Einführung
Bitte fülle vor dem Start kurz diese Umfrage vor dem Kurs aus – sie hilft uns, unsere Inhalte und die Nutzungserfahrung zu verbessern.
Dieser Kurs bietet eine fokussierte Einführung in den variationellen Quanten-Eigenwertsolver (VQE), einschließlich der Anwendung von VQE in der Chemie. Er richtet sich an technische Fachleute im Bereich Quantencomputing, die Quantencomputing auf chemische, biochemische oder biophysikalische Probleme anwenden möchten. Der Kurs behandelt wichtige Bestandteile einer VQE-Berechnung, darunter:
- Hamiltonian
- Ansatz
- Klassischer Optimierer
All diese Elemente werden zusammengeführt, um VQE-Berechnungen auf Qiskit Runtime Primitives aufzubauen, hauptsächlich mit Estimator. Informationen zu Primitives findest du in der Dokumentation. Beim Aufbau einer VQE-Berechnung folgen wir dem standardmäßigen Qiskit-Patterns-Framework:
- Klassische Eingaben auf ein Quantenproblem abbilden
- Problem für die Quantenausführung optimieren
- Mit Qiskit Runtime Primitives ausführen
- Nachbearbeiten und Ergebnis in klassischem Format zurückgeben
Eine Erklärung des Frameworks findet sich in diesem Kurs an verschiedenen Stellen, aber für eine vollständige Erläuterung mit Beispielen zu Qiskit Patterns, lies diese Dokumentation.
Wir empfehlen, etwa 6–10 Stunden für den Abschluss dieses Kurses einzuplanen. Videos und Lektüre nehmen voraussichtlich zwei Stunden in Anspruch. Die verbleibende Zeit ist für das Ausführen und Anpassen von Code-Zellen, das Bearbeiten von Quiz-Fragen und das Lesen verlinkter Dokumentation vorgesehen.
IBM Quantum® bietet weitere Weiterbildungsangebote rund um VQE an. Wenn du bereits mit den VQE-Komponenten vertraut bist und sie einfach in der Praxis anwenden möchtest, sieh dir unser Tutorial an: Grundzustandsenergie-Schätzung der Heisenberg-Kette mit VQE.
Überblick über VQE
Beginnen wir unser Studium von VQE mit diesem Überblicksvideo, präsentiert von der IBM Quantum Americas Lead for Quantum Innovation Centers, Dr. Victoria Lipinska.
Du erfährst, was VQE ist, was es leisten kann und warum es im Vergleich zu anderen Quantencomputing-Algorithmen voraussichtlich besonders nützlich für die nahe Zukunft ist.
Referenzen
Die folgenden Artikel werden im obigen Video referenziert.