דלג לתוכן הראשי
פרויקט זה בשלב בטא. מצאת באג? פתח issue ב-GitHub. יש שאלה או רעיון? שאל ב-Discussions — נשמח לשמוע ממך!
מה איכות התרגום בדף זה?

Qiskit addons

ספטמבר 2026​

  • כלים חדשים נבנו על גבי מסגרת מודל ההרצה המונחית, שפורסמה מוקדם יותר השנה:

    • qiskit-noise-learning היא ערכת כלים לאפיון רעש קוונטי מבוסס רנדומיזציה. אפשר להשתמש בה כדי לבנות ניסוי למידת רעש מותאם אישית, לאמת אותו באמצעות סימולציה מקומית ולנתח את התוצאות הגולמיות.

    • qiskit-mitigation היא חבילה של שיטות לצמצום שגיאות קוונטיות לבניית צינורות צמצום שגיאות עם מודל ההרצה החדש. היא כוללת מימושים של שיטות מוכרות, ביניהן PEC, PEA, TREX ו-ZNE מבוסס gate-folding, וכן post-selection לסינון שגיאות לא-מרקוביות.

אוגוסט 2026​

  • Qiskit Fermions יצא לראשונה החודש! החבילה הזו מספקת כלים לעבודה עם מערכות פרמיוניות, כולל בניית אופרטורים ו-Circuit-ים פרמיוניים, מימוש קידודים מפרמיון ל-Qubit, וסינתזה של Circuit-ים באמצעות שילוב עם ה-Transpiler של Qiskit. אפשר להשתמש ב-Qiskit Fermions יחד עם כלים משלימים אחרים באקוסיסטם, כמו ffsim (ראו את התיעוד והבלוג למידע נוסף) ותוסף SQD, כדי לבנות תהליכי עבודה מתקדמים למערכות פרמיוניות.

ראו איך הכלים האלה מיושמים בפועל במדריך אלגוריתם SqDRIFT להערכת מצב היסוד ובמדריך הבא: בניית Circuit-ים בעומק קבוע לסימולציה של הדינמיקה של מודל פרמי-האברד החד-ממדי והדו-ממדי. עיינו בבלוג ובתיעוד כדי להתחיל.

יוני 2026​

  • מציגים את Qiskit Paulice: תוסף חדש המשלב זיהוי שגיאות קוונטי בעלות תקורה נמוכה במעגלים קוונטיים כדי לשפר את הנאמנות (fidelity) של ההתפלגויות הנמדדות. הוא מספק גישה single-shot למצב הקוונטי וכך ניתן להשתמש בו הן בזרימות עבודה מבוססות דגימה (sampling) והן בזרימות עבודה מבוססות ערך תוחלת (expectation value). ניתן לעיין ב-בלוג וב-תיעוד כדי להתחיל כבר היום.

עדכונים קודמים​

  • לאחרונה שחררנו שני תוספים חדשים שמשתמשים במשאבים קלאסיים כדי להפחית את המשאבים הקוונטיים הנדרשים לצמצום שגיאות:

    • Propagated noise absorption (PNA) היא טכניקה לצמצום שגיאות בערכי תוחלת על ידי ספיגת ההופכיים של ערוצי הרעש שנלמדו לתוך אובזרבלים (observables) באמצעות התפשטות פאולי.

    • התוסף Shaded lightcones (SLC) משתמש בסימולציות קלאסיות כדי לתחום בצורה הדוקה יותר את הרגישות לשגיאות לאורך המעגל. זה מאפשר יישומים יעילים וממוקדים יותר של Probabilistic Error Cancellation (PEC) עם שונות מופחתת.