{
"cells": [
{
"cell_type": "markdown",
"id": "8fe3ca32",
"metadata": {},
"source": [
"---\n",
"title: \"Systemhardware\"\n",
"description: \"In dieser Lektion wird moderne Quantencomputer-Hardware behandelt. Es basiert auf einem Live-Kurs, der an der Universität Tokio angeboten wird.\"\n",
"---\n",
"\n",
"\n",
"\n",
"# Systemhardware\n",
"\n",
"\n",
" Masao Tokunari und Tamiya Onodera (14. Juni 2024)\n",
"\n",
" Dieser Kurs basiert auf einem Live-Kurs an der Universität von Tokio.\n",
"\n",
" Die pdf-Vorlesung dieser Lektion wurde in zwei Teile aufgeteilt. [Download Teil 1](https://ibm.ent.box.com/public/static/ruz8wf353hncenmaywjlfjilflaumnzt.zip) und [Download Teil 2](https://ibm.ent.box.com/public/static/tg8vv00ern2bmxmm033xt9oe0fcvwamc.zip). Beachten Sie, dass einige Codeschnipsel veraltet sein könnten, da es sich um statische Bilder handelt.\n",
"\n",
"\n"
]
},
{
"cell_type": "markdown",
"id": "e0cf0747",
"metadata": {},
"source": [
"\n",
"\n",
"## 1. Einführung\n",
"\n",
"Diese Lektion beschäftigt sich mit moderner Quantencomputer-Hardware.\n",
"\n",
"Wir beginnen damit, einige Versionen zu überprüfen und einige relevante Pakete zu importieren.\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": 1,
"id": "798d0ab4-34f5-4c64-83f0-02ef5149e6f3",
"metadata": {},
"outputs": [],
"source": [
"import statistics\n",
"\n",
"from qiskit_ibm_runtime import QiskitRuntimeService"
]
},
{
"cell_type": "markdown",
"id": "2cc2f2a3-947f-439b-b683-911539f1e6f2",
"metadata": {},
"source": [
"\n",
"\n",
"## 2. Backend und Ziel\n",
"\n",
"Qiskit bietet eine API, um statische und dynamische Informationen über ein Quantengerät zu erhalten. Wir verwenden eine Backend-Instanz als Schnittstelle zu einem Gerät, das eine Target-Instanz enthält, ein abstraktes Maschinenmodell, das die relevanten Merkmale wie die Befehlssatzarchitektur (ISA) und alle damit verbundenen Eigenschaften oder Beschränkungen zusammenfasst.\n",
"Lassen Sie uns diese Backend-Instanzen verwenden, um einige der Informationen zu erhalten, die Sie auf der Seite [Compute-Ressourcen](/computers) auf IBM Quantum® Platform sehen. Zunächst erstellen wir eine Backend-Instanz für ein Gerät von Interesse. Im Folgenden wählen wir \"ibm\\_kyoto\", \"ibm\\_kawasaki\" oder den am wenigsten ausgelasteten Eagle-Rechner. Ihr Zugang zu QPUs kann sich unterscheiden; aktualisieren Sie den Backend-Namen entsprechend.\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "b92ad1bf-6ad4-420c-8a3a-5bfc488d5923",
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"'ibm_strasbourg'"
]
},
"execution_count": 5,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"service = QiskitRuntimeService()\n",
"# backend = service.backend(\"ibm_kawasaki\") # an Eagle, if you have access to ibm_kawasaki\n",
"backend = service.least_busy(\n",
" operational=True, simulator=False, min_num_qubits=127\n",
") # Eagle\n",
"backend.name"
]
},
{
"cell_type": "markdown",
"id": "c082da02-fcc5-4506-b4fe-9015e99e63dc",
"metadata": {},
"source": [
"Wir beginnen mit einigen grundlegenden (statischen) Informationen über das Gerät.\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": 6,
"id": "33c39786-d44a-47bb-8245-72eb6b97e394",
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"\n",
"ibm_strasbourg, 127 qubits\n",
"processor type = {'family': 'Eagle', 'revision': 3} \n",
"basis gates = ['ecr', 'id', 'rz', 'sx', 'x']\n",
"\n"
]
}
],
"source": [
"print(\n",
" f\"\"\"\n",
"{backend.name}, {backend.num_qubits} qubits\n",
"processor type = {backend.processor_type}\n",
"basis gates = {backend.basis_gates}\n",
"\"\"\"\n",
")"
]
},
{
"cell_type": "markdown",
"id": "31675447-1a26-4168-a038-09cc7535e037",
"metadata": {},
"source": [
"\n",
"\n",
"### 2.1 Übung\n",
"\n",
"Versuchen Sie, die grundlegenden Informationen über ein Heron-Gerät, \"ibm\\_strasbourg\", zu erhalten. Probieren Sie es selbst aus, aber wir haben unten einen Code eingefügt, den Sie selbst überprüfen können.\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "f29afd7e-af40-4cd5-bc0e-a864663a616d",
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"\n",
"ibm_strasbourg, 133 qubits\n",
"processor type = {'family': 'Heron', 'revision': '1'} \n",
"basis gates = ['cz', 'id', 'rz', 'sx', 'x']\n",
"\n"
]
}
],
"source": [
"a_heron = service.backend(\"ibm_strasbourg\") # a Heron\n",
"\n",
"# your code here\n",
"print(\n",
" f\"\"\"\n",
"{backend.name}, {a_heron.num_qubits} qubits\n",
"processor type = {a_heron.processor_type}\n",
"basis gates = {a_heron.basis_gates}\n",
"\"\"\"\n",
")"
]
},
{
"cell_type": "markdown",
"id": "08fef064-3fc6-4c27-9288-a2e3aa7f5d08",
"metadata": {},
"source": [
"\n",
"\n",
"### 2.2 Kopplungskarte\n",
"\n",
"Wir zeichnen nun die Kopplungskarte des Geräts. Wie Sie sehen können, sind die Knoten Qubits, die nummeriert sind. Die Kanten zeigen Paare an, auf die man das 2-Qubit-Verschränkungsgatter direkt anwenden kann. Die Topologie wird als \"Heavy-Hex-Gitter\" bezeichnet.\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "51b87458-a5e8-4e77-a34d-39fe425a5f01",
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
""
]
},
"execution_count": 8,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"# This function requires that Graphviz is installed. If you need to install Graphviz\n",
"# you can refer to:\n",
"# https://graphviz.org/download/#executable-packages for instructions.\n",
"try:\n",
" fig = backend.coupling_map.draw()\n",
"except RuntimeError as ex:\n",
" print(ex)\n",
"fig"
]
},
{
"cell_type": "markdown",
"id": "881a5350-282c-4a89-b9e2-ac6bf61c6571",
"metadata": {},
"source": [
"\n",
"\n",
"## 3. Eigenschaften von Qubits\n",
"\n",
"Das Eagle-Gerät hat 127 Qubits. Wir wollen die Eigenschaften einiger von ihnen kennenlernen.\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": 9,
"id": "9bcb9ce2-5ea8-487b-a7ac-a2956e8cbc34",
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"0: QubitProperties(t1=0.000183686508736532, t2=0.00023613944465408068, frequency=4832100227.116953)\n",
"1: QubitProperties(t1=0.00048794378526038294, t2=9.007098375327869e-05, frequency=4736264354.075363)\n",
"2: QubitProperties(t1=0.00021247781834456527, t2=7.81037910324034e-05, frequency=4859349851.150393)\n",
"3: QubitProperties(t1=0.0002936462084765663, t2=0.00011400214529510604, frequency=4679749549.503852)\n",
"4: QubitProperties(t1=0.00044229440258559125, t2=0.0003181648356339447, frequency=4845872064.050596)\n"
]
}
],
"source": [
"for qn in range(backend.num_qubits):\n",
" if qn >= 5:\n",
" break\n",
" print(f\"{qn}: {backend.qubit_properties(qn)}\")"
]
},
{
"cell_type": "markdown",
"id": "be601762",
"metadata": {},
"source": [
"Berechnen wir den Median der T1 -Zeiten der Qubits. Vergleichen Sie das Ergebnis mit dem, das für das Gerät auf [IBM Quantum Platform](/) angezeigt wird.\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": 10,
"id": "e8f398b2",
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"'Median T1: 285.43 μs'"
]
},
"execution_count": 10,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"t1s = [backend.qubit_properties(qq).t1 for qq in range(backend.num_qubits)]\n",
"f\"Median T1: {(statistics.median(t1s)*10**6):.2f} \\u03bcs\""
]
},
{
"cell_type": "markdown",
"id": "01695904-2cb2-4f1d-9396-82cc94429d81",
"metadata": {},
"source": [
"\n",
"\n",
"### 3.1 Übung\n",
"\n",
"Berechnen Sie bitte den Median der T2 Zeiten der Qubits. Probieren Sie es selbst aus, aber wir haben unten einen Code eingefügt, den Sie selbst überprüfen können.\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": 11,
"id": "49fbe7a4-3dea-442f-ae3f-e82df93d406a",
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"'Median T2: 173.10 μs'"
]
},
"execution_count": 11,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"# Your code here\n",
"\n",
"t2s = [backend.qubit_properties(qq).t2 for qq in range(backend.num_qubits)]\n",
"f\"Median T2: {(statistics.median(t2s)*10**6):.2f} \\u03bcs\""
]
},
{
"cell_type": "markdown",
"id": "7bdf8873-359e-4b03-98af-ede989a4a96d",
"metadata": {},
"source": [
"\n",
"\n",
"### 3.2 Gate- und Auslesefehler\n",
"\n",
"Wir wenden uns nun den Torfehlern zu. Zu Beginn untersuchen wir die Datenstruktur der Zielinstanz. Es ist ein Wörterbuch, dessen Schlüssel die Namen der Operationen sind.\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": 12,
"id": "c9188662",
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"dict_keys(['measure', 'id', 'sx', 'delay', 'x', 'for_loop', 'rz', 'if_else', 'ecr', 'reset', 'switch_case'])"
]
},
"execution_count": 12,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"target = backend.target\n",
"target.keys()"
]
},
{
"cell_type": "markdown",
"id": "46e3a8ac-65dc-4973-bd72-820676727f4e",
"metadata": {},
"source": [
"Seine Werte sind ebenfalls Wörterbücher. Schauen wir uns einige der Elemente des Wertes (Wörterbuch) für die Operation \"sx\" an.\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": 13,
"id": "c9b30ede-c00f-4e18-bb72-3bfc06e6afa5",
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"0 (0,) InstructionProperties(duration=6e-08, error=0.0007401311759115297)\n",
"1 (1,) InstructionProperties(duration=6e-08, error=0.0003163759907528654)\n",
"2 (2,) InstructionProperties(duration=6e-08, error=0.0003183859004638003)\n",
"3 (3,) InstructionProperties(duration=6e-08, error=0.00042235914178831863)\n",
"4 (4,) InstructionProperties(duration=6e-08, error=0.011163151923589715)\n"
]
}
],
"source": [
"for i, qq in enumerate(target[\"sx\"]):\n",
" if i >= 5:\n",
" break\n",
" print(i, qq, target[\"sx\"][qq])"
]
},
{
"cell_type": "markdown",
"id": "5a322b40-bbf0-4b54-a151-9ba52f7bffe1",
"metadata": {},
"source": [
"Dasselbe gilt für die Operationen \"ecr\" und \"measure\".\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": 14,
"id": "f9cac843-4789-4ca3-84bd-0a4c165820a9",
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"0 (0, 14) InstructionProperties(duration=6.6e-07, error=0.01486295709788732)\n",
"1 (1, 0) InstructionProperties(duration=6.6e-07, error=0.015201590794522601)\n",
"2 (2, 1) InstructionProperties(duration=6.6e-07, error=0.00697838102630724)\n",
"3 (2, 3) InstructionProperties(duration=6.6e-07, error=0.008075067943986797)\n",
"4 (3, 4) InstructionProperties(duration=6.6e-07, error=0.0630164507876913)\n"
]
}
],
"source": [
"for i, edge in enumerate(target[\"ecr\"]):\n",
" if i >= 5:\n",
" break\n",
" print(i, edge, target[\"ecr\"][edge])"
]
},
{
"cell_type": "code",
"execution_count": 15,
"id": "af36138a",
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"0 (0,) InstructionProperties(duration=1.6e-06, error=0.0078125)\n",
"1 (1,) InstructionProperties(duration=1.6e-06, error=0.155029296875)\n",
"2 (2,) InstructionProperties(duration=1.6e-06, error=0.057373046875)\n",
"3 (3,) InstructionProperties(duration=1.6e-06, error=0.02880859375)\n",
"4 (4,) InstructionProperties(duration=1.6e-06, error=0.01318359375)\n"
]
}
],
"source": [
"for i, qq in enumerate(target[\"measure\"]):\n",
" if i >= 5:\n",
" break\n",
" print(i, qq, target[\"measure\"][qq])"
]
},
{
"cell_type": "markdown",
"id": "5d0c106a-3641-42ed-9230-7dc6dbd47252",
"metadata": {},
"source": [
"Wie Sie sehen können, sind die Fehler beim Auslesen tendenziell größer als die der 2-Qubit-Operation, die wiederum tendenziell größer sind als die der 1-Qubit-Operation.\n",
"\n",
"Nachdem wir die Datenstrukturen verstanden haben, können wir nun die Medianfehler für die „sx“- und die „ecr“-Gatter berechnen. Vergleichen Sie die Ergebnisse erneut mit denen, die für das Gerät auf [IBM Quantum Platform](/) angezeigt werden.\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": 16,
"id": "b239d726",
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"'Median SX error: 2.277e-04'"
]
},
"execution_count": 16,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"sx_errors = [inst_prop.error for inst_prop in target[\"sx\"].values()]\n",
"f\"Median SX error: {(statistics.median(sx_errors)):.3e}\""
]
},
{
"cell_type": "code",
"execution_count": 17,
"id": "8003f34b",
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"'Median ECR error: 6.895e-03'"
]
},
"execution_count": 17,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"ecr_errors = [inst_prop.error for inst_prop in target[\"ecr\"].values()]\n",
"f\"Median ECR error: {(statistics.median(ecr_errors)):.3e}\""
]
},
{
"cell_type": "markdown",
"id": "695ee4bd",
"metadata": {},
"source": [
"\n",
"\n",
"## 4. Anhang\n",
"\n"
]
},
{
"cell_type": "markdown",
"id": "b538e8b5",
"metadata": {},
"source": [
"Ein beliebtes Merkmal von Qiskit ist seine Visualisierungsfunktion. Es umfasst Schaltkreisvisualisierer, Zustands- und Verteilungsvisualisierer und Zielvisualisierer. Die ersten beiden haben Sie bereits in den vorherigen Jupyter-Notebooks verwendet. Lassen Sie uns einige Möglichkeiten des Zielvisualisierers nutzen.\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": 22,
"id": "97fead46",
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
""
]
},
"execution_count": 22,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"from qiskit.visualization import plot_gate_map\n",
"\n",
"plot_gate_map(backend, font_size=14)"
]
},
{
"cell_type": "code",
"execution_count": 23,
"id": "c9e05530",
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
""
]
},
"execution_count": 23,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"from qiskit.visualization import plot_error_map\n",
"\n",
"plot_error_map(backend)"
]
},
{
"cell_type": "code",
"execution_count": 24,
"id": "22a48124-e6b4-4144-bee1-f01fa4c7ccbb",
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"'2.0.2'"
]
},
"execution_count": 24,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"# Check Qiskit version\n",
"import qiskit\n",
"\n",
"qiskit.__version__"
]
},
{
"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"
},
"widgets": {
"application/vnd.jupyter.widget-state+json": {
"state": {},
"version_major": 2,
"version_minor": 0
}
}
},
"nbformat": 4,
"nbformat_minor": 5
}