Zum Hauptinhalt springen
Dieses Projekt befindet sich in der Beta-Phase. Einen Fehler gefunden? GitHub Issue erstellen. Frage oder Idee? In Discussions fragen — wir freuen uns über dein Feedback!
Wie ist die Übersetzungsqualität auf dieser Seite?

Rauschmodellierung

Ein Rauschmodell beschreibt, wie sich Fehler auf die Ergebnisse der Ausführung eines Quantenschaltkreises auswirken. Rauschmodelle unterstützen mehrere Phasen eines typischen Workflows, darunter: einen Circuit klassisch zu simulieren, um die erwartete Leistung abzuschätzen, bevor du einen Job einreichst, oder um eine Fehlermitigationstechnik wie die probabilistische Fehlerauslöschung zu informieren. Allgemeine Strategien zur Verringerung der Auswirkungen von Rauschen während der Ausführung findest du unter Überblick über Techniken zur Rauschbehandlung.

Diese Seite sammelt die Pakete und Funktionen, die jeden Teil dieses Workflows unterstützen, gruppiert nach dem Lernen von Rauschen auf einem Gerät, dem Erstellen eines Rauschmodells für die klassische Simulation und dem Verfeinern eines Rauschmodells für eine bestimmte Fehlermitigationstechnik.

Rauschlernalgorithmen erstellen und ausführen​

Verwende Pakete zum Rauschlernen, um das Rauschen eines Geräts direkt aus experimentellen Daten zu charakterisieren. Diese Pakete führen randomisierte Circuits aus, um Fehlerraten abzuschätzen und ein Rauschmodell zu erstellen, das das tatsächliche Hardwareverhalten widerspiegelt.

Rauschmodelle für verrauschte Circuit-Simulation erstellen​

Verwende dieses Paket, um ein Rauschmodell für die klassische Simulation von Circuits zu erstellen. Mit einem Rauschmodell kannst du abschätzen, wie sich ein Circuit auf verrauschter Hardware verhält, bevor du ihn auf einer QPU ausführst.

Rauschmodelle verfeinern​

Verwende diese Pakete, um ein Rauschmodell für eine bestimmte Fehlermitigationstechnik anzupassen. Jedes Paket zielt auf einen anderen Kompromiss zwischen Sampling-Kosten, Verzerrung und der Zuverlässigkeit postselektierter Samples.