Nota
Esta página foi gerada a partir do tutoriais/ruido/5_volume_quantum.ipynb.
Execute interativamente no IBM Quantum lab.
Volume Quântico¶
Introdução¶
Quantum Volume (QV) é um método para verificar o desempenho do dispositivo e uma métrica para quantificar o poder computacional de um dispositivo quântico. O método baseia-se no artigo “Validando computadores quânticos usando circuitos de modelos randomizados” (https://arxiv.org/abs/1811.12926).
Este notebook dá um exemplo para como usar o módulo ignis.verification.quantum_volume. Este exemplo específico mostra como executar circuitos de volume quântico até a profundidade 6, e os executará usando o simulador Aer com ruídos.
[1]:
#Import general libraries (needed for functions)
import numpy as np
import matplotlib.pyplot as plt
from IPython import display
#Import Qiskit classes classes
import qiskit
from qiskit.providers.aer.noise import NoiseModel
from qiskit.providers.aer.noise.errors.standard_errors import depolarizing_error, thermal_relaxation_error
#Import the qv function.
import qiskit.ignis.verification.quantum_volume as qv
Selecione os Parâmetros da Execução QV¶
Neste exemplo temos 6 qubits Q0, Q1, Q3, Q5, Q7, Q10. Vamos olhar para subconjuntos até o conjunto completo.
[2]:
#Qubit list
qubit_lists = [[0,1,3],[0,1,3,5],[0,1,3,5,7],[0,1,3,5,7,10]]
ntrials = 50
Gerar seqüências QV¶
Geramos as sequências de volume quântico. Começamos com um pequeno exemplo (para que não leve muito tempo para executar).
[3]:
qv_circs, qv_circs_nomeas = qv.qv_circuits(qubit_lists, ntrials)
[4]:
#pass the first trial of the nomeas through the transpiler to illustrate the circuit
qv_circs_nomeas[0] = qiskit.compiler.transpile(qv_circs_nomeas[0], basis_gates=['u1','u2','u3','cx'])
Como exemplo, imprimimos o circuito correspondente à primeira sequência QV. Observe que os circuitos ideais são executados nos primeiros n qubits (onde n é o número de qubits no subconjunto).
[5]:
print(qv_circs_nomeas[0][0])
┌────────────────────────────┐ »
qr_0: |0>─┤ U3(0.88109,-3.974,0.67573) ├────────────────────────────────────»
┌┴────────────────────────────┤┌───┐ ┌───────────────────┐ ┌───┐»
qr_1: |0>┤ U3(2.6224,-0.97915,-4.0992) ├┤ X ├──┤ U3(pi/2,0,3.6893) ├───┤ X ├»
└─┬──────────────────────────┬┘└─┬─┘┌─┴───────────────────┴──┐└─┬─┘»
qr_2: |0>──┤ U3(1.3211,3.3206,1.9445) ├───■──┤ U3(0.76663,pi/2,-pi/2) ├──■──»
└──────────────────────────┘ └────────────────────────┘ »
cr_0: 0 ═══════════════════════════════════════════════════════════════════»
»
cr_1: 0 ═══════════════════════════════════════════════════════════════════»
»
cr_2: 0 ═══════════════════════════════════════════════════════════════════»
»
« ┌───┐»
«qr_0: ─────────────────────────────────────────────────────────────┤ X ├»
« ┌───────────────────┐ ┌───┐ ┌───────────────────────────┐ └─┬─┘»
«qr_1: ──┤ U3(pi/2,-pi,pi/2) ├──┤ X ├─┤ U3(2.3258,0.16961,1.9883) ├───■──»
« ┌─┴───────────────────┴─┐└─┬─┘┌┴───────────────────────────┴┐ »
«qr_2: ┤ U3(0.069147,pi,-pi/2) ├──■──┤ U3(2.6257,-0.40966,-4.1229) ├─────»
« └───────────────────────┘ └─────────────────────────────┘ »
«cr_0: ══════════════════════════════════════════════════════════════════»
« »
«cr_1: ══════════════════════════════════════════════════════════════════»
« »
«cr_2: ══════════════════════════════════════════════════════════════════»
« »
« ┌──────────────────┐ ┌───┐┌───────────────────┐ ┌───┐»
«qr_0: ───┤ U3(pi/2,0,3.648) ├───┤ X ├┤ U3(pi/2,-pi,pi/2) ├─┤ X ├»
« ┌──┴──────────────────┴──┐└─┬─┘├───────────────────┴┐└─┬─┘»
«qr_1: ┤ U3(0.67876,pi/2,-pi/2) ├──■──┤ U3(0.39769,0,pi/2) ├──■──»
« └────────────────────────┘ └────────────────────┘ »
«qr_2: ──────────────────────────────────────────────────────────»
« »
«cr_0: ══════════════════════════════════════════════════════════»
« »
«cr_1: ══════════════════════════════════════════════════════════»
« »
«cr_2: ══════════════════════════════════════════════════════════»
« »
« ┌───────────────────────────┐ ┌───┐ ┌───────────────────┐ ┌───┐»
«qr_0: ┤ U3(1.6714,0.26184,5.8406) ├─┤ X ├──┤ U3(pi/2,0,3.3447) ├──┤ X ├»
« ├───────────────────────────┴┐└─┬─┘ └───────────────────┘ └─┬─┘»
«qr_1: ┤ U3(2.0587,-0.39667,5.1684) ├──┼─────────────────────────────┼──»
« └────────────────────────────┘ │ ┌───────────────────────┐ │ »
«qr_2: ────────────────────────────────■──┤ U3(0.8297,pi/2,-pi/2) ├──■──»
« └───────────────────────┘ »
«cr_0: ═════════════════════════════════════════════════════════════════»
« »
«cr_1: ═════════════════════════════════════════════════════════════════»
« »
«cr_2: ═════════════════════════════════════════════════════════════════»
« »
« ┌───────────────────┐ ┌───┐┌──────────────────────────┐
«qr_0: ─┤ U3(pi/2,-pi,pi/2) ├─┤ X ├┤ U3(2.673,3.0342,0.69813) ├
« └───────────────────┘ └─┬─┘└──────────────────────────┘
«qr_1: ─────────────────────────┼──────────────────────────────
« ┌─────────────────────┐ │ ┌──────────────────────────┐
«qr_2: ┤ U3(0.032719,0,pi/2) ├──■──┤ U3(1.14,-1.5329,-1.9038) ├
« └─────────────────────┘ └──────────────────────────┘
«cr_0: ════════════════════════════════════════════════════════
«
«cr_1: ════════════════════════════════════════════════════════
«
«cr_2: ════════════════════════════════════════════════════════
«
Simular os circuitos ideais¶
O método de volume quântico requer que saibamos a saída ideal para cada circuito, portanto use o simulador de statevector em Aer para obter o resultado ideal.
[6]:
#The Unitary is an identity (with a global phase)
backend = qiskit.Aer.get_backend('statevector_simulator')
ideal_results = []
for trial in range(ntrials):
print('Simulating trial %d'%trial)
ideal_results.append(qiskit.execute(qv_circs_nomeas[trial], backend=backend, optimization_level=0).result())
Simulating trial 0
Simulating trial 1
Simulating trial 2
Simulating trial 3
Simulating trial 4
Simulating trial 5
Simulating trial 6
Simulating trial 7
Simulating trial 8
Simulating trial 9
Simulating trial 10
Simulating trial 11
Simulating trial 12
Simulating trial 13
Simulating trial 14
Simulating trial 15
Simulating trial 16
Simulating trial 17
Simulating trial 18
Simulating trial 19
Simulating trial 20
Simulating trial 21
Simulating trial 22
Simulating trial 23
Simulating trial 24
Simulating trial 25
Simulating trial 26
Simulating trial 27
Simulating trial 28
Simulating trial 29
Simulating trial 30
Simulating trial 31
Simulating trial 32
Simulating trial 33
Simulating trial 34
Simulating trial 35
Simulating trial 36
Simulating trial 37
Simulating trial 38
Simulating trial 39
Simulating trial 40
Simulating trial 41
Simulating trial 42
Simulating trial 43
Simulating trial 44
Simulating trial 45
Simulating trial 46
Simulating trial 47
Simulating trial 48
Simulating trial 49
Em seguida, carregue os resultados ideais em um equipamento de volume quântico:
[7]:
qv_fitter = qv.QVFitter(qubit_lists=qubit_lists)
qv_fitter.add_statevectors(ideal_results)
Definir o modelo de ruído¶
Definimos um modelo de ruído para o simulador. Para simular o decaimento, adicionamos probabilidades de erro de despolarizamento aos portões de CNOT e U.
[8]:
noise_model = NoiseModel()
p1Q = 0.002
p2Q = 0.02
noise_model.add_all_qubit_quantum_error(depolarizing_error(p1Q, 1), 'u2')
noise_model.add_all_qubit_quantum_error(depolarizing_error(2*p1Q, 1), 'u3')
noise_model.add_all_qubit_quantum_error(depolarizing_error(p2Q, 2), 'cx')
#noise_model = None
Executar no simulador Aer¶
Podemos executar as sequências de QV usando um Qiskit Aer Simulator (com algum modelo de ruído) ou usando um provedor IBMQ, e obter uma lista de resultados, result_list.
[9]:
backend = qiskit.Aer.get_backend('qasm_simulator')
basis_gates = ['u1','u2','u3','cx'] # use U,CX for now
shots = 1024
exp_results = []
for trial in range(ntrials):
print('Running trial %d'%trial)
exp_results.append(qiskit.execute(qv_circs[trial], basis_gates=basis_gates, backend=backend, noise_model=noise_model, backend_options={'max_parallel_experiments': 0}).result())
Running trial 0
Running trial 1
Running trial 2
Running trial 3
Running trial 4
Running trial 5
Running trial 6
Running trial 7
Running trial 8
Running trial 9
Running trial 10
Running trial 11
Running trial 12
Running trial 13
Running trial 14
Running trial 15
Running trial 16
Running trial 17
Running trial 18
Running trial 19
Running trial 20
Running trial 21
Running trial 22
Running trial 23
Running trial 24
Running trial 25
Running trial 26
Running trial 27
Running trial 28
Running trial 29
Running trial 30
Running trial 31
Running trial 32
Running trial 33
Running trial 34
Running trial 35
Running trial 36
Running trial 37
Running trial 38
Running trial 39
Running trial 40
Running trial 41
Running trial 42
Running trial 43
Running trial 44
Running trial 45
Running trial 46
Running trial 47
Running trial 48
Running trial 49
Carregue os dados experimentais no equipamento. Os dados continuarão acumulando se o código for reexecutado (a menos que o equipamento seja reinstanciado).
[10]:
qv_fitter.add_data(exp_results)
[11]:
plt.figure(figsize=(10, 6))
ax = plt.gca()
# Plot the essence by calling plot_rb_data
qv_fitter.plot_qv_data(ax=ax, show_plt=False)
# Add title and label
ax.set_title('Quantum Volume for up to %d Qubits \n and %d Trials'%(len(qubit_lists[-1]), ntrials), fontsize=18)
plt.show()
Volume Quântico¶
Listar estatísticas para cada profundidade. Para cada lista de profundidade, se a profundidade foi bem-sucedida ou não, e com o que o intervalo de confiança. Para que uma profundidade seja bem sucedida, o intervalo de confiança deve ser> 97,5%.
[12]:
qv_success_list = qv_fitter.qv_success()
qv_list = qv_fitter.ydata
for qidx, qubit_list in enumerate(qubit_lists):
if qv_list[0][qidx]>2/3:
if qv_success_list[qidx][0]:
print("Width/depth %d greater than 2/3 (%f) with confidence %f (successful). Quantum volume %d"%
(len(qubit_list),qv_list[0][qidx],qv_success_list[qidx][1],qv_fitter.quantum_volume()[qidx]))
else:
print("Width/depth %d greater than 2/3 (%f) with confidence %f (unsuccessful)."%
(len(qubit_list),qv_list[0][qidx],qv_success_list[qidx][1]))
else:
print("Width/depth %d less than 2/3 (unsuccessful)."%len(qubit_list))
Width/depth 3 greater than 2/3 (0.791562) with confidence 0.985155 (successful). Quantum volume 8
Width/depth 4 greater than 2/3 (0.707090) with confidence 0.735022 (unsuccessful).
Width/depth 5 greater than 2/3 (0.710508) with confidence 0.752867 (unsuccessful).
Width/depth 6 less than 2/3 (unsuccessful).
[13]:
import qiskit.tools.jupyter
%qiskit_version_table
%qiskit_copyright
Version Information
| Qiskit Software | Version |
|---|---|
| Qiskit | 0.14.0 |
| Terra | 0.11.0 |
| Aer | 0.3.4 |
| Ignis | 0.2.0 |
| Aqua | 0.6.1 |
| IBM Q Provider | 0.4.4 |
| System information | |
| Python | 3.7.5 (default, Oct 25 2019, 10:52:18) [Clang 4.0.1 (tags/RELEASE_401/final)] |
| OS | Darwin |
| CPUs | 4 |
| Memory (Gb) | 16.0 |
| Tue Dec 10 17:04:56 2019 EST | |
This code is a part of Qiskit
© Copyright IBM 2017, 2019.
This code is licensed under the Apache License, Version 2.0. You may
obtain a copy of this license in the LICENSE.txt file in the root directory
of this source tree or at http://www.apache.org/licenses/LICENSE-2.0.
Any modifications or derivative works of this code must retain this
copyright notice, and modified files need to carry a notice indicating
that they have been altered from the originals.
[ ]: