Tworzenie i transpilacja względem niestandardowych backendów

# Added by doQumentation — required packages for this notebook
!pip install -q numpy qiskit rustworkx

# Don't use SVGs for this file because the images are too large,
# and the SVGs are much larger than their PNGs equivalents.
%config InlineBackend.figure_format='png'

Wersje pakietów

Kod na tej stronie został opracowany przy użyciu poniższych wymagań. Zalecamy korzystanie z tych lub nowszych wersji.

qiskit[all]~=2.5.2

Jedną z potężniejszych funkcji Qiskit jest możliwość obsługi unikalnych konfiguracji urządzeń. Qiskit jest zbudowany w sposób niezależny od dostawcy sprzętu kwantowego, a dostawcy mogą konfigurować obiekt BackendV2 zgodnie z właściwościami swojego urządzenia. W tym temacie pokazano, jak skonfigurować własny backend i transpilować względem niego obwody kwantowe.

Możesz tworzyć unikalne obiekty BackendV2 o różnych geometriach lub bazowych bramkach i transpilować swoje obwody z uwzględnieniem tych konfiguracji. Poniższy przykład dotyczy backendu z rozłączną siatką Qubitów, którego bazowe bramki różnią się na krawędziach od tych wewnątrz obszaru centralnego.

Zrozumienie interfejsów Provider, BackendV2 i Target

Zanim zaczniesz, warto zrozumieć zastosowanie i cel obiektów Provider, BackendV2 i Target.

• Jeśli masz urządzenie kwantowe lub symulator, który chcesz zintegrować z Qiskit SDK, musisz napisać własną klasę Provider. Klasa ta służy jednemu celowi: pobieraniu obiektów backendu, które udostępniasz. To właśnie tutaj obsługiwane są wszelkie wymagane zadania uwierzytelniania i/lub autoryzacji. Po utworzeniu instancji obiekt Provider udostępni listę backendów oraz możliwość ich pozyskiwania i instancjonowania.

• Klasy backendu stanowią interfejs między Qiskit SDK a sprzętem lub symulatorem, który będzie wykonywał obwody. Zawierają wszystkie informacje niezbędne do opisania backendu Transpilerowi, aby mógł on optymalizować dowolny obwód zgodnie z jego ograniczeniami. BackendV2 składa się z czterech głównych części:

  • Właściwości Target, która zawiera opis ograniczeń backendu i dostarcza Transpilerowi model backendu

  • Właściwości max_circuits definiującej limit liczby obwodów, które backend może wykonać w jednym zadaniu

  • Metody run() przyjmującej przesyłane zadania

  • Zbioru _default_options definiującego konfigurowalne opcje użytkownika i ich wartości domyślne

Tworzenie niestandardowego BackendV2

Obiekt BackendV2 jest klasą abstrakcyjną używaną dla wszystkich obiektów backendu tworzonych przez dostawcę (zarówno w ramach qiskit.providers, jak i w innej bibliotece, np. qiskit_ibm_runtime.IBMBackend). Jak wspomniano powyżej, obiekty te zawierają kilka atrybutów, w tym Target. Target zawiera informacje określające atrybuty backendu — takie jak Coupling Map, lista Instructions i inne — przekazywane Transpilerowi. Oprócz Target można również definiować szczegóły na poziomie impulsów, takie jak DriveChannel lub ControlChannel.

Poniższy przykład demonstruje tę personalizację poprzez stworzenie symulowanego backendu wieloukładowego, gdzie każdy układ ma łączność heavy-hex. W przykładzie zestaw bramek dwu-qubitowych backendu to CZGates wewnątrz każdego układu i CXGates między układami. Najpierw utwórz własny BackendV2 i dostosuj jego Target za pomocą bramek jedno- i dwu-qubitowych zgodnie z wcześniej opisanymi ograniczeniami.

Biblioteka graphviz

Rysowanie mapy sprzężeń wymaga zainstalowanej biblioteki graphviz.

import numpy as np
import rustworkx as rx

from qiskit.providers import BackendV2, Options
from qiskit.transpiler import Target, InstructionProperties
from qiskit.circuit.library import XGate, SXGate, RZGate, CZGate, ECRGate
from qiskit.circuit import Measure, Delay, Parameter, Reset
from qiskit import QuantumCircuit, transpile
from qiskit.visualization import plot_gate_map

class FakeLOCCBackend(BackendV2):
    """Fake multi chip backend."""

    def __init__(self, distance=3, number_of_chips=3):
        """Instantiate a new fake multi chip backend.

        Args:
            distance (int): The heavy hex code distance to use for each chips'
                coupling map. This number **must** be odd. The distance relates
                to the number of qubits by:
                :math:`n = \\frac{5d^2 - 2d - 1}{2}` where :math:`n` is the
                number of qubits and :math:`d` is the ``distance``
            number_of_chips (int): The number of chips to have in the multichip backend
                each chip will be a heavy hex graph of ``distance`` code distance.
        """
        super().__init__(name="Fake LOCC backend")
        # Create a heavy-hex graph using the
        # rustworkx library, then instantiate a new target
        self._graph = rx.generators.directed_heavy_hex_graph(
            distance, bidirectional=False
        )
        num_qubits = len(self._graph) * number_of_chips
        self._target = Target(
            "Fake multi-chip backend", num_qubits=num_qubits
        )

        # Generate instruction properties for single qubit gates and a measurement, delay,
        #  and reset operation to every qubit in the backend.
        rng = np.random.default_rng(seed=12345678942)
        rz_props = {}
        x_props = {}
        sx_props = {}
        measure_props = {}
        delay_props = {}

        # Add 1q gates. Globally use virtual rz, x, sx, and measure
        for i in range(num_qubits):
            qarg = (i,)
            rz_props[qarg] = InstructionProperties(error=0.0, duration=0.0)
            x_props[qarg] = InstructionProperties(
                error=rng.uniform(1e-6, 1e-4),
                duration=rng.uniform(1e-8, 9e-7),
            )
            sx_props[qarg] = InstructionProperties(
                error=rng.uniform(1e-6, 1e-4),
                duration=rng.uniform(1e-8, 9e-7),
            )
            measure_props[qarg] = InstructionProperties(
                error=rng.uniform(1e-3, 1e-1),
                duration=rng.uniform(1e-8, 9e-7),
            )
            delay_props[qarg] = None
        self._target.add_instruction(XGate(), x_props)
        self._target.add_instruction(SXGate(), sx_props)
        self._target.add_instruction(RZGate(Parameter("theta")), rz_props)
        self._target.add_instruction(Measure(), measure_props)
        self._target.add_instruction(Reset(), measure_props)

        self._target.add_instruction(Delay(Parameter("t")), delay_props)
        # Add chip local 2q gate which is CZ
        cz_props = {}
        for i in range(number_of_chips):
            for root_edge in self._graph.edge_list():
                offset = i * len(self._graph)
                edge = (root_edge[0] + offset, root_edge[1] + offset)
                cz_props[edge] = InstructionProperties(
                    error=rng.uniform(7e-4, 5e-3),
                    duration=rng.uniform(1e-8, 9e-7),
                )
        self._target.add_instruction(CZGate(), cz_props)

        cx_props = {}
        # Add interchip 2q gates which are ecr (effectively CX)
        # First determine which nodes to connect
        node_indices = self._graph.node_indices()
        edge_list = self._graph.edge_list()
        inter_chip_nodes = {}
        for node in node_indices:
            count = 0
            for edge in edge_list:
                if node == edge[0]:
                    count += 1
            if count == 1:
                inter_chip_nodes[node] = count
        # Create inter-chip ecr props
        cx_props = {}
        inter_chip_edges = list(inter_chip_nodes.keys())
        for i in range(1, number_of_chips):
            offset = i * len(self._graph)
            edge = (
                inter_chip_edges[1] + (len(self._graph) * (i - 1)),
                inter_chip_edges[0] + offset,
            )
            cx_props[edge] = InstructionProperties(
                error=rng.uniform(7e-4, 5e-3),
                duration=rng.uniform(1e-8, 9e-7),
            )

        self._target.add_instruction(ECRGate(), cx_props)

    @property
    def target(self):
        return self._target

    @property
    def max_circuits(self):
        return None

    @property
    def graph(self):
        return self._graph

    @classmethod
    def _default_options(cls):
        return Options(shots=1024)

    def run(self, circuit, **kwargs):
        raise NotImplementedError(
            "This backend does not contain a run method"
        )

Wizualizacja backendów

Możesz wyświetlić graf łączności tej nowej klasy za pomocą metody plot_gate_map() z modułu qiskit.visualization. Metoda ta, wraz z plot_coupling_map() i plot_circuit_layout(), są pomocnymi narzędziami do wizualizacji rozmieszczenia Qubitów w backendzie oraz sposobu, w jaki Circuit jest rozłożony na Qubitach backendu. W tym przykładzie tworzony jest backend zawierający trzy małe układy heavy-hex. Podawany jest zestaw współrzędnych do rozmieszczenia Qubitów, a także zestaw niestandardowych kolorów dla różnych bramek dwu-qubitowych.

backend = FakeLOCCBackend(3, 3)

target = backend.target
coupling_map_backend = target.build_coupling_map()

coordinates = [
    (3, 1),
    (3, -1),
    (2, -2),
    (1, 1),
    (0, 0),
    (-1, -1),
    (-2, 2),
    (-3, 1),
    (-3, -1),
    (2, 1),
    (1, -1),
    (-1, 1),
    (-2, -1),
    (3, 0),
    (2, -1),
    (0, 1),
    (0, -1),
    (-2, 1),
    (-3, 0),
]

single_qubit_coordinates = []
total_qubit_coordinates = []

for coordinate in coordinates:
    total_qubit_coordinates.append(coordinate)

for coordinate in coordinates:
    total_qubit_coordinates.append(
        (-1 * coordinate[0] + 1, coordinate[1] + 4)
    )

for coordinate in coordinates:
    total_qubit_coordinates.append((coordinate[0], coordinate[1] + 8))

line_colors = ["#adaaab" for edge in coupling_map_backend.get_edges()]
ecr_edges = []

# Get tuples for the edges which have an ecr instruction attached
for instruction in target.instructions:
    if instruction[0].name == "ecr":
        ecr_edges.append(instruction[1])

for i, edge in enumerate(coupling_map_backend.get_edges()):
    if edge in ecr_edges:
        line_colors[i] = "#000000"

print(backend.name)
plot_gate_map(
    backend,
    plot_directed=True,
    qubit_coordinates=total_qubit_coordinates,
    line_color=line_colors,
)

Fake LOCC backend

Każdy kubit jest oznaczony etykietą, a kolorowe strzałki przedstawiają bramki dwukubitowe. Szare strzałki to bramki CZ, a czarne strzałki to bramki CX między chipami (łączą one kubity $6 \rightarrow 21$ oraz $25 \rightarrow 40$). Kierunek strzałki wskazuje domyślny kierunek, w którym te bramki są wykonywane; określają one, które kubity są domyślnie kontrolne/docelowe dla każdego kanału dwukubitowego.

Transpilacja względem niestandardowych Backend'ów

Teraz, gdy niestandardowy Backend z własnym unikalnym Target został zdefiniowany, transpilacja obwodów kwantowych względem tego Backend'u jest prosta — wszystkie istotne ograniczenia (bramki bazowe, łączność kubitów itd.) potrzebne do przejść Transpiler'a są zawarte w tym atrybucie. Poniższy przykład buduje Circuit tworzący duży stan GHZ i transpiluje go względem skonstruowanego wcześniej Backend'u.

from qiskit.transpiler import generate_preset_pass_manager

num_qubits = 50
ghz = QuantumCircuit(num_qubits)
ghz.h(range(num_qubits))
ghz.cx(0, range(1, num_qubits))
op_counts = ghz.count_ops()

print("Pre-Transpilation: ")
print(f"CX gates: {op_counts['cx']}")
print(f"H gates: {op_counts['h']}")
print("\n", 30 * "#", "\n")

pm = generate_preset_pass_manager(optimization_level=3, backend=backend)
transpiled_ghz = pm.run(ghz)
op_counts = transpiled_ghz.count_ops()

print("Post-Transpilation: ")
print(f"CZ gates: {op_counts['cz']}")
print(f"ECR gates: {op_counts['ecr']}")
print(f"SX gates: {op_counts['sx']}")
print(f"RZ gates: {op_counts['rz']}")

Pre-Transpilation: 
CX gates: 49
H gates: 50

 ##############################

Post-Transpilation: 
CZ gates: 204
ECR gates: 8
SX gates: 374
RZ gates: 215

Transpilowany Circuit zawiera teraz mieszaninę bramek CZ i ECR, które zostały określone jako bramki bazowe w Target Backend'u. Jest też nieco więcej bramek niż na początku, ponieważ po wyborze układu konieczne było wstawienie instrukcji SWAP. Poniżej narzędzie wizualizacyjne plot_circuit_layout() jest użyte do wskazania, które Qubity i kanały dwuqubitowe zostały wykorzystane w tym Circuit.

from qiskit.visualization import plot_circuit_layout

plot_circuit_layout(
    transpiled_ghz, backend, qubit_coordinates=total_qubit_coordinates
)

Tworzenie unikalnych Backend'ów

Pakiet rustworkx zawiera dużą bibliotekę różnych grafów i umożliwia tworzenie własnych grafów. Poniższy, wizualnie interesujący kod tworzy Backend inspirowany kodem torycznym. Możesz następnie zwizualizować Backend, korzystając z funkcji z sekcji Wizualizacja Backend'ów.

class FakeTorusBackend(BackendV2):
    """Fake multi chip backend."""

    def __init__(self):
        """Instantiate a new backend that is inspired by a toric code"""
        super().__init__(name="Fake LOCC backend")
        graph = rx.generators.directed_grid_graph(20, 20)
        for column in range(20):
            graph.add_edge(column, 19 * 20 + column, None)
        for row in range(20):
            graph.add_edge(row * 20, row * 20 + 19, None)
        num_qubits = len(graph)
        rng = np.random.default_rng(seed=12345678942)
        rz_props = {}
        x_props = {}
        sx_props = {}
        measure_props = {}
        delay_props = {}
        self._target = Target("Fake Kookaburra", num_qubits=num_qubits)
        # Add 1q gates. Globally use virtual rz, x, sx, and measure
        for i in range(num_qubits):
            qarg = (i,)
            rz_props[qarg] = InstructionProperties(error=0.0, duration=0.0)
            x_props[qarg] = InstructionProperties(
                error=rng.uniform(1e-6, 1e-4),
                duration=rng.uniform(1e-8, 9e-7),
            )
            sx_props[qarg] = InstructionProperties(
                error=rng.uniform(1e-6, 1e-4),
                duration=rng.uniform(1e-8, 9e-7),
            )
            measure_props[qarg] = InstructionProperties(
                error=rng.uniform(1e-3, 1e-1),
                duration=rng.uniform(1e-8, 9e-7),
            )
            delay_props[qarg] = None
        self._target.add_instruction(XGate(), x_props)
        self._target.add_instruction(SXGate(), sx_props)
        self._target.add_instruction(RZGate(Parameter("theta")), rz_props)
        self._target.add_instruction(Measure(), measure_props)
        self._target.add_instruction(Reset(), measure_props)
        self._target.add_instruction(Delay(Parameter("t")), delay_props)
        cz_props = {}
        for edge in graph.edge_list():
            cz_props[edge] = InstructionProperties(
                error=rng.uniform(7e-4, 5e-3),
                duration=rng.uniform(1e-8, 9e-7),
            )
        self._target.add_instruction(CZGate(), cz_props)

    @property
    def target(self):
        return self._target

    @property
    def max_circuits(self):
        return None

    @classmethod
    def _default_options(cls):
        return Options(shots=1024)

    def run(self, circuit, **kwargs):
        raise NotImplementedError("Lasciate ogne speranza, voi ch'intrate")

backend = FakeTorusBackend()
# We set `figsize` to a smaller size to make the documentation website faster
# to load. Normally, you do not need to set the argument.
plot_gate_map(backend, figsize=(4, 4))

num_qubits = int(backend.num_qubits / 2)
full_device_bv = QuantumCircuit(num_qubits, num_qubits - 1)
full_device_bv.x(num_qubits - 1)
full_device_bv.h(range(num_qubits))
full_device_bv.cx(range(num_qubits - 1), num_qubits - 1)
full_device_bv.h(range(num_qubits))
full_device_bv.measure(range(num_qubits - 1), range(num_qubits - 1))
tqc = transpile(full_device_bv, backend, optimization_level=3)
op_counts = tqc.count_ops()
print(f"CZ gates: {op_counts['cz']}")
print(f"X gates: {op_counts['x']}")
print(f"SX gates: {op_counts['sx']}")
print(f"RZ gates: {op_counts['rz']}")

CZ gates: 524
X gates: 4
SX gates: 1091
RZ gates: 1065