مدخلات ومخرجات Executor

إصدارات الحزم

تم تطوير الكود في هذه الصفحة باستخدام المتطلبات التالية. نوصي باستخدام هذه الإصدارات أو أحدث.

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

Executor primitive هو جزء من نموذج التنفيذ الموجَّه، الذي يوفر مرونة أكبر عند تخصيص سير عمل تخفيف الأخطاء.

تختلف مدخلات ومخرجات Executor primitive اختلافًا كبيرًا عن مدخلات ومخرجات Sampler وEstimator primitives. على سبيل المثال، بدلاً من أخذ قائمة من PUBs كمدخل، يأخذ Executor كائن QuantumProgram، الذي يحتوي على قائمة من كائنات QuantumProgramItem. تمنحك هذه الفئات الحاوية مرونة أكبر من PUB، الذي هو هيكل بيانات صف (tuple) بسيط.

مخرج Executor هو QuantumProgramResult، وهو قابل للتكرار ويحتوي على عنصر واحد لكل QuantumProgramItem مدخل.

المدخلات: البرامج الكمية

كما ذُكِر سابقًا، المدخل لـ Executor primitive هو QuantumProgram، وهو قابل للتكرار من كائنات QuantumProgramItem. يمكن أن تكون هذه الكائنات من نوعين:

• CircuitItem، الذي يُخزِّن عادةً Circuit وقيم معاملاتها (إن وجدت).
• SamplexItem، الذي يُخزِّن عادةً ما يلي:
  • Circuit نموذجية
  • كائن samplex، يُستخدَم لتوليد مجموعات عشوائية من المعاملات في وقت التشغيل (مثلاً لإجراء التدوير أو حقن الضوضاء)
  • وسيطات للـ samplex، والتي قد تتضمن قيم معاملات للـ دائرة الأصلية

كل من هذه العناصر يُمثِّل مهمة مختلفة يجب على Executor تنفيذها.

قبل البدء

بعض أمثلة الكود في هذه الصفحة تستخدم samplex، وهو جزء من حزمة Samplomatic. لذلك، قبل تشغيل تلك الكتل البرمجية، يجب تثبيت Samplomatic كما هو موضح في الكتلة البرمجية التالية. لمزيد من المعلومات، راجع وثائق Samplomatic.

pip install samplomatic

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

مثال: إنشاء QuantumProgram بمهمتين مختلفتين

أولاً هيِّئ برنامجك الكمي، ثم ألحِق عناصر البرنامج باستخدام append_circuit_item أو append_samplex_item (إذا كان samplex موجودًا)، كما هو موضح في الأمثلة التالية.

تُهيِّئ الخلية التالية QuantumProgram وتُحدِّد أنه يجب تشغيل 1024 تشغيلاً لكل تهيئة لكل عنصر في البرنامج.

ملاحظة

على خلاف Sampler، يأخذ QuantumProgram قيمة تشغيلات واحدة فقط. إذا كنت تريد قيمة تشغيلات مختلفة، فأنت بحاجة إلى QuantumProgram منفصل، وهو سيكون مهمة منفصلة.

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)

إلحاق CircuitItem

بعد ذلك، ألحِق الـ دائرة المستهدفة التي جرى Transpile لها وفق مجموعة تعليمات معمارية الـ Backend (ISA) بـ QuantumProgram. بما أن هذه الـ دائرة تحتوي على معاملَين، يجب أيضًا توفير قيم المعاملات (10 مجموعات في هذا المثال). تنفيذ هذه CircuitItem هو المهمة الأولى التي سيؤديها البرنامج.

# 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
)

إلحاق SamplexItem

تُنفَّذ عناصر الـ دائرة دون أي عشوائية. على العكس من ذلك، تتيح لك عناصر الـ samplex تحديد كيفية عشوائية محتواها. تستخدم الخلية التالية دالة generate_boxing_pass_manager() لتجميع بوابات الـ دائرة وقياساتها في صناديق وإضافة تعليق تدوير لكل صندوق. ثم تولِّد Circuit نموذجية وزوجًا من samplex باستخدام دالة build().

تنفيذ هذه SamplexItem هو المهمة الثانية التي سيؤديها البرنامج.

راجع وثائق API في Samplomatic للاطلاع على التفاصيل الكاملة حول samplex وحججه. راجع دليل Samplomatic Transpiler للحصول على معلومات حول استخدام دالة 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()

المخرجات

مخرج Executor هو QuantumProgramResult، وهو قابل للتكرار. يحتوي على إدخال واحد لكل QuantumProgramItem مدخل بنفس ترتيب عناصر الإدخال. كل من هذه العناصر المخرجة هو قاموس حيث المفاتيح هي سلاسل نصية تتوافق مع أسماء السجلات الكلاسيكية في الـ Circuits المدخلة (من بين أمور أخرى)، بحيث لا تحتاج بعد الآن إلى حفظ هذه الأسماء كما كنت تفعل مع مخرج Sampler. قيم القاموس من النوع np.ndarray.

تحتوي نتيجة المثال السابق على هذه العناصر:

نتيجة CircuitItem

يحتوي العنصر الأول على نتائج تشغيل المهمة الأولى (CircuitItem) في البرنامج. يحتوي على مفتاح واحد، meas، وهو اسم السجل الكلاسيكي في الـ دائرة المدخلة. قيمة هذا المفتاح تُعيَّن إلى np.ndarray بالشكل (مجموعات المعاملات، التشغيلات، بتات السجل)، وهو (10، 1024، 3) في المثال أعلاه.

الكود التالي يُوضِّح كيفية الوصول إلى هذه المعلومات:

# 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)

نتيجة SamplexItem

يحتوي العنصر الثاني على نتائج تشغيل المهمة الثانية (SamplexItem) في البرنامج. يحتوي هذا العنصر على عدة مفاتيح. مفتاح meas، وهو اسم السجل الكلاسيكي للـ دائرة المدخلة، يُعيَّن إلى مصفوفة نتائج ذلك السجل. تتخذ هذه المصفوفة الشكل (عمليات العشوائية، مجموعات المعاملات، التشغيلات، البتات الكلاسيكية)، أو (28، 10، 1024، 3) في هذا المثال. بالإضافة إلى ذلك، يحتوي المخرج على مفتاح measurement_flips.meas، وهو تصحيحات قلب البتة لإلغاء تدوير القياس لسجل meas. سيكون شكل هذا المخرج (28، 10، 1، 3) في مثالنا لأن تشغيلاً واحدًا فقط مطلوب لإجراء قلب البتة.

# 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)

الخطوات التالية

توصيات

• استكشف أمثلة تستخدم Executor.
• تعرَّف على نموذج التنفيذ الموجَّه.
• افهم بث Executor.