ノイズモデリング
ノイズモデルは、エラーが量子回路の実行結果にどのように影響するかを記述します。ノイズモデルは、一般的なワークフローの複数の段階をサポートします。たとえば、ジョブを送信する前に回路を古典的にシミュレートして期待される性能を見積もる場合や、確率的エラーキャンセルなどのエラー緩和手法に情報を提供する場合などです。実行中のノイズの影響を低減するための一般的な戦略については、ノイズ管理手法の概要を参照してください。
このページでは、そのワークフローの各部分をサポートするパッケージと機能を、デバイスからのノイズの学習、古典シミュレーション用のノイズモデルの構築、特定のエラー緩和手法に向けたノイズモデルの改良に分けてまとめています。
ノイズ学習アルゴリズムの構築と実行
ノイズ学習パッケージを使用して、実験データから直接デバイスのノイズを特徴付けます。これらのパッケージは、ランダム化回路を実行してエラー率を推定し、実際のハードウェアの挙動を反映したノイズモデルを構築します。
Qiskit noise learning
ランダム化ベースの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
ドキュメントを見る →
NoiseLearner for IBM Quantum Compute
IBM Quantum Compute サービスのターゲットデバイスを使用して、PEC および PEA ワークロード用のノイズモデルを構築します。
ドキュメントを見る →
ノイズのある回路シミュレーション用のノイズモデルの構築
このパッケージを使用して、回路を古典的にシミュレートするためのノイズモデルを構築します。ノイズモデルを使うと、QPU で実行する前に、ノイズのあるハードウェア上で回路がどのように振る舞うかを見積もれます。
ノイズモデルの改良
これらのパッケージを使用して、特定のエラー緩和手法に合わせてノイズモデルを調整します。各パッケージは、サンプリングコスト、バイアス、ポストセレクションされたサンプルの信頼性の間で、異なるトレードオフを対象としています。