Hardware

poznámka

Masao Tokunari a Tamiya Onodera (14. června 2024)

Tento kurz vychází z živého kurzu konaného na Tokijské univerzitě.

Přednáškové PDF k této lekci bylo rozděleno do dvou částí. Stáhni část 1 a stáhni část 2. Poznámka: některé ukázky kódu mohou být zastaralé, protože jde o statické obrázky.

1. Úvod

Tato lekce zkoumá moderní hardware pro kvantové výpočty.

Začneme ověřením verzí a importem relevantních balíčků.

# 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 a Target

Qiskit poskytuje API pro získání informací o kvantovém zařízení – jak statických, tak dynamických. K rozhraní se zařízením používáme instanci Backend, která obsahuje instanci Target – abstraktní model stroje shrnující klíčové vlastnosti, jako je architektura instrukční sady (ISA) a případné vlastnosti nebo omezení s ní spojené. Pojďme tyto instance Backend využít k získání informací, které vidíš na stránce Compute resources na IBM Quantum® Platform. Nejprve vytvoříme instanci Backend pro zařízení, které nás zajímá. V následujícím příkladu vybereme „ibm_kyoto", „ibm_kawasaki" nebo nejméně vytížený stroj Eagle. Tvůj přístup ke QPU se může lišit; podle toho aktualizuj název Backend.

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'

Začneme se základními (statickými) informacemi o zařízení.

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 Cvičení

Zkus získat základní informace o zařízení Heron, „ibm_strasbourg". Zkus to sám/sama, níže je přidán kód, pomocí kterého si můžeš odpověď ověřit.

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 Coupling map

Nyní nakreslíme coupling map zařízení. Jak vidíš, uzly jsou Qubit s číselnými označeními. Hrany označují páry, na které lze přímo aplikovat dvoukubitový entanglující Gate. Tato topologie se nazývá „heavy-hex lattice".

# 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. Vlastnosti Qubit

Zařízení Eagle má 127 Qubit. Pojďme získat vlastnosti některých z nich.

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)

Vypočítejme medián dob T1 Qubit. Porovnej výsledek s hodnotou zobrazenou pro dané zařízení na 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 Cvičení

Vypočítej medián dob T2 Qubit. Zkus to sám/sama, níže je přidán kód, pomocí kterého si můžeš odpověď ověřit.

# 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 Chyby Gate a readoutu

Nyní se zaměříme na chyby Gate. Nejprve prozkoumáme datovou strukturu instance Target. Jde o slovník, jehož klíče jsou názvy operací.

target = backend.target
target.keys()

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

Hodnoty jsou také slovníky. Podívejme se na některé položky hodnoty (slovníku) pro operaci '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)

Totéž udělejme pro operace 'ecr' a '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)

Jak vidíš, chyby readoutu bývají větší než chyby dvoukubitové operace, které zase bývají větší než chyby jednokubitové operace.

Teď, když rozumíme datovým strukturám, můžeme vypočítat mediánové chyby pro Gate 'sx' a 'ecr'. Porovnej výsledky s hodnotami zobrazenými pro dané zařízení na 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. Příloha

Oblíbenou funkcí Qiskit jsou jeho vizualizační možnosti. Zahrnují vizualizéry Circuit, stavů a distribucí a vizualizér Target. První dva jsi již použil/a v předchozích jupyter noteboocích. Pojďme využít některé funkce vizualizéru 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'