{ "cells": [ { "cell_type": "markdown", "id": "fad91a68", "metadata": {}, "source": [ "---\n", "title: \"오류 완화\"\n", "description: \"이번 강의에서는 양자 컴퓨터에서 발생하는 노이즈와 이를 완화하는 방법을 살펴보겠습니다.\"\n", "---\n", "\n", "\n", "\n", "# 양자 잡음 및 오류 완화\n", "\n", "\n", " 토시나리 이토코 (2024년 6월 28일)\n", "\n", " 원본 강의의 [PDF를 다운로드하세요](https://ibm.ent.box.com/public/static/a0zgies7bh91hm2lwev9o0bfeybxc6n6.zip). 일부 코드 스니펫은 정적 이미지이므로 더 이상 사용되지 않을 수 있습니다.\n", "\n", " *이 실험을 실행하는 데 걸리는 대략적인 QPU 시간은 1m 40초입니다.*\n", "\n", "\n" ] }, { "cell_type": "markdown", "id": "e936adb0-bc31-41a8-b988-02ce7e68b902", "metadata": {}, "source": [ "\n", "\n", "## 1. 소개\n", "\n", "이 강의에서는 양자 컴퓨터에서 노이즈와 이를 완화할 수 있는 방법을 살펴봅니다. 실제 양자 컴퓨터의 노이즈 프로파일을 사용하는 등 몇 가지 방법으로 노이즈를 시뮬레이션할 수 있는 시뮬레이터를 사용하여 노이즈의 영향을 살펴보는 것으로 시작하겠습니다. 그런 다음 노이즈가 내재된 실제 양자 컴퓨터로 넘어가겠습니다. 영 노이즈 추정(ZNE) 및 게이트 트윌링 등의 조합을 포함한 오류 완화 효과를 살펴보겠습니다.\n", "\n", "몇 가지 패키지를 로드하는 것부터 시작하겠습니다.\n", "\n" ] }, { "cell_type": "code", "execution_count": 1, "id": "38cf024b", "metadata": {}, "outputs": [], "source": [ "# !pip install qiskit qiskit_aer qiskit_ibm_runtime\n", "# !pip install jupyter\n", "# !pip install matplotlib pylatexenc" ] }, { "cell_type": "code", "execution_count": 2, "id": "897008ea", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "'2.0.2'" ] }, "execution_count": 2, "metadata": {}, "output_type": "execute_result" } ], "source": [ "import qiskit\n", "\n", "qiskit.__version__" ] }, { "cell_type": "code", "execution_count": 3, "id": "486b4d35", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "'0.17.1'" ] }, "execution_count": 3, "metadata": {}, "output_type": "execute_result" } ], "source": [ "import qiskit_aer\n", "\n", "qiskit_aer.__version__" ] }, { "cell_type": "code", "execution_count": 4, "id": "994c44e5", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "'0.40.1'" ] }, "execution_count": 4, "metadata": {}, "output_type": "execute_result" } ], "source": [ "import qiskit_ibm_runtime\n", "\n", "qiskit_ibm_runtime.__version__" ] }, { "cell_type": "markdown", "id": "ee48a826-fda3-4fb4-b50b-d69c38eb887f", "metadata": { "editable": true, "slideshow": { "slide_type": "slide" }, "tags": [] }, "source": [ "\n", "\n", "## 2. 오류 완화 없는 시끄러운 시뮬레이션\n", "\n", "키스킷 에어는 양자 컴퓨팅을 위한 고전적인 시뮬레이터입니다. 양자 회로의 이상적인 실행뿐만 아니라 노이즈가 있는 실행도 시뮬레이션할 수 있습니다. 이 노트북은 키스킷 에어를 사용하여 노이즈 시뮬레이션을 실행하는 방법을 보여줍니다:\n", "\n", "1. 노이즈 모델 구축\n", "2. 노이즈 모델로 노이즈 샘플러(시뮬레이터) 구축하기\n", "3. 노이즈 샘플러에서 양자 회로 실행하기\n", "\n", "```\n", "noise_model = NoiseModel()\n", "...\n", "noisy_sampler = Sampler(options={\"backend_options\": {\"noise_model\": noise_model}})\n", "job = noisy_sampler.run([circuit])\n", "```\n", "\n" ] }, { "cell_type": "markdown", "id": "d1490ab8", "metadata": {}, "source": [ "\n", "\n", "### 2.1 시험 회로를 구축하십시오\n", "\n", "X 게이트를 `d` 번만 반복하는 장난감 1-큐비트 회로를 고려해 보겠습니다(`d`=0... 100)를 측정하고 `Z` 관찰 가능.\n", "\n" ] }, { "cell_type": "code", "execution_count": 5, "id": "b4863c66", "metadata": {}, "outputs": [ { "data": { "text/plain": [ " $\"Output$ " ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "from qiskit.circuit import QuantumCircuit\n", "\n", "MAX_DEPTH = 100\n", "circuits = []\n", "for d in range(MAX_DEPTH + 1):\n", " circ = QuantumCircuit(1)\n", " for _ in range(d):\n", " circ.x(0)\n", " circ.barrier(0)\n", " circ.measure_all()\n", " circuits.append(circ)\n", "\n", "display(circuits[3].draw(output=\"mpl\"))" ] }, { "cell_type": "code", "execution_count": 6, "id": "a366502c", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "SparsePauliOp(['Z'],\n", " coeffs=[1.+0.j])" ] }, "execution_count": 6, "metadata": {}, "output_type": "execute_result" } ], "source": [ "from qiskit.quantum_info import SparsePauliOp\n", "\n", "obs = SparsePauliOp.from_list([(\"Z\", 1.0)])\n", "obs" ] }, { "cell_type": "markdown", "id": "6200c2ed", "metadata": {}, "source": [ "\n", "\n", "### 2.2 소음 모델 구축\n", "\n", "노이즈 시뮬레이션을 수행하려면 `NoiseModel` 을 지정해야 합니다. 이 섹션에서는 `NoiseModel` 구축 방법을 설명합니다.\n", "\n" ] }, { "cell_type": "markdown", "id": "dae0c070", "metadata": {}, "source": [ "먼저 노이즈 모델에 추가할 양자(또는 판독) 오류를 정의해야 합니다.\n", "\n" ] }, { "cell_type": "code", "execution_count": 7, "id": "1e0f1c12", "metadata": {}, "outputs": [], "source": [ "from qiskit_aer.noise.errors import (\n", " coherent_unitary_error,\n", " amplitude_damping_error,\n", " ReadoutError,\n", ")\n", "from qiskit.circuit.library import RXGate\n", "\n", "# Coherent (unitary) error: Over X-rotation error\n", "# https://qiskit.github.io/qiskit-aer/stubs/qiskit_aer.noise.coherent_unitary_error.html#qiskit_aer.noise.coherent_unitary_error\n", "OVER_ROTATION_ANGLE = 0.05\n", "coherent_error = coherent_unitary_error(RXGate(OVER_ROTATION_ANGLE).to_matrix())\n", "\n", "# Incoherent error: Amplitude dumping error\n", "# https://qiskit.github.io/qiskit-aer/stubs/qiskit_aer.noise.amplitude_damping_error.html#qiskit_aer.noise.amplitude_damping_error\n", "AMPLITUDE_DAMPING_PARAM = 0.02 # in [0, 1] (0: no error)\n", "incoherent_error = amplitude_damping_error(AMPLITUDE_DAMPING_PARAM)\n", "\n", "# Readout (measurement) error: Readout error\n", "# https://qiskit.github.io/qiskit-aer/stubs/qiskit_aer.noise.ReadoutError.html#qiskit_aer.noise.ReadoutError\n", "PREP0_MEAS1 = 0.03 # P(1|0): Probability of preparing 0 and measuring 1\n", "PREP1_MEAS0 = 0.08 # P(0|1): Probability of preparing 1 and measuring 0\n", "readout_error = ReadoutError(\n", " [[1 - PREP0_MEAS1, PREP0_MEAS1], [PREP1_MEAS0, 1 - PREP1_MEAS0]]\n", ")" ] }, { "cell_type": "code", "execution_count": 8, "id": "e23c26ba", "metadata": {}, "outputs": [], "source": [ "from qiskit_aer.noise import NoiseModel\n", "\n", "noise_model = NoiseModel()\n", "noise_model.add_quantum_error(coherent_error.compose(incoherent_error), \"x\", (0,))\n", "noise_model.add_readout_error(readout_error, (0,))" ] }, { "cell_type": "markdown", "id": "5a786224", "metadata": {}, "source": [ "\n", "\n", "### 2.3 노이즈 모델을 사용한 노이즈 샘플러 구축\n", "\n" ] }, { "cell_type": "code", "execution_count": 9, "id": "f8aded6f", "metadata": {}, "outputs": [], "source": [ "from qiskit_aer.primitives import SamplerV2 as Sampler\n", "\n", "noisy_sampler = Sampler(options={\"backend_options\": {\"noise_model\": noise_model}})" ] }, { "cell_type": "markdown", "id": "922ba1ac", "metadata": {}, "source": [ "\n", "\n", "### 2.4 잡음이 있는 샘플러에서 양자 회로를 실행하다\n", "\n" ] }, { "cell_type": "code", "execution_count": 10, "id": "4ae504e7", "metadata": {}, "outputs": [], "source": [ "job = noisy_sampler.run(circuits, shots=400)" ] }, { "cell_type": "code", "execution_count": 11, "id": "3b2fff25", "metadata": {}, "outputs": [], "source": [ "result = job.result()" ] }, { "cell_type": "code", "execution_count": 12, "id": "4dc12337", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "{'0': 389, '1': 11}" ] }, "execution_count": 12, "metadata": {}, "output_type": "execute_result" } ], "source": [ "result[0].data.meas.get_counts()" ] }, { "cell_type": "markdown", "id": "7e654c5e", "metadata": {}, "source": [ "\n", "\n", "### 2.5 결과 플롯\n", "\n" ] }, { "cell_type": "code", "execution_count": null, "id": "1a25e394", "metadata": {}, "outputs": [], "source": [ "import matplotlib.pyplot as plt\n", "\n", "plt.title(\"Noisy simulation\")\n", "ds = list(range(MAX_DEPTH + 1))\n", "plt.plot(\n", " ds,\n", " [result[d].data.meas.expectation_values([\"Z\"]) for d in ds],\n", " color=\"gray\",\n", " linestyle=\"-\",\n", ")\n", "plt.scatter(ds, [result[d].data.meas.expectation_values([\"Z\"]) for d in ds], marker=\"o\")\n", "plt.hlines(0, xmin=0, xmax=MAX_DEPTH, colors=\"black\")\n", "plt.ylim(-1, 1)\n", "plt.xlabel(\"Circuit depth\")\n", "plt.ylabel(\"Measured \")\n", "plt.show()" ] }, { "cell_type": "markdown", "id": "09ef68bb", "metadata": {}, "source": [ "\n", "\n", "### 2.6 이상적인 시뮬레이션\n", "\n" ] }, { "cell_type": "code", "execution_count": 14, "id": "041abc81", "metadata": {}, "outputs": [ { "data": { "text/plain": [ " $\"Output$ " ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "ideal_sampler = Sampler()\n", "job_ideal = ideal_sampler.run(circuits)\n", "result_ideal = job_ideal.result()\n", "plt.title(\"Ideal simulation\")\n", "ds = list(range(MAX_DEPTH + 1))\n", "plt.plot(\n", " ds,\n", " [result_ideal[d].data.meas.expectation_values([\"Z\"]) for d in ds],\n", " color=\"gray\",\n", " linestyle=\"-\",\n", ")\n", "plt.scatter(\n", " ds, [result_ideal[d].data.meas.expectation_values([\"Z\"]) for d in ds], marker=\"o\"\n", ")\n", "plt.hlines(0, xmin=0, xmax=MAX_DEPTH, colors=\"black\")\n", "plt.xlabel(\"Circuit depth\")\n", "plt.ylabel(\"Measured \")\n", "plt.show()" ] }, { "cell_type": "markdown", "id": "a1e1b6e6", "metadata": {}, "source": [ "\n", "\n", "### 2.7 운동\n", "\n", "아래 코드를 조정하면 됩니다,\n", "\n", "* [ ] 25x 샷 수(= 10\\_000 샷)를 시도하고 더 부드러운 플롯을 얻을 수 있는지 확인합니다\n", "* [ ] 노이즈 매개변수(OVER\\_ROTATION\\_ANGLE, AMPLITUDE\\_DAMPING\\_PARAM, PREP0\\_MEAS1, 또는 PREP1\\_MEAS0 )를 변경하고 플롯이 어떻게 변화하는지 확인합니다\n", "\n" ] }, { "cell_type": "code", "execution_count": 15, "id": "502b9cfe", "metadata": {}, "outputs": [ { "data": { "text/plain": [ " $\"Output$ " ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "OVER_ROTATION_ANGLE = 0.05\n", "coherent_error = coherent_unitary_error(RXGate(OVER_ROTATION_ANGLE).to_matrix())\n", "AMPLITUDE_DAMPING_PARAM = 0.02 # in [0, 1] (0: no error)\n", "incoherent_error = amplitude_damping_error(AMPLITUDE_DAMPING_PARAM)\n", "PREP0_MEAS1 = 0.1 # P(1|0): Probability of preparing 0 and measuring 1\n", "PREP1_MEAS0 = 0.05 # P(0|1): Probability of preparing 1 and measuring 0\n", "readout_error = ReadoutError(\n", " [[1 - PREP0_MEAS1, PREP0_MEAS1], [PREP1_MEAS0, 1 - PREP1_MEAS0]]\n", ")\n", "noise_model = NoiseModel()\n", "noise_model.add_quantum_error(coherent_error.compose(incoherent_error), \"x\", (0,))\n", "noise_model.add_readout_error(readout_error, (0,))\n", "options = {\n", " \"backend_options\": {\"noise_model\": noise_model},\n", "}\n", "noisy_sampler = Sampler(options=options)\n", "job = noisy_sampler.run(circuits, shots=400)\n", "result = job.result()\n", "plt.title(\"Noisy simulation\")\n", "ds = list(range(MAX_DEPTH + 1))\n", "plt.plot(\n", " ds,\n", " [result[d].data.meas.expectation_values([\"Z\"]) for d in ds],\n", " marker=\"o\",\n", " linestyle=\"-\",\n", ")\n", "plt.hlines(0, xmin=0, xmax=MAX_DEPTH, colors=\"black\")\n", "plt.ylim(-1, 1)\n", "plt.xlabel(\"Depth\")\n", "plt.ylabel(\"Measured \")\n", "plt.show()" ] }, { "cell_type": "markdown", "id": "3cfe1a93", "metadata": {}, "source": [ "\n", "\n", "### 2.8 더 현실적인 잡음 시뮬레이션\n", "\n" ] }, { "cell_type": "code", "execution_count": null, "id": "8d607bb5", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "" ] }, "execution_count": 17, "metadata": {}, "output_type": "execute_result" } ], "source": [ "from qiskit_aer import AerSimulator\n", "from qiskit_ibm_runtime import SamplerV2 as Sampler, QiskitRuntimeService\n", "\n", "service = QiskitRuntimeService()\n", "real_backend = service.least_busy(\n", " operational=True, simulator=False, min_num_qubits=127\n", ") # Eagle" ] }, { "cell_type": "code", "execution_count": 19, "id": "81a67f2f", "metadata": {}, "outputs": [ { "data": { "text/plain": [ " $\"Output$ " ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "aer = AerSimulator.from_backend(real_backend)\n", "noisy_sampler = Sampler(mode=aer)\n", "job = noisy_sampler.run(circuits)\n", "result = job.result()\n", "plt.title(\"Noisy simulation with noise model from real backend\")\n", "ds = list(range(MAX_DEPTH + 1))\n", "plt.plot(\n", " ds,\n", " [result[d].data.meas.expectation_values([\"Z\"]) for d in ds],\n", " marker=\"o\",\n", " linestyle=\"-\",\n", ")\n", "plt.hlines(0, xmin=0, xmax=MAX_DEPTH, colors=\"black\")\n", "plt.ylim(-1, 1)\n", "plt.xlabel(\"Depth\")\n", "plt.ylabel(\"Measured \")\n", "plt.show()" ] }, { "cell_type": "markdown", "id": "567d30e9", "metadata": {}, "source": [ "\n", "\n", "## 3. 오류 완화 기능을 갖춘 실제 양자 계산\n", "\n", "이 파트에서는 키스킷 추정기를 사용하여 오류를 완화한 결과(기대값)를 얻는 방법을 설명합니다.\n", "1차원 아이싱 모델의 시간 진화를 시뮬레이션하기 위해 6큐비트 트로터화 회로를 고려하고, 시간 단계 수에 따라 오차가 어떻게 확장되는지 살펴봅니다.\n", "\n" ] }, { "cell_type": "code", "execution_count": 20, "id": "2d301499", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "" ] }, "execution_count": 20, "metadata": {}, "output_type": "execute_result" } ], "source": [ "backend = service.least_busy(\n", " operational=True, simulator=False, min_num_qubits=127\n", ") # Eagle\n", "backend" ] }, { "cell_type": "code", "execution_count": 21, "id": "6c90b89c", "metadata": {}, "outputs": [], "source": [ "NUM_QUBITS = 6\n", "NUM_TIME_STEPS = list(range(8))\n", "RX_ANGLE = 0.1\n", "RZZ_ANGLE = 0.1" ] }, { "cell_type": "markdown", "id": "b1489739", "metadata": {}, "source": [ "\n", "\n", "### 3.1 회로를 구축하다\n", "\n" ] }, { "cell_type": "code", "execution_count": 22, "id": "1a77956e", "metadata": {}, "outputs": [], "source": [ "# Build circuits with different number of time steps\n", "circuits = []\n", "for n_steps in NUM_TIME_STEPS:\n", " circ = QuantumCircuit(NUM_QUBITS)\n", " for i in range(n_steps):\n", " # rx layer\n", " for q in range(NUM_QUBITS):\n", " circ.rx(RX_ANGLE, q)\n", " # 1st rzz layer\n", " for q in range(1, NUM_QUBITS - 1, 2):\n", " circ.rzz(RZZ_ANGLE, q, q + 1)\n", " # 2nd rzz layer\n", " for q in range(0, NUM_QUBITS - 1, 2):\n", " circ.rzz(RZZ_ANGLE, q, q + 1)\n", " circ.barrier() # need not to optimize the circuit\n", " # Uncompute stage\n", " for i in range(n_steps):\n", " for q in range(0, NUM_QUBITS - 1, 2):\n", " circ.rzz(-RZZ_ANGLE, q, q + 1)\n", " for q in range(1, NUM_QUBITS - 1, 2):\n", " circ.rzz(-RZZ_ANGLE, q, q + 1)\n", " for q in range(NUM_QUBITS):\n", " circ.rx(-RX_ANGLE, q)\n", " circuits.append(circ)" ] }, { "cell_type": "markdown", "id": "94eb9062", "metadata": {}, "source": [ "이상적인 출력을 미리 알기 위해 원래 회로 $U$ 가 적용되는 첫 번째 단계와 이를 반전시키는 두 번째 단계 $U^\\dagger$ 로 구성된 계산-비계산 회로를 사용합니다. 이러한 회로의 이상적인 결과는 사소하게도 입력 상태 $|000000\\rangle$ 이며, 이는 모든 폴리 관측 가능성에 대한 사소한 기대값(예: $\\langle IIIIIZ \\rangle = 1$ )을 갖습니다.\n", "\n" ] }, { "cell_type": "code", "execution_count": 23, "id": "20296b5a", "metadata": {}, "outputs": [ { "data": { "text/plain": [ " $\"Output$ " ] }, "execution_count": 23, "metadata": {}, "output_type": "execute_result" } ], "source": [ "# Print the circuit with 2 time steps\n", "circuits[2].draw(output=\"mpl\")" ] }, { "cell_type": "markdown", "id": "cde8d3ea", "metadata": {}, "source": [ "참고: 위 그림과 같이 $k$ 시간 단계가 있는 회로는 $4k$ 2쿼비트 게이트 레이어를 갖게 됩니다.\n", "\n" ] }, { "cell_type": "code", "execution_count": 24, "id": "af0d03e9", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "SparsePauliOp(['IIIIIZ'],\n", " coeffs=[1.+0.j])" ] }, "execution_count": 24, "metadata": {}, "output_type": "execute_result" } ], "source": [ "obs = SparsePauliOp.from_sparse_list([(\"Z\", [0], 1.0)], num_qubits=NUM_QUBITS)\n", "obs" ] }, { "cell_type": "markdown", "id": "ebd6ea9b", "metadata": {}, "source": [ "\n", "\n", "### 3.2 회로를 트랜스파일하다\n", "\n" ] }, { "cell_type": "markdown", "id": "8eaa552e", "metadata": {}, "source": [ "최적화를 통해 백엔드용 회로를 트랜스파일링합니다(`optimization_level=1`).\n", "\n" ] }, { "cell_type": "code", "execution_count": 25, "id": "87b861e2", "metadata": {}, "outputs": [ { "data": { "text/plain": [ " $\"Output$ " ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "from qiskit.transpiler.preset_passmanagers import generate_preset_pass_manager\n", "\n", "pm = generate_preset_pass_manager(optimization_level=1, backend=backend)\n", "isa_circuits = pm.run(circuits)\n", "display(isa_circuits[2].draw(\"mpl\", idle_wires=False, fold=-1))" ] }, { "cell_type": "markdown", "id": "743ad427", "metadata": {}, "source": [ "\n", "\n", "### 3.3 Estimator를 사용하여 실행(다양한 복원력 수준으로)\n", "\n", "Qiskit Estimator를 사용할 때 오류 완화 기능을 적용하는 가장 쉬운 방법은 복원력 수준(`estimator.options.resilience_level`)을 설정하는 것입니다. Estimator는 다음의 복원력 수준을 지원합니다(2024년 6월 28일 기준). 자세한 내용은 [오류 완화 구성](/docs/guides/error-mitigation-and-suppression-techniques) 가이드에서 확인하세요.\n", "\n", "![image.png](https://quantum.cloud.ibm.com/learning/images/courses/utility-scale-quantum-computing/error-mitigation/res_level.avif)\n", "\n" ] }, { "cell_type": "code", "execution_count": 27, "id": "328f71f2", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Job ID (rl=0): d146vcnmya70008emprg\n", "Job ID (rl=1): d146vdnqf56g0081sva0\n", "Job ID (rl=2): d146ven5z6q00087c61g\n" ] } ], "source": [ "from qiskit_ibm_runtime import Batch\n", "from qiskit_ibm_runtime import EstimatorV2 as Estimator\n", "\n", "jobs = []\n", "job_ids = []\n", "with Batch(backend=backend):\n", " for resilience_level in [0, 1, 2]:\n", " estimator = Estimator()\n", " estimator.options.resilience_level = resilience_level\n", " job = estimator.run(\n", " [(circ, obs.apply_layout(circ.layout)) for circ in isa_circuits]\n", " )\n", " job_ids.append(job.job_id())\n", " print(f\"Job ID (rl={resilience_level}): {job.job_id()}\")\n", " jobs.append(job)" ] }, { "cell_type": "code", "execution_count": 31, "id": "1dd804e4-0d7d-4782-9559-7b3796cab121", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "DONE\n", "DONE\n", "DONE\n" ] } ], "source": [ "# check job status\n", "for job in jobs:\n", " print(job.status())" ] }, { "cell_type": "code", "execution_count": 32, "id": "d138e1e9", "metadata": {}, "outputs": [], "source": [ "# REPLACE WITH YOUR OWN JOB IDS\n", "jobs = [service.job(job_id) for job_id in job_ids]" ] }, { "cell_type": "code", "execution_count": 33, "id": "ea820e98", "metadata": {}, "outputs": [], "source": [ "# Get results\n", "results = [job.result() for job in jobs]" ] }, { "cell_type": "markdown", "id": "e3691462", "metadata": {}, "source": [ "\n", "\n", "### 3.4 결과 플롯\n", "\n" ] }, { "cell_type": "code", "execution_count": 34, "id": "7527976e", "metadata": {}, "outputs": [ { "data": { "text/plain": [ " $\"Output$ " ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "plt.title(\"Error mitigation with different resilience levels\")\n", "labels = [\"0 (No mitigation)\", \"1 (TREX)\", \"2 (ZNE + Gate twirling)\"]\n", "steps = NUM_TIME_STEPS\n", "for result, label in zip(results, labels):\n", " plt.errorbar(\n", " x=steps,\n", " y=[result[s].data.evs for s in steps],\n", " yerr=[result[s].data.stds for s in steps],\n", " marker=\"o\",\n", " linestyle=\"-\",\n", " capsize=4,\n", " label=label,\n", " )\n", "plt.hlines(\n", " 1.0, min(steps), max(steps), linestyle=\"dashed\", label=\"Ideal\", colors=\"black\"\n", ")\n", "plt.xlabel(\"Time steps\")\n", "plt.ylabel(\"Mitigated \")\n", "plt.legend()\n", "plt.show()" ] }, { "cell_type": "markdown", "id": "e4def30b", "metadata": {}, "source": [ "\n", "\n", "## 4: (선택 사항) 오류 완화 옵션 사용자 지정\n", "\n" ] }, { "cell_type": "markdown", "id": "f099e16c", "metadata": {}, "source": [ "아래와 같은 옵션을 통해 오류 완화 기술의 적용을 사용자 지정할 수 있습니다.\n", "\n" ] }, { "cell_type": "code", "execution_count": 35, "id": "a22e6b8c", "metadata": {}, "outputs": [], "source": [ "# TREX\n", "estimator.options.twirling.enable_measure = True\n", "estimator.options.twirling.num_randomizations = \"auto\"\n", "estimator.options.twirling.shots_per_randomization = \"auto\"\n", "\n", "# Gate twirling\n", "estimator.options.twirling.enable_gates = True\n", "# ZNE\n", "estimator.options.resilience.zne_mitigation = True\n", "estimator.options.resilience.zne.noise_factors = [1, 3, 5]\n", "estimator.options.resilience.zne.extrapolator = (\"exponential\", \"linear\")\n", "\n", "# Dynamical decoupling\n", "estimator.options.dynamical_decoupling.enable = True # Default: False\n", "estimator.options.dynamical_decoupling.sequence_type = \"XX\"\n", "\n", "# Other options\n", "estimator.options.default_shots = 10_000" ] }, { "cell_type": "markdown", "id": "79dd06fb", "metadata": {}, "source": [ "오류 완화 옵션에 대한 자세한 내용은 다음 가이드와 API 참조를 참조하세요.\n", "\n", "* [오류 완화 설정](/docs/guides/error-mitigation-and-suppression-techniques)\n", "* [옵션 소개](/docs/guides/runtime-options-overview)\n", "* [EstimatorOptions](/docs/api/qiskit-ibm-runtime/options-estimator-options)\n", "* [SamplerOptions](/docs/api/qiskit-ibm-runtime/options-sampler-options)\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" }, "widgets": { "application/vnd.jupyter.widget-state+json": { "state": {}, "version_major": 2, "version_minor": 0 } } }, "nbformat": 4, "nbformat_minor": 5 }