source": [ "binary_prob = [\n", " {\n", " k: v / res.data.meas.num_shots\n", " for k, v in res.data.meas.get_counts().items()\n", " }\n", " for res in result\n", "]\n", "plot_histogram(\n", " binary_prob + [ideal_distribution],\n", " bar_labels=False,\n", " legend=[\n", " \"optimization_level=0\",\n", " \"optimization_level=3\",\n", " \"optimization_level=3 + dd\",\n", " \"ideal distribution\",\n", " ],\n", ")" ] }, { "cell_type": "markdown", "id": "47a9eec8-7b31-4b2d-a291-559ddfd7a36b", "metadata": {}, "source": [ "Você pode confirmar isso calculando a [fidelidade de Hellinger](/docs/api/qiskit/quantum_info) entre cada conjunto de resultados e a distribuição ideal (quanto maior, melhor, e 1 é a fidelidade perfeita).\n", "\n" ] }, { "cell_type": "code", "execution_count": 11, "id": "d2b5e797-176b-48b9-ac2b-ba73abe9300f", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "0.982\n", "0.992\n", "0.995\n" ] } ], "source": [ "for prob in binary_prob:\n", " print(f\"{hellinger_fidelity(prob, ideal_distribution):.3f}\")" ] }, { "cell_type": "markdown", "id": "1b5b7bb9-eedb-45eb-a4cf-9b7708cbbb3e", "metadata": {}, "source": [ "\n", "\n", "## Próximas etapas\n", "\n", "\n", " * Explore alguns recursos avançados de transpilagem, tais como:\n", "\n", " * [Crie uma etapa personalizada do transpiler](/docs/guides/custom-transpiler-pass)\n", " * [Criar e compilar para backends personalizados](/docs/guides/custom-backend)\n", " * [Instalar e usar plug-ins de transpilador](/docs/guides/transpiler-plugins)\n", "\n", " * Confira os [tutoriais](/docs/tutorials) disponíveis.\n", "\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 }