ゲートのノイズモデルを学習する

このチュートリアルでは、高レベルのプロトコル関数 prepare_vanilla_program() と process_vanilla_result() からアクセスできる標準的な学習プロトコルを使って、ユニタリゲートのノイズモデルを学習する方法を示します。

1. ゲートを定義する

2. ローカル・シミュレーションを設定する

3. 量子プログラムを準備する

4. 量子プログラムを実行する

5. 結果を読み取る

実機での実行

以下の回路はローカルでシミュレートされるため、このチュートリアルでは IBM Quantum® の認証情報は不要です。代わりに実デバイスで実行するには、次のようにします。

• ステップ 1: FakeMarrakesh を実際のバックエンドに置き換えます。

• ステップ 2: そのバックエンドを Executor のモードとして渡し、シミュレーターのオプションを削除します。

1. ゲートを定義する

このゲートは、6 個の互いに素な CZ ゲートからなるツワーリング済みの層を保持する BoxOp です。

from qiskit.circuit import QuantumCircuit
from qiskit_ibm_runtime.fake_provider import FakeMarrakesh
from samplomatic import InjectNoise, Tag, Twirl

backend = FakeMarrakesh()

cz_pairs = [(91, 92), (93, 94), (95, 99), (98, 111), (112, 113), (114, 115)]

circuit = QuantumCircuit(backend.num_qubits)
with circuit.box([Twirl(), Tag("cz_gate"), InjectNoise("cz_gate")]):
    for pair in cz_pairs:
        circuit.cz(*pair)

実機での実行

from qiskit_ibm_runtime import QiskitRuntimeService

backend = QiskitRuntimeService().backend("ibm_marrakesh")

2. ローカル・シミュレーションを設定する

各マップ内のパウリ・インデックスはゲートに対してローカルで、物理量子ビットの昇順に並びます。

cz_qubits = sorted({qubit for pair in cz_pairs for qubit in pair})
local = {qubit: index for index, qubit in enumerate(cz_qubits)}
local

{91: 0,
 92: 1,
 93: 2,
 94: 3,
 95: 4,
 98: 5,
 99: 6,
 111: 7,
 112: 8,
 113: 9,
 114: 10,
 115: 11}

各 CZ ペアに、相関のある ZZ 項とより弱い XX 項を加え、さらにすべての量子ビットに単一量子ビットの Z 項を加えてノイズを定義します。測定には量子ビットごとにビット反転項を与えます。

from qiskit.quantum_info import PauliLindbladMap

num_qubits = len(cz_qubits)

cz_noise = PauliLindbladMap.from_sparse_list(
    [("ZZ", [local[a], local[b]], 8e-4) for a, b in cz_pairs]
    + [("XX", [local[a], local[b]], 4e-4) for a, b in cz_pairs]
    + [("Z", [index], 3e-4) for index in range(num_qubits)],
    num_qubits=num_qubits,
)

readout_noise = PauliLindbladMap.from_sparse_list(
    [("X", [index], 5e-3) for index in range(num_qubits)], num_qubits=num_qubits
)

学習対象となる測定用のボックスを作成します。

measurement = QuantumCircuit(backend.num_qubits, num_qubits)
with measurement.box([Twirl(), Tag("readout"), InjectNoise("readout")]):
    for clbit, qubit in enumerate(cz_qubits):
        measurement.measure(qubit, clbit)

layer_noise_model の各エントリーは、それらのボックスの1つと、そのボックスに適用するマップを対にしたものです。スタビライザー・シミュレーション法を使用し、seed_simulator を設定してシミュレーション・データを再現可能にします。

from qiskit_aer import AerSimulator
from qiskit_ibm_runtime import Executor

executor = Executor(
    mode=AerSimulator(method="stabilizer"),
    options={
        "simulator": {
            "layer_noise_model": [
                (circuit[0], cz_noise),
                (measurement[0], readout_noise),
            ],
            "seed_simulator": 1234,
        }
    },
)

実機での実行

executor = Executor(mode=backend)

3. 量子プログラムを準備する

prepare_vanilla_program() を使用して、学習実験を含む量子プログラムを構築します。

from qiskit_noise_learning.protocols import prepare_vanilla_program

program = prepare_vanilla_program(
    backend,
    [circuit[0], measurement[0]],
    fragment_depths=[2, 16, 64, 128],
    num_randomizations=50,
    shots_per_randomization=20,
)

print(f"Number of template circuits: {len(program.items)}")

Number of template circuits: 5

4. 量子プログラムを実行する

量子プログラムを送信します。このステップは、エグゼキューターがシミュレーターを指している場合でも実機を指している場合でも同じです。

result = executor.run(program).result()

5. 結果を読み取る

process_vanilla_result() で結果を処理します。

from qiskit_noise_learning.protocols import process_vanilla_result

noise_maps, gate_names, fit = process_vanilla_result(result)

量子ビットペアごとの忠実度の減衰を、データと指数関数フィットの両方でプロットします。

fit.plot_qubit_pair_decays(
    pairs=cz_pairs,
    observable_type="means",
    exponential_fit=True,
)