练习 - Azure Quantum 资源估算器入门

8 分钟

在上一单元中，你了解到 Azure Quantum 资源估算器采用三个主要输入参数：物理量子比特参数、量子误差更正（QEC）方案和错误预算。

现在，让我们使用资源估算器进行一些练习。在本单元中，你将使用资源估算器来估算简单量子程序的物理资源要求。

安装必需包

若要使用资源估算器，请从 Azure Quantum 开发工具包（QDK）安装最新的 qsharp 和 qsharp-widgets Python 包。

python -m pip install --upgrade qsharp qsharp-widgets

如果尚未安装适用于 Visual Studio Code 的 QDK 扩展（VS Code），请参阅 “安装 QDK 扩展”。

在 Jupyter 笔记本中创建量子算法

让我们在 Jupyter 笔记本中编写量子算法。若要在 VS Code 中使用 QDK 创建 Jupyter 笔记本，请执行以下步骤：

打开 VS Code。
打开 “视图 ”菜单，然后选择 “命令面板”。此时会显示一个输入框。
在输入框中，输入并选择“ 创建：新建 Jupyter Notebook”。
在笔记本的第一个单元格中，导入 qsharp 包和 EstimateDetails 函数：
```
import qsharp
from qsharp_widgets import EstimateDetails
```
选择“ + 代码 ”按钮以添加新单元格。

将以下 RandomBit 代码复制到新单元格：

%%qsharp
/// # Sample
/// Random Bit
///
/// # Description
/// This Q# program generates a random bit by setting a qubit in a superposition
/// of the computational basis states |0〉 and |1〉, and returning the measurement
/// result.

    operation RandomBit() : Result {
        // Qubits are only accessible for the duration of the scope where they
        // are allocated and are automatically released at the end of the scope.
        use qubit = Qubit();

        // Set the qubit in superposition by applying a Hadamard transformation.
        H(qubit);

        // Measure the qubit. There is a 50% probability of measuring either 
        // `Zero` or `One`.
        let result = M(qubit);

        // Reset the qubit so it can be safely released.
        Reset(qubit);
        return result;
    }

估计量子算法的资源

运行资源估算器来估算运行 RandomBit 作所需的物理资源。如果未指定任何参数，则资源估算器使用以下默认参数值：

qubit_gate_ns_e3，用于量子比特模型
surface_code，用于错误纠正代码
0.001，用于错误预算

若要运行资源估算器，请执行以下步骤：

添加新单元格并将以下代码复制到该单元格：
```
result = qsharp.estimate("RandomBit()")

EstimateDetails(result)
```
该 qsharp.estimate 函数创建一个结果对象，该对象包含资源估算器中的信息。我们将result传递给EstimateDetails函数，该函数在下拉列表中显示一组包含资源估算器输出的表。
展开第一个名为“物理资源估计”的表。此表显示运行时、每秒可靠的量子作以及运行算法所需的量子比特数。

物理资源估计值

运行时 2 微秒

rQOPS 3.00M

物理量子比特 300

该 RandomBit 作需要 300 个物理量子位，需要两微秒才能运行。
再次选择 “物理资源评估” 下拉列表来收起表格。

物理资源估计	值
运行时	2 微秒
rQOPS	3.00M
物理量子比特	300

若要检查其他表，请选择一个下拉列表以展开相应的表。例如，选择 “逻辑量子比特参数 ”下拉列表。此表显示代码距离为 5，每个逻辑量子比特有 50 个物理量子比特。

逻辑量子比特参数	值
QEC 方案	`surface_code`
码距	5
物理量子比特	50
逻辑周期时间	2 微秒
逻辑量子比特错误率	3.00e-5
交叉前因子	0.03
错误更正阈值	0.01
逻辑周期时间公式	（4 * `twoQubitGateTime` + 2 * `oneQubitMeasurementTime`） * `codeDistance`
物理量子比特公式	2 * `codeDistance` * `codeDistance`

使用 jobParams 字段访问可以传递给作业的所有目标参数，并检查未指定的参数的默认值。创建新单元格并将以下代码复制到该单元格：
```
result['jobParams']
```

运行新单元格并检查输出：

{'qecScheme': {'name': 'surface_code',
  'errorCorrectionThreshold': 0.01,
  'crossingPrefactor': 0.03,
  'distanceCoefficientPower': 0,
  'logicalCycleTime': '(4 * twoQubitGateTime + 2 * oneQubitMeasurementTime) * codeDistance',
  'physicalQubitsPerLogicalQubit': '2 * codeDistance * codeDistance',
  'maxCodeDistance': 50},
 'errorBudget': 0.001,
 'qubitParams': {'instructionSet': 'GateBased',
  'name': 'qubit_gate_ns_e3',
  'oneQubitMeasurementTime': '100 ns',
  'oneQubitGateTime': '50 ns',
  'twoQubitGateTime': '50 ns',
  'tGateTime': '50 ns',
  'oneQubitMeasurementErrorRate': 0.001,
  'oneQubitGateErrorRate': 0.001,
  'twoQubitGateErrorRate': 0.001,
  'tGateErrorRate': 0.001,
  'idleErrorRate': 0.001},
 'constraints': {'maxDistillationRounds': 3},
 'estimateType': 'singlePoint'}

对于此算法，资源估算器使用 qubit_gate_ns_e3 量子比特模型、surface_code 纠错码以及 0.001 的错误预算。这些参数是默认值，因为在调用资源估算器时未指定这些参数的值。

更改默认值并再次估算资源

若要使用默认值以外的参数值运行估算器，请在调用资源估算器时为参数指定其他值。让我们更改量子比特模型、QEC 方案和错误预算。

更改量子比特模型

估算在 Majorana 计算机上运行相同算法的成本。要做到这一点，请在调用资源估算器时传递qubitParams参数，并将name字段设置为qubit_maj_ns_e6。

在新单元格中，复制并运行以下代码：

result_maj = qsharp.estimate("RandomBit()", params={
                "qubitParams": {
                    "name": "qubit_maj_ns_e6"
                }})

EstimateDetails(result_maj)

展开输出中的下拉列表，了解与基于入口的计算机相比，Majorana 计算机的资源成本有何差异。

更改 QEC 方案

接下来，使用 Floquet QEC 方案估算 Majorana 计算机上相同算法的成本。要做到这一点，请在调用资源估算器时传递qecScheme参数，并将name字段设置为floquet_code。

在新单元格中，复制并运行以下代码：

result_maj = qsharp.estimate("RandomBit()", params={
                "qubitParams": {
                    "name": "qubit_maj_ns_e6"
                },
                "qecScheme": {
                    "name": "floquet_code"
                }})

EstimateDetails(result_maj)

展开输出中的下拉列表，了解 Floquet QEC 方案的资源成本与图面代码方案相比有何差异。

更改错误预算

最后，估算与先前估计相同的参数的成本，但将错误预算增加到 10%。为此，调用资源估算器时，将值设置为 0.1 的参数传递 errorBudget 。

在新单元格中，复制并运行以下代码：

result_maj = qsharp.estimate("RandomBit()", params={
                "qubitParams": {
                    "name": "qubit_maj_ns_e6"
                },
                "qecScheme": {
                    "name": "floquet_code"
                },
                "errorBudget": 0.1})

EstimateDetails(result_maj)

祝贺！你已成功使用资源估算器来估算运行简单量子算法所需的物理资源。还自定义了参数，以查看它们如何影响资源估算值。

在下一个单元中，你将估计更复杂的量子程序所需的资源：Shor 算法。

反馈

此页面是否有帮助？