טכניקות מתקדמות - תוספות Qiskit

תוספות Qiskit הן אוסף של יכולות מחקר המאפשרות גילוי אלגוריתמים בקנה מידה של שימושיות. רכיבי התוכנה המודולריים האלה בנויים על הבסיס הגבוה-ביצועים של Qiskit וניתן לשלב אותם בתהליך עבודה כדי לקדם או לתכנן אלגוריתמים קוונטיים חדשים. דף זה מדגיש את הכלים הזמינים לפי קטגוריות פונקציונליות מרכזיות כדי לעזור לך לבחור יכולות רלוונטיות בעת בניית תהליכי העבודה שלך.

מיפוי בעיות מתחומים שונים

יכולות אלו מתמחות במיפוי בעיות מתחומים שונים לאופרטורים קוונטיים ו-Circuit להרצה על מחשב קוונטי.

Optimization mapper

Model optimization problems and map them into representations that can be understood by a quantum computer.

Browse documentation →

Fermionic mapper

Model fermionic quantum systems and map them to qubit operators and circuits.

Browse documentation →

AQC-Tensor

Construct high-fidelity circuits with reduced depth using approximate quantum compilation with tensor networks.

Browse documentation →

Multi-product formulas

Reduce the Trotter error of Hamiltonian dynamics through a weighted combination of several circuit executions.

Browse documentation →

אופטימיזציה של Circuit להרצה על חומרה

יכולות אלו שימושיות לצמצום עומק ה-Circuit ובדרך כלל מגיעות עם עומס דגימה מוגבר.

Operator backpropagation

Reduce circuit depth in expectation value estimations by backpropagating observables through the circuit.

Browse documentation →

Circuit cutting

Reduce the depth of transpiled circuits by decomposing entangling gates between non-adjacent qubits.

Browse documentation →

ניהול רעש לאמידת ערכי ציפייה

השתמש בתוספות הבאות כדי לנהל רעש בעת בניית עומסי קוונטום לאמידת ערכי ציפייה של Observables.

Propagated noise absorption

Mitigate expectation values by measuring a target observable that has absorbed noise model information.

Browse documentation →

Shaded lightcones

Reduce probabilistic error cancellation (PEC) sampling overhead by removing noise model terms that have low impact on the observable estimation.

Browse documentation →

ניהול רעש לתוצאות דגימה

טכניקות אלו שימושיות לניהול רעש בתוצאות דגימה.

Sample-based quantum diagonalization

Estimate the spectrum of quantum Hamiltonians by processing noisy samples and diagonalizing in a reduced subspace.

Overview →

SQD for HPC

An HPC-ready implementation of the SQD addon, written in modern C++17 standards and designed to enable HPC workflows and applications.

Browse documentation →

Measurement-based postselection

Filter out non-Markovian noise in circuits by incorporating measurement-based postselection transpiler passes.

Read the API reference →

Matrix-free Measurement Mitigation (M3)

Mitigate measurement errors by processing in a reduced subspace defined by noisy bitstrings.

Browse documentation →

יכולות תומכות

השתמש ביכולות אלו לתמיכה ולחיבור בין תהליכי העבודה שלך המשתמשים בתוספות אחרות.

Addon utilities

Build addons-powered workflows faster by using this collection of functions for creating Hamiltonians, generating Trotter time-evolution circuits, and applying the latest error mitigation capabilities.

Browse documentation →

Pauli propagation

A framework to approximate operator evolution, which can be used to simulate expectation values and implement error mitigation techniques, such as propagated noise absorption (PNA) and shaded lightcones.

Browse documentation →