Cara menjalankan beberapa konfigurasi target parameter dengan Estimator Sumber Daya

Dalam artikel ini, Anda mempelajari cara menjalankan beberapa konfigurasi target parameter dan membandingkannya menggunakan Azure Quantum Resource Estimator.

Untuk informasi tentang cara menjalankan Estimator Sumber Daya, lihat Berbagai cara untuk menggunakan Estimator Sumber Daya.

Prasyarat

Prasyarat berikut diperlukan untuk menjalankan Estimator Sumber Daya:

Untuk menjalankan Q# program di Estimator Sumber Daya, Anda memerlukan hal berikut:

• Versi terbaru Visual Studio Code atau buka Visual Studio Code di Web.
• Versi terbaru ekstensi Azure Quantum Development Kit . Untuk detail penginstalan, lihat Menginstal QDK Modern di Visual Studio Code.

Jika Anda ingin menggunakan Python di Visual Studio Code, Anda juga memerlukan hal berikut:

• Instal versi terbaru ekstensi Python, dan Jupyter untuk Visual Studio Code.

• Paket Azure Quantum qsharp terbaru.

  python -m pip install --upgrade qsharp 
  

Untuk mengirimkan pekerjaan ke Estimator Sumber Daya, Anda memerlukan hal berikut:

• Akun Azure dengan langganan aktif. Jika Anda tidak memiliki akun Azure, daftarkan secara gratis dan daftar untuk langganan prabayar.
• Ruang kerja Azure Quantum. Untuk informasi selengkapnya, lihat Buat ruang kerja Azure Quantum.

---

Batching dengan Estimator Sumber Daya

Azure Quantum Resource Estimator memungkinkan Anda mengirimkan pekerjaan dengan beberapa konfigurasi parameter pekerjaan, juga disebut sebagai item, sebagai satu pekerjaan untuk menghindari menjalankan kembali beberapa pekerjaan pada program kuantum yang sama.

Pekerjaan estimasi sumber daya terdiri dari dua jenis parameter pekerjaan:

• Parameter target: model qubit, skema QEC, anggaran kesalahan, batasan pada tingkat komponen, dan unit distilasi.
• Argumen operasi: argumen yang dapat diteruskan ke program (jika titik entri QIR berisi argumen).

Satu item terdiri dari satu konfigurasi parameter pekerjaan, yaitu salah satu konfigurasi target parameter dan argumen operasi. Beberapa item direpresentasikan sebagai array parameter pekerjaan.

Beberapa skenario di mana Anda mungkin ingin mengirimkan beberapa item sebagai satu pekerjaan:

• Kirim beberapa target parameter dengan argumen operasi yang sama di semua item.
• Kirim beberapa target parameter dengan argumen operasi yang berbeda di semua item.
• Bandingkan beberapa hasil dengan mudah dalam format tabular.
• Bandingkan beberapa hasil dengan mudah dalam bagan.

Batching dengan Q#

Jika Anda memperkirakan sumber daya Q# program, Anda dapat menjalankan beberapa konfigurasi target parameter, juga dikenal sebagai batching. Batching dengan Q# dapat dilakukan di Jupyter Notebook di Visual Studio Code.

Anda dapat melakukan estimasi batch dengan meneruskan daftar target parameter ke params parameter qsharp.estimate fungsi. Contoh berikut menunjukkan cara mengirimkan dua konfigurasi target parameter sebagai satu pekerjaan. Konfigurasi pertama menggunakan parameter default target , dan konfigurasi kedua menggunakan qubit_maj_ns_e6 parameter qubit dan floquet_code skema QEC.

Di Jupyter Notebook yang sama dari program Anda Q# , tambahkan sel baru dan jalankan kode berikut ini:

result_batch = qsharp.estimate("RunProgram()", params=
                [{}, # Default parameters
                {
                    "qubitParams": {
                        "name": "qubit_maj_ns_e6"
                    },
                    "qecScheme": {
                        "name": "floquet_code"
                    }
                }])
result_batch.summary_data_frame(labels=["Gate-based ns, 10⁻³", "Majorana ns, 10⁻⁶"])

Anda juga dapat membuat daftar parameter estimasi target menggunakan EstimatorParams kelas . Kode berikut menunjukkan cara mengirimkan enam konfigurasi target parameter sebagai satu pekerjaan.

from qsharp.estimator import EstimatorParams, QubitParams, QECScheme

labels = ["Gate-based µs, 10⁻³", "Gate-based µs, 10⁻⁴", "Gate-based ns, 10⁻³", "Gate-based ns, 10⁻⁴", "Majorana ns, 10⁻⁴", "Majorana ns, 10⁻⁶"]

params = EstimatorParams(num_items=6)
params.error_budget = 0.333
params.items[0].qubit_params.name = QubitParams.GATE_US_E3
params.items[1].qubit_params.name = QubitParams.GATE_US_E4
params.items[2].qubit_params.name = QubitParams.GATE_NS_E3
params.items[3].qubit_params.name = QubitParams.GATE_NS_E4
params.items[4].qubit_params.name = QubitParams.MAJ_NS_E4
params.items[4].qec_scheme.name = QECScheme.FLOQUET_CODE
params.items[5].qubit_params.name = QubitParams.MAJ_NS_E6
params.items[5].qec_scheme.name = QECScheme.FLOQUET_CODE

qsharp.estimate("RunProgram()", params=params).summary_data_frame(labels=labels)

Batching dengan Qiskit

Jika Anda memperkirakan sumber daya program Qiskit, Anda dapat menjalankan beberapa konfigurasi target parameter, juga dikenal sebagai batching. Batching dengan Qiskit dapat dilakukan di notebook di portal Azure.

Pertimbangkan sirkuit Qiskit berikut yang membutuhkan tiga qubit dan terapkan gerbang CCX atau Toffoli menggunakan qubit ketiga sebagai target. Dalam hal ini, Anda ingin memperkirakan sumber daya sirkuit kuantum ini untuk empat parameter yang berbeda target , sehingga setiap konfigurasi terdiri dari satu target parameter. Batching memungkinkan Anda mengirimkan semua konfigurasi secara bersamaan.

Di buku catatan yang sama dengan program Qiskit Anda, tambahkan sel baru dan jalankan kode berikut:

from azure.quantum import Workspace
from azure.quantum.qiskit import AzureQuantumProvider 

workspace = Workspace ( 
    resource_id = "", 
    location = "" 
) 

provider = AzureQuantumProvider(workspace)

backend = provider.get_backend('microsoft.estimator') 

from qiskit import QuantumCircuit  

circ = QuantumCircuit(3) 
circ.ccx(0, 1, 2) 
items = [ 
    {"qubitParams": {"name": "qubit_gate_ns_e3"}, "errorBudget": 0.0001}, 
    {"qubitParams": {"name": "qubit_gate_ns_e4"}, "errorBudget": 0.0001}, 
    {"qubitParams": {"name": "qubit_maj_ns_e4"}, "errorBudget": 0.0001}, 
    {"qubitParams": {"name": "qubit_maj_ns_e6"}, "errorBudget": 0.0001}, 
] # target parameters 

job = backend.run(circ, items=items) 
results = job.result() 
results 

Hasil pekerjaan estimasi sumber daya ditampilkan dalam tabel dengan beberapa hasil yang berasal dari daftar item. Secara default, jumlah maksimum item yang akan ditampilkan adalah lima. Untuk menampilkan daftar item $N$ di mana $N > $5, gunakan results[0:N]. Anda juga dapat mengakses hasil individual dengan memberikan angka sebagai indeks. Misalnya, results[0] untuk menampilkan tabel hasil konfigurasi pertama.

Batching dengan PyQIR

Jika Anda memperkirakan sumber daya program PyQIR, Anda dapat menjalankan beberapa konfigurasi target parameter, juga dikenal sebagai batching. Batching dengan PyQIR dapat dilakukan di notebook di portal Azure.

Pertimbangkan bahwa Anda ingin memperkirakan sumber daya operasi kuantum menggunakan keenam parameter kubit yang telah ditentukan sebelumnya. Sebagai skema QEC yang telah ditentukan sebelumnya, kami menggunakan surface_code parameter qubit berbasis gerbang, dan floquet_code dengan parameter qubit berbasis Majorana. Operasi ini mengambil enam argumen yang berbeda.

Di buku catatan yang sama dengan program PyQIR Anda, tambahkan sel baru dan jalankan:

1. Pertama, Anda mengimpor beberapa paket untuk menggunakan Estimator target Sumber Daya dan QubitParams kelas .

   from azure.quantum.target.microsoft import MicrosoftEstimator, QubitParams, QECScheme
   

2. Anda menentukan label untuk parameter qubit. Label digunakan untuk mengidentifikasi parameter qubit dalam tabel hasil. Anda mengatur sejumlah item untuk pekerjaan dengan meneruskan num_items parameter ke make_params metode . Dalam hal ini, jumlah item adalah enam, satu untuk setiap parameter qubit yang telah ditentukan sebelumnya.

   estimator = MicrosoftEstimator(workspace)
   
   labels = ["Gate-based µs, 10⁻³", "Gate-based µs, 10⁻⁴", "Gate-based ns, 10⁻³", "Gate-based ns, 10⁻⁴", "Majorana ns, 10⁻⁴", "Majorana ns, 10⁻⁶"]
   params = estimator.make_params(num_items=6)
   

3. Argumen diteruskan sebagai kamus. Kunci adalah nama argumen dan nilai adalah nilai argumen. Argumen bisa berupa angka atau array angka. Dalam hal ini, Anda meneruskan argumen berikut:

   params.arguments["N"] = 10
   params.arguments["J"] = 1.0
   params.arguments["g"] = 1.0
   params.arguments["totTime"] = 20.0
   params.arguments["dt"] = 0.25
   params.arguments["eps"] = 0.001
   

4. Selanjutnya, Anda dapat meneruskan parameter qubit untuk setiap konfigurasi dengan menentukan item di items[]. Gunakan qubit_params.name dan tentukan QubitParams kelas , misalnya GATE_US_E3, dan gunakan qec_scheme.name lalu tentukan QECScheme kelas , misalnya FLOQUET_CODE.

   params.items[0].qubit_params.name = QubitParams.GATE_US_E3
   params.items[1].qubit_params.name = QubitParams.GATE_US_E4
   params.items[2].qubit_params.name = QubitParams.GATE_NS_E3
   params.items[3].qubit_params.name = QubitParams.GATE_NS_E4
   params.items[4].qubit_params.name = QubitParams.MAJ_NS_E4
   params.items[4].qec_scheme.name = QECScheme.FLOQUET_CODE
   params.items[5].qubit_params.name = QubitParams.MAJ_NS_E6
   params.items[5].qec_scheme.name = QECScheme.FLOQUET_CODE
   

5. Dengan menjalankan setiap konfigurasi sebagai satu pekerjaan, ini akan menyebabkan pengiriman enam pekerjaan, yang berarti enam kompilasi terpisah untuk program yang sama. Sebagai gantinya, Anda mengirimkan satu pekerjaan batching dengan beberapa item.

   job = estimator.submit(Operation, input_params=params, name="My operation")
   results = job.get_results()
   

   Catatan

   Anda dapat mengatur nama untuk pekerjaan dengan meneruskan name parameter ke submit metode .

   job = estimator.submit(operation, input_params=params, name="My operation")
   

Catatan

Jika Anda mengalami masalah saat bekerja dengan Estimator Sumber Daya, lihat halaman Pemecahan Masalah, atau hubungi AzureQuantumInfo@microsoft.com.

Konten terkait

• Memahami hasil Estimator Sumber Daya
• Menggunakan SDK dan IDEs yang berbeda dengan Estimator Sumber Daya
• Menyesuaikan perkiraan sumber daya dengan karakteristik komputer
• Tutorial: Memperkirakan sumber daya masalah kimia kuantum