Hardware

notă

Masao Tokunari și Tamiya Onodera (14 iunie 2024)

Acest curs se bazează pe un curs live susținut la Universitatea din Tokyo.

PDF-ul cu lectura acestei lecții a fost împărțit în două părți. Descarcă partea 1 și descarcă partea 2. Reține că unele fragmente de cod ar putea deveni depreciate, deoarece acestea sunt imagini statice.

1. Introducere

Această lecție explorează hardware-ul modern de calcul cuantic.

Vom începe prin a verifica unele versiuni și a importa câteva pachete relevante.

# 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 și Target

Qiskit oferă un API pentru a obține informații, atât statice cât și dinamice, despre un dispozitiv cuantic. Folosim o instanță Backend pentru a interacționa cu un dispozitiv, care include o instanță Target — un model abstract de mașină ce rezumă caracteristicile relevante, cum ar fi arhitectura setului de instrucțiuni (ISA) și orice proprietăți sau constrângeri asociate acestuia. Să folosim aceste instanțe backend pentru a obține unele dintre informațiile pe care le vezi pe pagina Resurse de calcul din IBM Quantum® Platform. Mai întâi, creăm o instanță backend pentru un dispozitiv de interes. În cele ce urmează, alegem „ibm_kyoto", „ibm_kawasaki" sau cel mai puțin ocupat procesor Eagle. Accesul tău la QPU-uri poate fi diferit; actualizează numele backend-ului în consecință.

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'

Începem cu câteva informații de bază (statice) despre dispozitiv.

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 Exercițiu

Încearcă să obții informațiile de bază despre un dispozitiv Heron, „ibm_strasbourg". Încearcă pe cont propriu, dar mai jos a fost adăugat cod pentru a te putea verifica.

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 Harta de cuplare

Acum desenăm harta de cuplare a dispozitivului. Cum poți vedea, nodurile sunt qubiți numerotați. Muchiile indică perechile cărora le poți aplica direct Gate-ul de entanglare cu 2 qubiți. Topologia se numește „rețea heavy-hex".

# 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. Proprietățile qubiților

Dispozitivul Eagle are 127 de qubiți. Să obținem proprietățile unora dintre ei.

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)

Să calculăm mediana timpilor T1 ai qubiților. Compară rezultatul cu cel afișat pentru dispozitiv pe 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 Exercițiu

Te rog să calculezi mediana timpilor T2 ai qubiților. Încearcă pe cont propriu, dar mai jos a fost adăugat cod pentru a te putea verifica.

# 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 Erorile Gate-urilor și ale citirilor

Acum ne îndreptăm atenția către erorile Gate-urilor. Mai întâi, studiem structura de date a instanței target. Este un dicționar ale cărui chei sunt numele operațiunilor.

target = backend.target
target.keys()

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

Valorile sale sunt și ele dicționare. Să ne uităm la câteva elemente ale valorii (dicționar) pentru operațiunea „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)

Să facem același lucru pentru operațiunile „ecr" și „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)

Cum poți observa, erorile de citire tind să fie mai mari decât cele ale operațiunii cu 2 qubiți, care la rândul lor tind să fie mai mari decât cele ale operațiunii cu 1 Qubit.

Înțelegând structurile de date, suntem pregătiți să calculăm erorile mediane pentru Gate-urile „sx" și „ecr". Din nou, compară rezultatele cu cele afișate pentru dispozitiv pe 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. Anexă

O funcționalitate populară a Qiskit este capacitatea sa de vizualizare. Aceasta include vizualizatoare de Circuit, de stare și distribuție, și vizualizatoare de target. Le-ai folosit deja pe primele două în caietele Jupyter anterioare. Să folosim câteva funcționalități ale vizualizatorului de 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'