Performance Management(パフォーマンス管理): Q-CTRL Fire Opal による Qiskit Function

Performance Management(パフォーマンス管理): Q-CTRL Fire Opal による Qiskit Function#

Qiskit Functionsは、IBM Quantum™ Premium Plan ユーザーのみが利用できる実験的な機能です。プレビューリリースの状態であり、変更される可能性があります。

Overview#

Fire Opal Performance Management を使用すると、量子ハードウェアの専門家でなくても、誰でも大規模な量子コンピューターから意味のある結果を簡単に得ることができます。Fire Opal Performance Management を使用して回路を実行すると、このfunction が AI 駆動のエラー抑制技術を自動的に適用し、デバイス上のゲートと量子ビットをさらに使用して、より大きな問題に正常にスケーリングします。同時に、正しい答えに到達するのに必要な試行回数が少なくなり、オーバーヘッドが不要になるため、計算時間とコストを節約できます。

Performance Management はエラーを抑制し、ノイズの多いハードウェアで正しい答えを得る可能性を高めます。つまり、信号対雑音比を高めます。次の図は、パフォーマンス管理によって精度が向上し、10 量子ビットの量子フーリエ変換アルゴリズムの場合に追加ショットの必要性が減る様子を示しています。Q-CTRL はわずか 30 ショットで 99% の信頼しきい値に達しますが、デフォルト (QiskitRuntime Sampler、optimization_level=3 およびresilience_level=1, ibm_sherbrooke) では 170,000 ショットが必要です。正しい答えをより早く得ることで、コンピューティング実行時間を大幅に節約できます。

Visualization of the improved runtime

Performance Management function は、標準のQiskit Runtime primitivesの代わりに使用できます。バックグラウンドでは、複数のエラー抑制技術が連携して動作し、実行時にエラーが発生するのを防ぎます。Fire Opal パイプラインメソッドはすべて事前に構成されており、アルゴリズムに依存しないため、すぐに最高のパフォーマンスを常に得ることができます。

Performance Managementにアクセスするには、contact Q-CTRL にお問い合わせください。

機能説明#

Fire Opal Performance Managemenには、Qiskit Runtime primitivesに似た実行オプションが 2 つあるため、Q-CTRL SamplerとEstimatorを簡単に入れ替えることができます。Performance Managemen Functionを使用するための一般的なワークフローは次のとおりです。

回路 (および Estimator の場合は演算子) を定義します。
回路を走らせます。
結果を取得します。

ハードウェアノイズを低減するために、Fire Opal では、次の図に示すような AI 駆動型のさまざまなエラー抑制技術を採用しています。エラー抑制はゲートレベルとパルスレベルの両方で機能し、さまざまなノイズ源に対処して、エラーが発生する可能性を防ぎます。Fire Opal を使用すると、パイプライン全体が完全に自動化され、構成は一切必要ありません。エラーを防止することで、コストのかかる後処理が不要になります。

次の図は、Fire Opal Performance Management によって自動化されたエラー抑制方法を示しています。

Visualization of the error suppression pipeline

入力と出力#

Sampler および Estimator の入力は、Qiskit Runtime V2 primitives の実装仕様に厳密に従っています。Q-CTRL primitives は、回路とそれに関連する実行データを含むタプルである Primitive Unified Blocs (PUB) の形式で入力を受け入れます。PUB データ構造の詳細については、IBM Quantum Documentationを参照してください。主な違いは、Q-CTRL primitivesが、QASM 文字列、辞書などの基本型を含む PUB を受け入れるという点です。

Fire Opal Performance Management は、ターゲットバックエンドの命令セットアーキテクチャ (ISA) で記述された回路のみを受け入れる元々の Qiskit Runtime primitivesとは対照的に、抽象回路を受け入れます。最良の結果を得るには、Performance Management function を使用して送信する前に回路をトランスパイルしないでください。

Samplerの入力#

Name	Type	Description	Required	Example
pubs	`SamplerPubLike` or `list[SamplerPubLike]`	One or more tuples containing the inputs listed under `SamplerPubLike` components.	Yes	`(circuit, parameter_values)`
instance	str	The hub/group/project to use in that format.	Yes	`"hub1/group1/project1"`
run_options	dict	Input options which includes the following: (Optional) `backend_name`: str, `shots`: int. Defaults to least busy backend and 4000 shots.	No	`{"backend_name": backend_name, "shots": 2048}`

SamplerPubLike components:

OpenQASM 2.0 または 3.0 文字列形式の単一回路。
(オプション) 回路をバインドするパラメータ値のコレクション。
(オプション) ショット数などの実行オプションの辞書。

Samplerの出力#

Name	Type	Description	Example
result	`list[ArrayLike[dict[str, int]]]`	入力PUBのリストに対応するカウントの辞書の結果リスト。	`[{'000001': 100, '000011': 2}]`

Estimatorの入力#

Name	Type	Description	Required	Example
pubs	`EstimatorPubLike` or `list[EstimatorPubLike]`	One or more tuples containing the inputs listed under `EstimatorPubLike` components.	Yes	`(circuit, observables, parameter_values)`
instance	str	The hub/group/project to use in that format.	Yes	`"hub1/group1/project1"`
run_options	dict	Input options which includes the following: (Optional) `backend_name`: str, `shots`: int. Defaults to least busy backend and 4000 shots.	No	`{"backend_name": backend_name, "shots": 2048}`

EstimatorPubLike components:

OpenQASM 2.0 または 3.0 文字列形式の単一回路。
「受け入れられるオブザーバブルの形式」リストに示されているいずれかの形式で、推定する期待値を指定する 1 つ以上のオブバーバブル。
(オプション) 回路をバインドするパラメータ値のコレクション。
(オプション) ショット数などの実行オプションの辞書。

受け入れられるオブザーバブルの形式:

A Pauli string: "XY"
辞書ー係数付きのPauli strings: {"XY": 0.5, "YZ": 0.3}
Pauli stringsのリスト: ["XY", "YZ", "ZX"]
係数付きのPauli stringsのリスト: [("XY", 0.5), ("YZ", 0.3)]
Pauli stringsのネストされたリスト: [["XY", "YZ"], ["ZX", "XX"]]
係数を持つパウリ文字列のネストされたリスト: [[("XY", 0.1), ("YZ", 0.2)], [("ZX", 0.3), ("XX", 0.4)]]

Estimatorの出力#

Name	Type	Description	Example
values	`valueslist[ArrayLike[float]]`	入力 PUB のリストに対応する期待値の結果リスト.	`[0.43046065915270004]`

Parameter 形式#

Sampler and Estimator は両方とも、QiskitRuntime primitivesと同じ配列ブロードキャストルールに従うパラメーターを受け入れます。次のパラメーター形式が受け入れられます:

Format	Example
0-d array (single binding)	`{"a": 4, ("b", "c"): [5, 6]}`
Single array (last index for parameters)	`{"a[0]", "a[1]", "a[2]": [0.1, 0.2, 0.3]}`
Multiple arrays (last index for parameters, flexible dimensions)	`{"c": np.ones((10, 10, 2)).tolist(), "b": np.zeros((10, 10)).tolist()}`

ベンチマーク#

公開されたアルゴリズムのベンチマーク結果では、Bernstein-Vazirani、量子フーリエ変換、Grover 探索、QAOA(量子近似最適化アルゴリズム)、VQE(変分量子固有値ソルバー)など、さまざまなアルゴリズムで大幅なパフォーマンスの向上が実証されています。このセクションの残りの部分では、実行できるアルゴリズムの種類、および予想されるパフォーマンスと実行時間について詳しく説明します。

以下の独立した研究は、Q-CTRL のPerformance Managementが記録的な規模でアルゴリズム研究を可能にする方法を実証しています。

ネットワークサービス障害診断のためのパラメータ化されたエネルギー効率の高い量子カーネル- 最大 50 量子ビットの量子カーネル学習
大規模デモンストレーションのためのテンソルベースの量子位相差推定- 最大 33 量子ビットの量子位相推定
量子機械学習のための階層的学習: 大規模変分量子回路の新しいトレーニング手法 - 最大 21 量子ビットの量子データ読み込み

次の表は、 ibm_fez での以前のベンチマーク実行からの精度と実行時間に関する大まかなガイドを示しています。他のデバイスではパフォーマンスが異なる場合があります。使用時間は、回路あたり 10,000 ショットの想定に基づいています。示されている「量子ビットの数」は厳密な制限ではありませんが、非常に一貫したソリューション精度を期待できる大まかなしきい値を表しています。より大きなサイズの問題が正常に解決されており、これらの制限を超えてテストすることをお勧めします。

Example	Number of qubits	Accuracy	Measure of accuracy	Total time (s)	Runtime usage (s)	Primitive (Mode)
Bernstein–Vazirani	50Q	100%	Success Rate (Percentage of runs where the correct answer is the highest count bitstring)	10	8	Sampler
Quantum Fourier Transform	30Q	100%	Success Rate (Percentage of runs where the correct answer is the highest count bitstring)	10	8	Sampler
Quantum Phase Estimation	30Q	99.9998%	Accuracy of the angle found: `1- abs(real_angle - angle_found)/pi`	10	8	Sampler
Quantum simulation: Ising model (15 steps)	20Q	99.775%	\(A\) (defined below)	60 (per step)	15 (per step)	Estimator
Quantum simulation 2: molecular dynamics (20 time points)	34Q	96.78%	\(A_{mean}\) (defined below)	10 (per time point)	6 (per time point)	Estimator

期待値の測定の精度を定義する - メトリック \(A\) は次のように定義されます

\[A = 1 - \frac{|\epsilon^{ideal} - \epsilon^{meas}|}{\epsilon^{ideal}_{max} - \epsilon^{ideal}_{min}},\]

ここで、\(\epsilon^{ideal}\) = 理想的な期待値、\(\epsilon^{meas}\) = 測定された期待値、\(\epsilon^{ideal}_{max} \) = 理想的な最大値、\(\epsilon^{ideal}_{min}\) = 理想的な最小値です。\(A_{mean}\) は、複数の測定にわたる \(A\) の値の平均です。

このメトリックが使用されるのは、達成可能な値の範囲におけるグローバルシフトとスケーリングに対して不変であるためです。言い換えると、期待値のとりうる範囲を高くしたり低くしたり、スプレッドを大きくしたりしても、\(A\) の値は一定のままであるはずです。

始めてみましょう#

IBM Quantum Platform API tokenを使用して認証し、次のように Qiskit 関数を選択します。

from qiskit_ibm_catalog import QiskitFunctionsCatalog

# Credentials
token = "<YOUR_IQP_API_TOKEN>"
hub = "<YOUR_IQP_HUB>"
group = "<YOUR_IQP_GROUP>"
project = "<YOUR_IQP_PROJECT>"

# Authentication
catalog = QiskitFunctionsCatalog(token=token)

# Access Function
perf_mgmt = catalog.load("q-ctrl/performance-management")

例: Sampler#

Fire Opal Performance Management のSamplerモードを使用して、Bernstein–Vazirani 回路を実行します。このアルゴリズムは、ブラックボックス関数の出力から隠された文字列を見つけるために使用され、正解が 1 つしかないため、一般的なベンチマークアルゴリズムです。

1. 回路を作成する#

アルゴリズムの正しい答え、隠しビット文字列、および Bernstein-Vazirani 回路を定義します。 circuit_width を変更するだけで回路の幅を調整できます。

import qiskit

circuit_width = 35
hidden_bitstring = "1" * circuit_width

# Create circuit, reserving one qubit for BV oracle
bv_circuit = qiskit.QuantumCircuit(circuit_width + 1, circuit_width)
bv_circuit.x(circuit_width)
bv_circuit.h(range(circuit_width + 1))
for input_qubit, bit in enumerate(reversed(hidden_bitstring)):
    if bit == "1":
        bv_circuit.cx(input_qubit, circuit_width)
bv_circuit.barrier()
bv_circuit.h(range(circuit_width + 1))
bv_circuit.barrier()
for input_qubit in range(circuit_width):
    bv_circuit.measure(input_qubit, input_qubit)

# Create PUB tuple
pubs = [(bv_circuit,)]

bv_circuit.draw("mpl", fold=1)

../_images/14a00667582cdaa490629caed01fda60b62f523350f3ba69ce05180ce0335fe0.png

2. Run the circuit#

回路を実行し、必要に応じてバックエンドとショット数を定義します。

# Choose a backend or remove this option to default to the least busy device
backend_name = "<CHOOSE_A_BACKEND>"

# Run the circuit using the sampler
qctrl_sampler_job = perf_mgmt.run(
    runner_function ="sampler",
    pubs = pubs,
    instance = hub + "/" + group + "/" + project,
    run_options = {"backend_name": backend_name},
)

使い慣れたQiskit Serverless APIs を使用して、Qiskit Function ワークロードのステータスを確認できます。

print(qctrl_sampler_job.status())

3. Retrieve the result#

# Retrieve the counts from the result list
counts = qctrl_sampler_job.result()[0]

後で結果を取得する必要がある場合は、次のセルを実行してジョブ ID を保存できます。

qctrl_sampler_job_id = qctrl_sampler_job.job_id
print(qctrl_sampler_job_id)

ジョブ ID を使用してジョブオブジェクトを取得し、ステータスや結果を取得できます。

qctrl_sampler_job = catalog.get_job_by_id(qctrl_sampler_job_id)

例: Estimator#

Fire Opal Performance Managementのサンプラーモードを使用して、Bernstein–Vazirani 回路を実行します。このアルゴリズムは、ブラックボックス関数の出力から隠された文字列を見つけるために使用され、正解が 1 つしかないため、一般的なベンチマークアルゴリズムです。

qiskit-ibm-catalog と qiskit パッケージに加えて、このサンプルを実行するには NumPy パッケージも使用します。IPythonカーネルを使用してこのサンプルをノートブックで実行する場合、以下のセルをアンコメントすることでこのパッケージをインストールすることができます。

# %pip install numpy

1. Create the circuit#

例として、ランダムなエルミート演算子とオブザーバブルを生成し、Performance Management functionに入力します。

import numpy as np
from qiskit.circuit.library import IQP
from qiskit.quantum_info import random_hermitian

n_qubits = 50

# Generate a random circuit
mat = np.real(random_hermitian(n_qubits, seed=1234))
circuit = IQP(mat)
circuit.measure_all()

# Define observables as a string
observable = "Z" * n_qubits

# Create PUB tuple
pubs = [(circuit, observable)]

2. Run the circuit#

回路を実行し、必要に応じてバックエンドとショット数を定義します。

# Choose a backend or remove this option to default to the least busy device
backend_name = "<CHOOSE_A_BACKEND>"

qctrl_estimator_job = perf_mgmt.run(
    runner_function = "estimator",
    pubs = pubs,
    instance = hub + "/" + group + "/" + project,
    run_options = {"backend_name": backend_name},
)

使い慣れたQiskit Serverless APIs を使用して、Qiskit Function ワークロードのステータスを確認できます。

print(qctrl_estimator_job.status())

3. Retrieve the result#

# Retrieve the counts from the result list
expectation_value = qctrl_estimator_job.result()[0]

print(f"Expectation value: {expectation_value}")

後で結果を取得する必要がある場合は、次のセルを実行してジョブ ID を保存できます。

qctrl_estimator_job_id = qctrl_estimator_job.job_id
print(qctrl_estimator_job_id)

ジョブ ID を使用してジョブオブジェクトを取得し、ステータスや結果を取得できます。

qctrl_estimator_job = catalog.get_job_by_id(qctrl_estimator_job_id)

サポートを得る#

ご質問や問題については、Q-CTRLにコンタクトしてください。

次のステップ#

Q-CTRL Performance Management へのアクセスをリクエストする

Performance Management(パフォーマンス管理): Q-CTRL Fire Opal による Qiskit Function

Contents

Performance Management(パフォーマンス管理): Q-CTRL Fire Opal による Qiskit Function#

Overview#

機能説明#

入力と出力#

Samplerの入力#

Samplerの出力#

Estimatorの入力#

Estimatorの出力#

Parameter 形式#

ベンチマーク#

始めてみましょう#

例: Sampler#

1. 回路を作成する#

2. Run the circuit#

3. Retrieve the result#

例: Estimator#

1. Create the circuit#

2. Run the circuit#

3. Retrieve the result#

サポートを得る#

次のステップ#