Входи та виходи Executor

Версії пакетів

Код на цій сторінці було розроблено з використанням таких вимог. Рекомендуємо використовувати ці або новіші версії.

qiskit[all]~=2.4.0
qiskit-ibm-runtime~=0.46.1
samplomatic~=0.18.0

# Added by doQumentation — required packages for this notebook
!pip install -q numpy qiskit qiskit-ibm-runtime samplomatic

Примітив Executor є частиною моделі спрямованого виконання, що надає більшу гнучкість при налаштуванні робочого процесу пом'якшення помилок.

Входи та виходи примітива Executor значно відрізняються від входів та виходів примітивів Sampler та Estimator. Наприклад, замість прийняття списку PUB як вхідних даних, Executor приймає QuantumProgram, що містить список об'єктів QuantumProgramItem. Ці контейнерні класи надають більшу гнучкість, ніж PUB, який є простою структурою даних у вигляді кортежу.

Вихід Executor — це QuantumProgramResult, який є ітерованим та містить один елемент для кожного вхідного QuantumProgramItem.

Входи: Квантові програми

Як зазначалося раніше, вхідними даними для примітива Executor є QuantumProgram, що є ітерованим від об'єктів QuantumProgramItem. Ці об'єкти можуть бути двох типів:

• CircuitItem, який зазвичай зберігає схему та її значення параметрів (якщо є).
• SamplexItem, який зазвичай зберігає наступне:
  • Шаблонну схему
  • Об'єкт samplex, що використовується для генерації рандомізованих наборів параметрів під час виконання (наприклад, для виконання twirling або введення шуму)
  • Аргументи для samplex, які можуть включати значення параметрів для оригінальної схеми

Кожен із цих елементів представляє різне завдання для Executor.

Перш ніж почати

Деякі приклади коду на цій сторінці використовують samplex, що є частиною пакету Samplomatic. Тому перед запуском цих блоків коду необхідно встановити Samplomatic, як показано в наступному блоці коду. Докладніше дивись у документації Samplomatic.

pip install samplomatic

# For visualization support, include the visualization dependencies.
# pip install samplomatic[vis]

Приклад: Створення QuantumProgram з двома різними завданнями

Спочатку ініціалізуй квантову програму, потім додай елементи програми за допомогою append_circuit_item або append_samplex_item (якщо присутній samplex), як показано в наступних прикладах.

Наступна клітинка ініціалізує QuantumProgram та вказує, що вона повинна виконувати 1024 запуски для кожної конфігурації кожного елемента програми.

примітка

На відміну від Sampler, QuantumProgram приймає лише одне значення кількості запусків. Якщо потрібне інше значення, знадобиться окремий QuantumProgram, що буде окремим завданням.

from qiskit.transpiler import generate_preset_pass_manager
from qiskit_ibm_runtime.quantum_program import QuantumProgram
from qiskit_ibm_runtime import Executor, QiskitRuntimeService
from qiskit.circuit import Parameter, QuantumCircuit
import numpy as np
from samplomatic import build
from samplomatic.transpiler import generate_boxing_pass_manager

# Initialize an empty program
program = QuantumProgram(shots=1024)

# Initialize and transpile a 3-qubit quantum circuit with 2 parameters.
circuit = QuantumCircuit(3)
circuit.h(0)
circuit.cx(0, 1)
circuit.cx(1, 2)
circuit.rz(Parameter("theta"), 0)
circuit.rz(Parameter("phi"), 1)

# `measure_all` adds a 3-bit classical register named "meas"
circuit.measure_all()

# Choose the least busy backend
service = QiskitRuntimeService()
backend = service.least_busy(operational=True, simulator=False)

# Generate a preset pass manager
# This will be used to convert the abstract circuit to an
# equivalent Instruction Set Architecture (ISA) circuit.
preset_pass_manager = generate_preset_pass_manager(
    backend=backend, optimization_level=0
)

# Transpile the circuit
isa_circuit = preset_pass_manager.run(circuit)

Додавання CircuitItem

Далі додай цільову схему, транспільовану відповідно до набору інструкцій архітектури (ISA) backend, до QuantumProgram. Оскільки ця схема має два параметри, потрібно також надати значення параметрів (10 наборів у цьому прикладі). Виконання цього CircuitItem є першим завданням, яке виконає програма.

# Append the transpiled circuit and an array
# containing 10 sets of parameter values to the program
program.append_circuit_item(
    isa_circuit,
    circuit_arguments=np.random.rand(
        10, 2
    ),  # 10 sets of parameter values and 2 parameters
)

Додавання SamplexItem

Елементи схем виконуються без будь-якої рандомізації. На противагу, елементи samplex дозволяють вказати, як рандомізувати їхній вміст. Наступна клітинка використовує функцію generate_boxing_pass_manager() для групування вентилів та вимірювань схеми у блоки та додавання анотації twirling до кожного блоку. Потім вона генерує пару шаблонна схема та samplex за допомогою функції build().

Виконання цього SamplexItem є другим завданням, яке виконає програма.

Дивись документацію API Samplomatic для повних деталей про samplex та його аргументи. Дивись Керівництво з транспілятора Samplomatic для інформації про використання функції generate_boxing_pass_manager().

# Transpile the circuit, additionally grouping gates and measurements into annotated boxes
preset_pass_manager = generate_preset_pass_manager(
    backend=backend, optimization_level=0
)

# Use the boxing pass manager to group gates
# and measurements into boxes and add
# a`Twirl` annotation.
preset_pass_manager.post_scheduling = generate_boxing_pass_manager(
    # Add gate twirling
    enable_gates=True,
    # Add measurement twirling
    enable_measures=True,
)
boxed_circuit = preset_pass_manager.run(circuit)

# Build the template circuit and the samplex.  The template circuit has parametric gates
# without fixed values and the samplex randomly generates the parameter
# values on the server side at runtime to perform twirling.
template_circuit, samplex = build(boxed_circuit)

# Determine what arguments are required by the samplex.
# Input the arguments in samplex_arguments.
print(samplex.inputs())

TensorInterface(<
  - 'parameter_values' <float64[2]>: Input parameter values to use during sampling.
>)

# Append the template circuit and samplex as a samplex item
program.append_samplex_item(
    template_circuit,
    samplex=samplex,
    samplex_arguments={
        # the arguments required by the samplex.sample method
        "parameter_values": np.random.rand(10, 2),
    },
    shape=(28, 10),  # 28 randomizations and 10 sets of parameter values
)

# Initialize an Executor with the default options
executor = Executor(mode=backend)

# Submit the job
job = executor.run(program)

# Retrieve the result
result = job.result()

Виходи

Вихід Executor — це QuantumProgramResult, який є ітерованим. Він містить один запис для кожного вхідного QuantumProgramItem у тому ж порядку, що й вхідні елементи. Кожен із цих вихідних елементів є словником, де ключі — це рядки, що відповідають назвам класичних регістрів у вхідних схемах (серед інших), тому більше не потрібно запам'ятовувати ці назви, як це робилося з виходом Sampler. Значення словника мають тип np.ndarray.

Результат попереднього прикладу містить такі елементи:

Результат CircuitItem

Перший елемент містить результати виконання першого завдання (CircuitItem) в програмі. Він містить єдиний ключ meas, що є назвою класичного регістра у вхідній схемі. Значення цього ключа відображається на np.ndarray форми (набори параметрів, запуски, біти регістра), що є (10, 1024, 3) для наведеного вище прикладу.

Наступний код ілюструє, як отримати доступ до цієї інформації:

# Access the results of the classical register of task #0, a CircuitItem
result_0 = result[0]["meas"]
print(f"Result shape: {result_0.shape}")

Result shape: (10, 1024, 3)

Результат SamplexItem

Другий елемент містить результати виконання другого завдання (SamplexItem) в програмі. Цей елемент містить кілька ключів. Ключ meas, що є назвою класичного регістра вхідної схеми, відображається на масив результатів цього регістра. Цей масив має форму (рандомізації, набори параметрів, запуски, класичні біти), або (28, 10, 1024, 3) у цьому прикладі. Крім того, вихід містить ключ measurement_flips.meas, що є корекціями бітових перекидань для відміни вимірювального twirling для регістра meas. Форма цього виходу буде (28, 10, 1, 3) для нашого прикладу, оскільки для виконання бітового перекидання потрібен лише один запуск.

# Access the results of the classical register of task #1
result_1 = result[1]["meas"]
print(f"Result shape: {result_1.shape}")

# Access the bit-flip corrections
flips_1 = result[1]["measurement_flips.meas"]
print(f"Bit-flip corrections shape: {flips_1.shape}")

# Undo the bit flips via classical XOR
unflipped_result_1 = result_1 ^ flips_1

Result shape: (28, 10, 1024, 3)
Bit-flip corrections shape: (28, 10, 1, 3)

Наступні кроки

Рекомендації

• Вивчи приклади, що використовують Executor.
• Дізнайся про модель спрямованого виконання.
• Зрозумій мовлення Executor.