Апаратне забезпечення

примітка

Masao Tokunari and Tamiya Onodera (14 June 2024)

This course is based on a live course delivered at the University of Tokyo.

PDF-файл лекції цього уроку було розбито на дві частини. Завантажити частину 1 та завантажити частину 2. Зверни увагу, що деякі фрагменти коду можуть застаріти, оскільки це статичні зображення.

1. Вступ

Цей урок досліджує сучасне апаратне забезпечення квантових обчислень.

Почнімо з перевірки деяких версій та імпорту відповідних пакетів.

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

import statistics

from qiskit_ibm_runtime import QiskitRuntimeService

2. Backend та Target

Qiskit надає API для отримання інформації про квантовий пристрій — як статичної, так і динамічної. Ми використовуємо екземпляр Backend для взаємодії з пристроєм; він включає екземпляр Target — абстрактну модель машини, яка узагальнює ключові характеристики, такі як архітектура набору інструкцій (ISA) та будь-які пов'язані властивості або обмеження. Скористаємось цими екземплярами backend, щоб отримати деяку інформацію, яку можна побачити на сторінці Compute resources IBM Quantum® Platform. Спочатку створимо екземпляр backend для пристрою, що нас цікавить. Нижче ми вибираємо «ibm_kyoto», «ibm_kawasaki» або найменш зайнятий пристрій Eagle. Твій доступ до QPU може відрізнятися; оновлюй назву backend відповідно.

service = QiskitRuntimeService()
# backend = service.backend("ibm_kawasaki") # an Eagle, if you have access to ibm_kawasaki
backend = service.least_busy(
    operational=True, simulator=False, min_num_qubits=127
)  # Eagle
backend.name

'ibm_strasbourg'

Почнімо з деякої базової (статичної) інформації про пристрій.

print(
    f"""
{backend.name}, {backend.num_qubits} qubits
processor type = {backend.processor_type}
basis gates = {backend.basis_gates}
"""
)

ibm_strasbourg, 127 qubits
processor type = {'family': 'Eagle', 'revision': 3} 
basis gates = ['ecr', 'id', 'rz', 'sx', 'x']

2.1 Вправа

Спробуй отримати базову інформацію про пристрій Heron «ibm_strasbourg». Спробуй самостійно, але нижче є код для перевірки.

a_heron = service.backend("ibm_strasbourg")  # a Heron

# your code here
print(
    f"""
{backend.name}, {a_heron.num_qubits} qubits
processor type = {a_heron.processor_type}
basis gates = {a_heron.basis_gates}
"""
)

ibm_strasbourg, 133 qubits
processor type = {'family': 'Heron', 'revision': '1'} 
basis gates = ['cz', 'id', 'rz', 'sx', 'x']

2.2 Карта з'єднань

Тепер намалюємо карту з'єднань пристрою. Як видно, вузли — це кубіти з номерами. Ребра вказують на пари, до яких можна безпосередньо застосувати 2-кубітний заплутуючий гейт. Топологія називається «решіткою важкого шестикутника».

# This function requires that Graphviz is installed. If you need to install Graphviz
# you can refer to:
# https://graphviz.org/download/#executable-packages for instructions.
try:
    fig = backend.coupling_map.draw()
except RuntimeError as ex:
    print(ex)
fig

3. Властивості кубітів

Пристрій Eagle має 127 кубітів. Отримаємо властивості деяких із них.

for qn in range(backend.num_qubits):
    if qn >= 5:
        break
    print(f"{qn}: {backend.qubit_properties(qn)}")

0: QubitProperties(t1=0.000183686508736532, t2=0.00023613944465408068, frequency=4832100227.116953)
1: QubitProperties(t1=0.00048794378526038294, t2=9.007098375327869e-05, frequency=4736264354.075363)
2: QubitProperties(t1=0.00021247781834456527, t2=7.81037910324034e-05, frequency=4859349851.150393)
3: QubitProperties(t1=0.0002936462084765663, t2=0.00011400214529510604, frequency=4679749549.503852)
4: QubitProperties(t1=0.00044229440258559125, t2=0.0003181648356339447, frequency=4845872064.050596)

Обчислимо медіану часів T1 кубітів. Порівняй результат із тим, що показано для пристрою на IBM Quantum Platform.

t1s = [backend.qubit_properties(qq).t1 for qq in range(backend.num_qubits)]
f"Median T1: {(statistics.median(t1s)*10**6):.2f} \u03bcs"

'Median T1: 285.43 μs'

3.1 Вправа

Обчисли медіану часів T2 кубітів. Спробуй самостійно, але нижче є код для перевірки.

# Your code here

t2s = [backend.qubit_properties(qq).t2 for qq in range(backend.num_qubits)]
f"Median T2: {(statistics.median(t2s)*10**6):.2f} \u03bcs"

'Median T2: 173.10 μs'

3.2 Помилки гейтів та зчитування

Тепер перейдемо до помилок гейтів. Для початку вивчимо структуру даних екземпляра target. Це словник, ключами якого є назви операцій.

target = backend.target
target.keys()

dict_keys(['measure', 'id', 'sx', 'delay', 'x', 'for_loop', 'rz', 'if_else', 'ecr', 'reset', 'switch_case'])

Значення також є словниками. Розглянемо деякі елементи значення (словника) для операції 'sx'.

for i, qq in enumerate(target["sx"]):
    if i >= 5:
        break
    print(i, qq, target["sx"][qq])

0 (0,) InstructionProperties(duration=6e-08, error=0.0007401311759115297)
1 (1,) InstructionProperties(duration=6e-08, error=0.0003163759907528654)
2 (2,) InstructionProperties(duration=6e-08, error=0.0003183859004638003)
3 (3,) InstructionProperties(duration=6e-08, error=0.00042235914178831863)
4 (4,) InstructionProperties(duration=6e-08, error=0.011163151923589715)

Зробимо те саме для операцій 'ecr' та 'measure'.

for i, edge in enumerate(target["ecr"]):
    if i >= 5:
        break
    print(i, edge, target["ecr"][edge])

0 (0, 14) InstructionProperties(duration=6.6e-07, error=0.01486295709788732)
1 (1, 0) InstructionProperties(duration=6.6e-07, error=0.015201590794522601)
2 (2, 1) InstructionProperties(duration=6.6e-07, error=0.00697838102630724)
3 (2, 3) InstructionProperties(duration=6.6e-07, error=0.008075067943986797)
4 (3, 4) InstructionProperties(duration=6.6e-07, error=0.0630164507876913)

for i, qq in enumerate(target["measure"]):
    if i >= 5:
        break
    print(i, qq, target["measure"][qq])

0 (0,) InstructionProperties(duration=1.6e-06, error=0.0078125)
1 (1,) InstructionProperties(duration=1.6e-06, error=0.155029296875)
2 (2,) InstructionProperties(duration=1.6e-06, error=0.057373046875)
3 (3,) InstructionProperties(duration=1.6e-06, error=0.02880859375)
4 (4,) InstructionProperties(duration=1.6e-06, error=0.01318359375)

Як видно, помилки зчитування зазвичай більші, ніж у 2-кубітних операцій, які, у свою чергу, зазвичай більші, ніж у 1-кубітних операцій.

Розуміючи структури даних, готові обчислити медіанні помилки для гейтів 'sx' та 'ecr'. Знову порівняй результати з тими, що показано для пристрою на IBM Quantum Platform.

sx_errors = [inst_prop.error for inst_prop in target["sx"].values()]
f"Median SX error: {(statistics.median(sx_errors)):.3e}"

'Median SX error: 2.277e-04'

ecr_errors = [inst_prop.error for inst_prop in target["ecr"].values()]
f"Median ECR error: {(statistics.median(ecr_errors)):.3e}"

'Median ECR error: 6.895e-03'

4. Додаток

Популярна особливість Qiskit — його можливості візуалізації. Він включає візуалізатори схем, станів і розподілів, а також візуалізатор target. У попередніх jupyter notebook ти вже використовував перші два. Розглянемо деякі можливості візуалізатора target.

from qiskit.visualization import plot_gate_map

plot_gate_map(backend, font_size=14)

from qiskit.visualization import plot_error_map

plot_error_map(backend)

# Check Qiskit version
import qiskit

qiskit.__version__

'2.0.2'