高度なテクニック - Qiskit アドオン
Qiskit アドオンは、ユーティリティスケールでのアルゴリズム発見を可能にするための研究機能の集合体です。これらのモジュール型ソフトウェアコンポーネントはQiskitの高性能な基盤の上に構築されており、ワークフローに組み込んで新しい量子アルゴリズムのスケールアップや設計に活用できます。このページでは、ワークフロー構築時に適切な機能を選択しやすいよう、主要な機能カテゴリごとに利用可能なツールを紹介します。
ドメイン問題のマッピング
これらの機能は、ドメイン問題を量子コンピューターで実行するための量子演算子および Circuit にマッピングすることに特化しています。
最適化マッパー
最適化問題をモデル化し、量子コンピューターが理解できる表現にマッピングします。
ドキュメントを参照 →
Qiskit Fermions
フェルミオン演算子や回路のためのデータ構造、およびフェルミオン-Qubitエンコーディングと、Qiskitトランスパイラ統合による回路合成のためのフレームワークを使用して、フェルミオン系を扱うことができます。
ドキュメントを参照 →
AQC-Tensor
テンソルネットワークを用いた近似量子コンパイルにより、回路深度を削減しながら高忠実度のCircuitを構築します。
ドキュメントを参照 →
マルチプロダクト公式
複数のCircuit実行の加重組み合わせを通じて、ハミルトニアンダイナミクスのTrotterエラーを低減します。
ドキュメントを参照 →
ハードウェア実行向けCircuitの最適化
これらの機能はCircuit深度の削減に有効であり、通常はサンプリングオーバーヘッドの増加を伴います。
オペレーターバックプロパゲーション
Circuit全体にオブザーバブルをバックプロパゲートすることで、期待値推定のCircuit深度を削減します。
ドキュメントを参照 →
Circuitカッティング
隣接しないQubit間のエンタングリングゲートを分解することで、トランスパイル済みCircuitの深度を削減します。
ドキュメントを参照 →
ノイズモデルを学ぶ
エラー軽減戦略の一環として、ノイズモデルの学習と改善に次のツールを使用してください。
ノイズ学習
ランダム化に基づく量子ノイズ特性評価実験とモデルフィッティング解析パイプラインを構築します
ドキュメントを参照 →
シェードライトコーン
オブザーバブル推定への影響が小さいノイズモデル項を除去することで、確率的エラーキャンセレーション（PEC）のサンプリングオーバーヘッドを削減します。
ドキュメントを参照 →
期待値推定におけるノイズ管理
オブザーバブルの期待値を推定する量子ワークロード構築時のノイズ管理には、以下のアドオンを使用してください。
伝播ノイズ吸収
ノイズモデル情報を吸収したターゲットオブザーバブルを測定することで、期待値のエラーを軽減します。
ドキュメントを参照 →
Qiskit Mitigation
Samplomatic を使用して、PEC、ZNE、TREX などの技術で直接カスタムエラー軽減パイプラインを構築します。
ドキュメントを参照 →
サンプリング結果におけるノイズ管理
これらの手法はサンプリング結果のノイズ管理に有効です。
サンプルベース量子対角化
ノイズのあるサンプルを処理し、縮小された部分空間で対角化することで、量子ハミルトニアンのスペクトルを推定します。
ドキュメントを参照 →
HPC向けSQD
SQDアドオンのHPC対応実装です。モダンなC++17標準で記述されており、HPCワークフローおよびアプリケーションを可能にするよう設計されています。
ドキュメントを参照 →
ビットフリップチェックによる後選択
ビットフリップチェックを回路に組み込むことで、サンプリングされたビット列から非マルコフ性ノイズを除去します。
Read the documentation →
行列フリー測定軽減 (M3)
ノイズのあるビット列で定義された縮小部分空間で処理することで、測定エラーを軽減します。
ドキュメントを参照 →
Paulice
時空コードに基づくハードウェア効率の良いパウリチェックを使用して、サンプリングされた分布の忠実度を向上させます。
ドキュメントを参照 →
サポート機能
他のアドオンを活用するワークフローのサポートおよび構成にこれらの機能をご利用ください。