{
"cells": [
{
"cell_type": "markdown",
"id": "2ee21f3f-2a40-486f-9721-d8a358a87aa1",
"metadata": {},
"source": [
"---\n",
"title: \"Introdução ao Qiskit Functions\"\n",
"description: \"Explore IBM Qiskit Functions Catalog, serviços de função de circuito abstrato e função de aplicação projetados para acelerar a pesquisa e a prototipagem de aplicações.\"\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",
"# Introdução ao Qiskit Functions\n",
"\n",
"\n",
" * As funções do Qiskit são um recurso experimental disponível apenas para usuários dos planos IBM Quantum® Premium Plan, Flex Plan e On-Prem (via IBM Quantum Platform API). Eles estão no status de versão prévia e estão sujeitos a alterações.\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": [
"O Qiskit Functions simplifica e acelera a descoberta de algoritmos em escala de utilidade e o desenvolvimento de aplicativos, abstraindo partes do fluxo de trabalho de desenvolvimento de software quântico. Dessa forma, o Qiskit Functions libera o tempo normalmente gasto na escrita manual de códigos e no ajuste fino de experimentos.\n",
"\n",
" As funções vêm em duas formas:\n",
"\n",
"| Tipo | O que ele faz? | Exemplo de entradas e saídas | A quem se destina? |\n",
"| -------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n",
"| Função do circuito | Interface simplificada para executar circuitos. Transpilação de resumos, supressão de erros e mitigação de erros | **Entrada**: Objetos abstratos `PUB`
**Saída**: Valores de expectativa mitigados | Pesquisadores que usam o Qiskit para descobrir novos algoritmos e aplicativos, sem precisar se concentrar na otimização do hardware ou no tratamento de erros. As funções de circuito podem ser usadas para criar funções de aplicativo personalizadas. |\n",
"| Função do aplicativo | Abrange tarefas de nível superior, como explorar algoritmos e casos de uso específicos do domínio. Resumos fluxo de trabalho quântico para resolver tarefas, com entradas e saídas clássicas | **Entrada**: Moléculas, gráficos
**Output**: Energia do estado fundamental + excitado, valores ideais para a função de custo | Pesquisadores em domínios não quânticos, integrando o quantum aos fluxos de trabalho clássicos existentes em larga escala, sem a necessidade de mapear dados clássicos para circuitos quânticos. |\n",
"\n"
]
},
{
"cell_type": "markdown",
"id": "5e5b0531-f286-4573-8b1e-664ca5496d2d",
"metadata": {},
"source": [
"As funções são fornecidas pela IBM® e por parceiros terceirizados. Cada um tem desempenho para características específicas de carga de trabalho e possui opções exclusivas de ajuste de desempenho.\n",
"\n",
"\n",
"\n",
"## Visão geral das funções disponíveis\n",
"\n",
"\n",
"\n",
"\n",
"\n",
"### Funções do circuito\n",
"\n",
"| Nome | Provedor | Uso recomendado | Benefícios exclusivos |\n",
"| ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | --------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n",
"| [Gu](/docs/guides/algorithmiq-tem)[ ia de mitigação](/docs/api/functions/algorithmiq-tem)
de erros em redes tensoriais — Referência da API | Algoritmo | Cargas de trabalho com observáveis de baixo peso e circuitos sem loops. | Reduz a sobrecarga e a variação das medições, superando as linhas de base padrão de mitigação de erros, como a Extrapolacão de Ruído Zero (ZNE) e o Cancelamento de Erros Probabilísticos (PEC) para classes de circuitos relevantes. |\n",
"| QESEM: Supressão e
[mit](/docs/guides/qedma-qesem)[ iga](/docs/api/functions/qedma-qesem) ção de erros — Guia de referência da API | Qedma | Cargas de trabalho que incluem circuitos com portas fracionárias ou parametrizadas, observáveis de alto peso e fluxos de trabalho que exigem valores de expectativa imparciais e estimativas precisas de tempo de execução. | Produz valores de expectativa imparciais com menor variância e sobrecarga de recursos, superando o ZNE e o PEC para classes de circuitos relevantes. |\n",
"| [Gu](/docs/guides/q-ctrl-performance-management)
[ia de gerenciamento](/docs/api/functions/q-ctrl-performance-management) de desempenho – Referência da API | Q-CTRL | Cargas de trabalho que contêm circuitos paramétricos, circuitos profundos ou exigem muitas execuções de circuitos. | Aplica automaticamente a supressão de erros impulsionada por IA aos algoritmos quânticos, maximizando o desempenho dos dispositivos IBM para fornecer resultados precisos, reduzindo o número de tentativas, o tempo de computação e o custo necessário.
Método sem sobrecarga que melhora a precisão de execução das primitivas Sampler e Estimator, compatível com qualquer peso de observáveis. |\n",
"\n",
"\n",
"\n",
"\n",
"\n",
"### Funções do aplicativo\n",
"\n",
"| Nome | Provedor | Uso recomendado | Benefícios exclusivos |\n",
"| --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------------------------ | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n",
"| [Referência](/docs/api/functions/colibritd-pde) [da](/docs/guides/colibritd-pde) API do
QUICK-PDEGuide | ColibriTD | Use a computação quântica para equações diferenciais parciais multifísicas.
Prepare fluxos de trabalho de simulação para hardware quântico, mantendo controle total sobre os parâmetros de modelagem quântica e física. | Oferece uma estrutura VQA híbrida robusta que fornece soluções PDE precisas e escaláveis por meio de codificação avançada de soluções e métodos espectrais, tornando-a um ponto de entrada ideal para equipes que buscam desenvolver recursos de simulação preparados para a tecnologia quântica. |\n",
"|
[Gu](/docs/guides/global-data-quantum-optimizer)[ ia](/docs/api/functions/global-data-quantum-optimizer)
do Quantum Portfolio Optimizer – Referência da API | Quantum de dados globais | Cargas de trabalho para otimização financeira, buscando estratégias de portfólio ideais ao longo do tempo, minimizando riscos e maximizando retornos, permitindo o backtesting de estratégias de negociação. | Resolve problemas de otimização combinatória por meio de uma adaptação altamente especializada do algoritmo quântico VQE para este caso de uso financeiro, utilizando estratégias de execução otimizadas e otimizadores, juntamente com técnicas de mitigação de erros sensíveis ao ruído, adaptadas à otimização de portfólios. |\n",
"| [Referência](/docs/api/functions/qunova-chemistry) [da API do](/docs/guides/qunova-chemistry) ChemistryGuide
da HI-VQE | Computação Qunova | Cargas de trabalho em química computacional, simulação molecular, ciência dos materiais ou qualquer simulação hamiltoniana que exija a resolução de problemas de estrutura eletrônica de muitos corpos. | Resolve estruturas eletrônicas moleculares usando SQD aprimorado com precisão química (1 kcal/mol, 1.6 mHa ) para problemas modelados com 40 a 60 qubits, superando algumas soluções clássicas em supercomputadores ou SQD padrão em velocidade de convergência ou precisão, respectivamente, em ordens de magnitude. |\n",
"| [Referência](/docs/api/functions/kipu-optimization)
[da API](/docs/guides/kipu-optimization) do Iskay Quantum OptimizerGuide | Kipu Quantum | Otimização de cargas de trabalho, como programação, logística, roteirização e problemas QUBO/HUBO.
| Métodos clássicos integrados e ajustáveis de pré e pós-processamento para a rotina de otimização quântica.
Oferece vantagem de tempo de execução em relação aos solucionadores clássicos (CPLEX, recozimento simulado e pesquisa tabu) em benchmarks HUBO selecionados.
Market Split `ms_5_100`, um desafio difícil, resolvido em poucas horas (veja [este tutorial](/docs/tutorials/solve-market-split-problem-with-iskay-quantum-optimizer) ). |\n",
"| Singularity Machine Learning
[Gu](/docs/guides/multiverse-computing-singularity)
[ia de referência da API](/docs/api/functions/multiverse-computing-singularity) | Computação Multiverso | Fluxos de trabalho clássicos de classificação de aprendizado de máquina que poderiam se beneficiar de maior precisão ou eficiência computacional, aproveitando a otimização quântica executada em um hardwar IBM. | Oferece precisão comparável ou superior a modelos clássicos, como Random Forest ou XGBoost, ao mesmo tempo em que opera com um número significativamente menor de aprendizes e um conjunto mais compacto.
Alimentado por votação otimizada quântica, ele seleciona os aprendizes mais informativos e refina os limites de decisão, resultando em maior eficiência, complexidade reduzida do modelo e desempenho mais robusto. |\n",
"| [Referência](/docs/api/functions/q-ctrl-optimization-solver) [da](/docs/guides/q-ctrl-optimization-solver) API do
SolverGuide de otimização | Q-CTRL | Problemas de otimização binária ou qualquer problema combinatório que possa ser mapeado para uma função de custo binária.
São suportadas funções de custo de qualquer ordem e tamanhos de problema até a escala máxima do dispositivo. | Solução de otimização quântica ponta a ponta, sensível ao ruído, que permite entradas de definições de problemas de alto nível e encontra automaticamente soluções precisas para problemas combinatórios classicamente desafiadores em hardware quântico em escala utilitária.
Ele abstrai a complexidade ao lidar com supressão de erros, mapeamento eficiente e otimização híbrida quântica-clássica para resolver tarefas de otimização em escala total do dispositivo, sem profundo conhecimento em quântica. |\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
}