Einführung in Qiskit Functions
Hinweise
- Qiskit Functions ist eine experimentelle Funktion, die nur Nutzern des IBM Quantum® Premium Plan, Flex Plan und On-Prem Plan (über die IBM Quantum Platform API) zur Verfügung steht. Sie befindet sich im Preview-Release-Status und kann sich ändern.
Qiskit Functions vereinfachen und beschleunigen die Entdeckung von Algorithmen und die Anwendungsentwicklung im Utility-Scale-Bereich, indem sie Teile des Quantum-Software-Entwicklungsworkflows abstrahieren. So geben Qiskit Functions Zeit frei, die sonst für das manuelle Schreiben von Code und die Feinabstimmung von Experimenten aufgewendet wird.
Functions gibt es in zwei Formen:
| Typ | Was tut sie? | Beispielhafte Ein- und Ausgaben | Für wen ist sie gedacht? |
|---|---|---|---|
| Circuit function | Vereinfachte Schnittstelle zur Ausführung von Circuits. Abstrahiert Transpilation, Fehlerunterdrückung und Fehlerminderung | Eingabe: Abstrakte PUB-Objekte Ausgabe: Fehlerreduzierte Erwartungswerte | Forschende, die Qiskit nutzen, um neue Algorithmen und Anwendungen zu entdecken, ohne sich auf die Hardware-Optimierung oder Fehlerbehandlung konzentrieren zu müssen. Circuit Functions können verwendet werden, um benutzerdefinierte Application Functions zu erstellen. |
| Application function | Deckt Aufgaben auf höherer Ebene ab, etwa die Erkundung von Algorithmen und domänenspezifischen Anwendungsfällen. Abstrahiert den Quantum-Workflow zur Lösung von Aufgaben mit klassischen Ein- und Ausgaben | Eingabe: Moleküle, Graphen Ausgabe: Grund- und angeregte Zustandsenergie, optimale Werte für die Kostenfunktion | Forschende aus Fachgebieten außerhalb des Quantencomputings, die Quantencomputing in bestehende groß angelegte klassische Workflows integrieren, ohne klassische Daten auf Quantum Circuits abbilden zu müssen. |
Functions werden von IBM® und Drittanbieter-Partnern bereitgestellt. Jede ist auf bestimmte Workload-Merkmale hin optimiert und bietet eigene Optionen zur Leistungsoptimierung.
Übersicht der verfügbaren Functions
Circuit Functions
| Name | Anbieter | Empfohlene Verwendung | Einzigartige Vorteile |
|---|---|---|---|
| Tensor-Network Error Mitigation Guide API reference License | Algorithmiq | Workloads mit Observablen von niedrigem Gewicht und schleifenfreien Circuits. | Reduziert den Messaufwand und die Varianz und übertrifft Standard-Fehlerminderungs-Baselines wie Zero Noise Extrapolation (ZNE) und Probabilistic Error Cancellation (PEC) für relevante Circuit-Klassen. |
| QESEM: Error Suppression and Error Mitigation Guide API reference | Qedma | Workloads, die Circuits mit fraktionalen oder parametrisierten Gates oder Observablen mit hohem Gewicht enthalten, sowie Workflows, die unverzerrte Erwartungswerte und genaue Laufzeitschätzungen erfordern. | Erzeugt unverzerrte Erwartungswerte mit geringerer Varianz und geringerem Ressourcenaufwand und übertrifft ZNE und PEC für relevante Circuit-Klassen. |
| Performance Management Guide API reference License | Q-CTRL | Workloads mit parametrischen oder tiefen Circuits oder solche, die viele Circuit-Ausführungen erfordern. | Wendet automatisch KI-gestützte Fehlerunterdrückung auf Quantenalgorithmen an, maximiert die Leistung von IBM-Geräten für genaue Ergebnisse und reduziert dabei die Anzahl der Shots, Rechenzeit und Kosten. Zero-Overhead-Methode, die die Ausführungsgenauigkeit für die Sampler- und Estimator-Primitive verbessert und mit beliebig gewichteten Observablen kompatibel ist. |
| Orbit Guide API reference | Quantum Elements | Workloads mit Leerlaufphasen oder Scheduling-Lücken, einschließlich statischer und dynamischer Circuits wie Quantenfehlerkorrektur, Mid-Circuit-Messung, orakelbasierter Algorithmen, variationeller Quantenalgorithmen und Hamiltonian-Simulation. | Kombiniert optimierte Transpilation, dynamische Entkopplung und Messfehlerminderung in einem einheitlichen Workflow, um die Circuit-Leistung auf IBM Quantum-Hardware zu verbessern. Wendet eine Fehlerunterdrückung mit geringem Overhead an, die die ursprüngliche Circuit-Logik ohne zusätzliche Quanten- oder klassische Vorverarbeitungszeit bewahrt, sodass Nutzer jede Technik aktivieren, deaktivieren oder mit dem unveränderten Circuit vergleichen können. |
Application Functions
| Name | Anbieter | Empfohlene Verwendung | Einzigartige Vorteile |
|---|---|---|---|
| QUICK-PDE Guide API reference License | ColibriTD | Nutzung von Quantencomputing für Multi-Physik-PDEs. Vorbereitung von Simulations-Workflows für Quantenhardware unter vollständiger Kontrolle über sowohl Quanten- als auch physikalische Modellierungsparameter. | Bietet ein robustes hybrides VQA-Framework, das präzise, skalierbare PDE-Lösungen durch fortgeschrittene Lösungskodierung und Spektralmethoden liefert – ein idealer Einstiegspunkt für Teams, die Simulationen für den Einsatz auf Quantenhardware vorbereiten möchten. |
| Quantum Portfolio Optimizer Guide API reference License | Global Data Quantum | Workloads für die Finanzoptimierung, die optimale Portfolio-Strategien über die Zeit suchen und dabei Risiken minimieren und Renditen maximieren sowie das Backtesting von Handelsstrategien ermöglichen. | Löst kombinatorische Optimierungsprobleme durch eine hochspezialisierte Anpassung des VQE-Quantenalgorithmus für diesen Finanz-Anwendungsfall unter Verwendung optimierter Ausführungsstrategien und Optimierer sowie rauschbewusster Fehlerminderungstechniken, die auf die Portfolio-Optimierung zugeschnitten sind. |
| HI-VQE Chemistry Guide API reference License | Qunova Computing | Workloads in der computergestützten Chemie, Molekularsimulation, Materialwissenschaft oder jeder Hamiltonian-Simulation, die die Lösung von Vielteilchen-Elektronenstrukturproblemen erfordert. | Löst molekulare Elektronenstrukturen durch verbessertes SQD und erreicht chemische Genauigkeit (1 kcal/mol, 1,6 mHa) für Probleme, die mit 40 bis 60 Qubits modelliert werden, und übertrifft dabei einige klassische Lösungen auf Supercomputern oder Standard-SQD in Bezug auf Konvergenzgeschwindigkeit bzw. Genauigkeit um Größenordnungen. |
| Iskay Quantum Optimizer Guide API reference License | Kipu Quantum | Optimierungs-Workloads wie Scheduling, Logistik, Routing und QUBO/HUBO-Probleme. | Integrierte abstimmbare klassische Vor- und Nachverarbeitungsmethoden für die Quanten-Optimierungsroutine. Liefert Laufzeitvorteile gegenüber klassischen Lösern (CPLEX, Simulated Annealing und Tabu Search) auf ausgewählten HUBO-Benchmarks. Market Split ms_5_100, eine schwierige Herausforderung, wurde innerhalb von Stunden gelöst (siehe dieses Tutorial). |
| Singularity Machine Learning Guide API reference License | Multiverse Computing | Klassische Klassifizierungs-Workflows im maschinellen Lernen, die von verbesserter Genauigkeit oder Recheneffizienz durch Quanten-Optimierung auf IBM-Hardware profitieren könnten. | Liefert eine Genauigkeit, die mit klassischen Modellen wie Random Forest oder XGBoost vergleichbar ist oder diese übertrifft, während sie mit deutlich weniger Lernern und einem kompakteren Ensemble arbeitet. Angetrieben durch quantenoptimiertes Voting wählt sie die informativsten Lerner aus und verfeinert Entscheidungsgrenzen, was zu höherer Effizienz, reduzierter Modellkomplexität und robusterer Leistung führt. |
| Optimization Solver Guide API reference License | Q-CTRL | Binäre Optimierungsprobleme oder beliebige kombinatorische Probleme, die sich auf eine binäre Kostenfunktion abbilden lassen. Kostenfunktionen beliebiger Ordnung und Problemgrößen bis zur maximalen Geräteskala werden unterstützt. | Rauschbewusste, End-to-End-Quanten-Optimierungslösung, die Problemdefinitionen auf hohem Abstraktionsniveau als Eingabe ermöglicht und automatisch genaue Lösungen für klassisch schwierige kombinatorische Probleme auf Quantenhardware im Utility-Maßstab findet. Sie abstrahiert die Komplexität durch Fehlerunterdrückung, effizientes Mapping und hybride Quanten-klassische Optimierung, um Optimierungsaufgaben in vollem Geräteumfang ohne tiefes Quantenexpertenwissen zu lösen. |
| Parity Twine Optimizer Guide API reference | ParityQC | Optimierungs-Workloads, die von geringeren Gate-Anzahlen und Circuit-Tiefen profitieren und industrierelevante Problemgrößen ermöglichen, die mit standardmäßigen, SWAP-lastigen Transpilationsmethoden nicht machbar sind. | Verwendet die auf der Parity Architecture aufbauende Parity-Twine-Methode, um die Anzahl der Zwei-Qubit-Gates und die Circuit-Tiefe unter Berücksichtigung der Gerätekonnektivität zu minimieren und nichtlokale Wechselwirkungen ohne SWAP-Gates zu implementieren. Automatisiert Transpilationsschritte mit minimalem Nutzeraufwand und verwendet einen effizienten QAOA-Ansatz mit Tiefe eins, um optimale Circuit-Parameter auf einer CPU zu erhalten und die benötigte QPU-Laufzeit zu minimieren. |
| Constrained Quantum Optimizer Guide API reference | Aqarios | Binäre Optimierungsprobleme mit Nebenbedingungen, die als LP-Datei, MPS-Datei oder Luna-Modell vorliegen, insbesondere solche mit One-Hot- oder Set-Packing-Nebenbedingungen. | Löst binäre Optimierungsprobleme mit Nebenbedingungen direkt und setzt One-Hot- und Set-Packing-Nebenbedingungen nativ über XY-Mixer statt über Strafterme durch, was den Suchraum auf den zulässigen Unterraum reduziert und die Lösungsqualität verbessert. Übernimmt automatisch Umformulierung, Circuit-Synthese, Transpilation und Hardware-Ausführung durch iteratives Warm-Starting des FlexQAOA-Algorithmus, ohne Training variationeller Parameter. |