真实芯片计算服务

本源悟空超导芯片

本源悟空 是2024年本源量子正式发布的新一代超导量子计算机，最大运行规模可达72比特，并且在量子计算纠错，运行速度上实现质的飞跃。

对于芯片任务，同样是通过 QCloudMachine 来提交任务和查询计算计算结果。

用户首先需要通过 注册并访问 最新的本源量子云计算官网 本源量子云 。

然后点击右上键的 工作台 ，进入量子计算访问计算界面，

_images/2024cloud.png

可以看到有各种计算服务，包括虚拟计算和真实量子计算，接着需要进一步获取 api_token 等相关信息。 api_token 是每个用户用于使用pyqpanda的计算接口访问量子云计算资源的标识符，可以在个人账号中心获取。

_images/token.png

api_token 是重要的量子计算资源访问凭证，请妥善保管，量子计算任务的提交和查询，需要通过pyqpanda的量子云组件 QCloudMachine ，通过将 api_token 作为 QCloudMachine 的初始化函数 init_qvm 的参数传递，就可以正常使用后续接口，示例如下：

auto machine = QCloudMachine();
machine.setConfigure({ 72,72 });

machine.init("502e0201003016072ce3d020106052b8101c04150201010410b6d33ad8772eb9705e844394453a3c8a", true);

量子云组件 QCloudMachine 的其他接口介绍如下：

class QCloudMachine(QuantumMachine)

除了用于与远程计算集群交互， QCloudMachine 也可以通过提交真实量子计算机芯片任务并获取结果。

参数:

QuantumMachine (class) -- QuantumMachine类的基类。

变量:

machine (origin quantum cloud) -- 该类用于管理远程量子云计算资源。

get_state_fidelity(prog: QProg, shot, chip_id=2, is_amend=true, is_mapping=true, is_optimization=true, task_name='QPanda Experiment')

该方法将给定的量子线路提交到远程真实量子芯片上进行计算，然后返回计算得到的状态保真度。可以通过调整参数来控制计算的方式和行为。

参数:

  • prog (QProg) -- 要计算状态保真度的量子线路。

  • shot (int) -- 重复运行线路以计算期望值的次数。

  • chip_id (int, optional) -- 远程计算集群上的芯片ID，正确默认为72（本源悟空）。

  • is_amend (bool, optional) -- 是否开启读取保真度修正。

  • is_mapping (bool, optional) -- 是否进行电路映射。

  • is_optimization (bool, optional) -- 是否进行优化。

  • task_name (std::string, optional) -- 任务名称，默认为'QPanda Experiment'。

返回:

计算得到的状态保真度。

返回类型:

float

get_state_tomography_density(prog, shot, chip_id=2, is_amend=true, is_mapping=true, is_optimization=true, task_name='QPanda Experiment')

计算量子线路的qst层析结果。

参数:

  • prog (QProg) -- 要计算态密度矩阵的量子线路。

  • shot (int) -- 重复运行线路以计算期望值的次数。

  • chip_id (int, optional) -- 远程计算集群上的芯片ID，正确默认为72（本源悟空）。

  • is_amend (bool, optional) -- 是否开启读取保真度修正。

  • is_mapping (bool, optional) -- 是否进行电路映射。

  • is_optimization (bool, optional) -- 是否进行优化。

  • task_name (std::string, optional) -- 任务名称，默认为'QPanda Experiment'。

返回:

计算得到的态密度矩阵。

返回类型:

std::vector<std::vector<complex>>

init(token: std::string, is_logged: bool = false, use_bin_or_hex: bool = true, enable_pqc_encryption = false, std::string random_num = generate_random_hex(96))

该方法用于初始化 QVM 服务，提供必要的用户身份验证令牌和其他参数。可选参数用于配置 QVM 的行为，例如是否记录操作，以及在处理二进制和十六进制字符串时是否使用默认设置。

参数:

  • token (std::string) -- 用户身份验证令牌。

  • is_logged (bool, optional) -- 是否在控制台上记录 QVM 操作（默认为 false）。

  • use_bin_or_hex (bool, optional) -- 是否在处理二进制和十六进制字符串时使用默认设置（默认为 true）。

  • enable_pqc_encryption (bool, optional) -- 是否启用混合加密算法对数据传输进行加密（默认为 false）

  • random_num (std::string, optional) -- 在enable_pqc_encryption生效的情况，传入的指定随机数，192字符大小的16进制字符串，或者96个字节

real_chip_measure(prog, shot, chip_id=2, is_amend=true, is_mapping=true, is_optimization=true, task_name='QPanda Experiment')

在真实量子计算芯片上进行量子测量。

参数:

  • prog (QProg) -- 要在实际芯片上测量的量子线路。

  • shot (int) -- 重复运行线路以计算期望值的次数。

  • chip_id (int, optional) -- 实际芯片ID，默认为72（本源悟空）。

  • is_amend (bool, optional) -- 是否开启读取保真度修正，默认为true。

  • is_mapping (bool, optional) -- 是否进行电路映射，默认为true。

  • is_optimization (bool, optional) -- 是否进行优化，默认为true。

  • task_name (std::string, optional) -- 任务名称，默认为'QPanda Experiment'。

返回:

测量结果字典，包含各个测量结果的概率。

返回类型:

std::map<string,double>

async_real_chip_measure(prog, shot, chip_id=2, is_amend=true, is_mapping=true, is_optimization=true, task_name='QPanda Experiment')

异步在真实量子计算芯片上进行量子测量，后续查询计算结果需要配合 query_state_result 使用

参数:

  • prog (QProg) -- 要在实际芯片上测量的量子线路。

  • shot (int) -- 重复运行线路以计算期望值的次数。

  • chip_id (int, optional) -- 实际芯片ID，默认为72（本源悟空）。

  • is_amend (bool, optional) -- 是否开启读取保真度修正，默认为true。

  • is_mapping (bool, optional) -- 是否进行电路映射，默认为true。

  • is_optimization (bool, optional) -- 是否进行优化，默认为true。

  • task_name (std::string, optional) -- 任务名称，默认为'QPanda Experiment'。

返回:

测量结果字典，包含各个测量结果的概率。

返回类型:

std::map<string,double>

async_batch_real_chip_measure(prog_array, shot, chip_id=RealChipType::ORIGIN_72, is_amend=true, is_mapping=true, is_optimization=true)

在真实量子计算芯片上批量进行量子测量，后续查询计算结果需要配合 query_batch_state_result 使用

参数:

  • prog_array (std::vector<QProg>) -- 要执行的量子程序列表。

  • shot (int) -- 每个程序执行的次数（测量次数）。

  • chip_id (RealChipType, optional) -- 要使用的真实量子芯片的ID，默认为 RealChipType::ORIGIN_72

  • is_amend (bool, optional) -- 是否对程序执行修正，默认为true。

  • is_mapping (bool, optional) -- 是否进行量子比特映射，默认为true。

  • is_optimization (bool, optional) -- 是否进行门融合优化，默认为true。

返回:

批量任务ID。

返回类型:

std::string

batch_real_chip_measure(prog_array, shot, chip_id=RealChipType::ORIGIN_72, is_amend=true, is_mapping=true, is_optimization=true)

在真实量子计算芯片上批量进行量子测量。

参数:

  • prog_array (std::vector<QProg>) -- 要执行的量子程序列表。

  • shot (int) -- 每个程序执行的次数（测量次数）。

  • chip_id (RealChipType, optional) -- 要使用的真实量子芯片的ID，默认为 RealChipType::ORIGIN_72

  • is_amend (bool, optional) -- 是否对程序执行修正，默认为true。

  • is_mapping (bool, optional) -- 是否进行量子比特映射，默认为true。

  • is_optimization (bool, optional) -- 是否进行门融合优化，默认为true。

返回:

包含每个程序测量结果概率的字典列表。

返回类型:

std::vector<std::map<std::std::stringing, double>>

query_batch_state_result(std::string task_id)

该方法用于查询批量批量任务的结果。

参数:

task_id (std::string) -- 要查询的批量任务ID。

返回:

任务结果。如果任务没有完成会返回空集，出错会抛出异常

返回类型:

std::vector<std::map<std::string, double>>

通过量子云平台向本源悟源请求计算任务的完整代码流程如下：

#include "QPanda.h"
USING_QPANDA

int main(void)
{
    auto machine = QCloudMachine();
    machine.setConfigure({ 72,72 });

    //online
    machine.init("41241e1414cf1412cf41cf415f1541d412x412c4f1cf", true);

    auto q = machine.qAllocMany(6);
    auto c = machine.cAllocMany(6);

    auto measure_prog = QProg();

    for (size_t i = 0; i < 1024 * 256; i++)
        measure_prog << H(q[0]) << CNOT(q[0], q[1]);

    std::vector<QProg> prog_array;
    for (size_t i = 0; i < 8; i++)
        prog_array.emplace_back(measure_prog);

    auto prog = QProg();
    prog << H(q[1]) << Measure(q[1], c[0]);

    auto batch_result = machine.batch_real_chip_measure(prog_array, 100, RealChipType::ORIGIN_72);
    for (auto val : batch_result)
    {
        for (auto single_item : val)
            cout << single_item.first << " : " << single_item.second << endl;
    }

    auto real_chip_result = machine.real_chip_measure(measure_prog,
        1000,
        RealChipType::ORIGIN_72,
        true,
        true,
        true);

    for (auto val : real_chip_result)
        cout << val.first << " : " << val.second << endl;

    return;
}

RealChipType::ORIGIN_72 表示使用最新的悟空72比特芯片

除了蒙特卡洛测量接口之外，还有用于获取 量子态qst层析 结果和 保真度 接口，下面逐一介绍：

  • 获取量子态qst层析结果接口： get_state_tomography_density ,使用示例如下：

#include "QPanda.h"
USING_QPANDA

int main(void)
{
    auto machine = QCloudMachine();
    machine.setConfigure({ 72,72 });

    //online
    machine.init("41241e1414cf1412cf41cf415f1541d412x412c4f1cf", true);

    auto q = machine.qAllocMany(6);
    auto c = machine.cAllocMany(6);

    auto measure_prog = QProg();
    measure_prog << H(q[0]) << H(q[1])
        << RX(q[1], 2.5)
        << RX(q[2], 3.6)
        << RX(q[1], 4.9)
        << Measure(q[0], c[0])
        << Measure(q[1], c[1]);

    auto result = machine.get_state_tomography_density(measure_prog, 1000);
    for (auto val : result)
    {
        for (auto val1 : val)
            cout << val1 << endl;
    }

    machine.finalize();
}

输出结果是测量的两比特的QST层析结果，参考结果如下

[[(0.2595032944754182+0j), (0.21819564115560064+0.01368474404460212j), (0.0010136847440446045-0.008616320324379118j), (0.020273694880892028+0.01951343132285857j)],
[(0.21819564115560064-0.01368474404460212j), (0.26001013684744045+0j), (0.000760263558033443+0.011657374556512917j), (-0.008362899138367963+0.010897110998479481j)],
[(0.0010136847440446045+0.008616320324379118j), (0.000760263558033443-0.011657374556512917j), (0.2554485554992397+0j), (-0.21490116573745568+0.012417638114546374j)],
[(0.020273694880892028-0.01951343132285857j), (-0.008362899138367963-0.010897110998479481j), (-0.21490116573745568-0.012417638114546374j), (0.22503801317790167+0j)]]

  • 获取量子态保真度接口： get_state_fidelity ,使用示例如下：

#include "QPanda.h"
USING_QPANDA

int main(void)
{
    auto machine = QCloudMachine();
    machine.setConfigure({ 72,72 });

    //online
    machine.init("41241e1414cf1412cf41cf415f1541d412x412c4f1cf", true);

    auto q = machine.qAllocMany(6);
    auto c = machine.cAllocMany(6);

    auto measure_prog = QProg();
    measure_prog << H(q[0]) << H(q[1])
        << RX(q[1], 2.5)
        << RX(q[2], 3.6)
        << RX(q[1], 4.9)
        << Measure(q[0], c[0])
        << Measure(q[1], c[1]);

    auto result = machine.get_state_fidelity(measure_prog, 1000);
    cout << "fidelity : " << result << endl;

    machine.finalize();
}

输出结果是保真度，参考结果如下

0.928951

同时支持批量任务提交接口，分为**同步**和**异步**两种：

  • 1.同步批量任务提交接口： 是 batch_real_chip_measure 接口会一直等待结果返回,使用示例如下：

#include "QPanda.h"
USING_QPANDA

int main(void)
{
    auto machine = QCloudMachine();
    machine.setConfigure({ 72,72 });

    //online
    machine.init("714nc1n41d17d6d78dwq4390s3u8y8sehqhr", true);

    auto q = machine.qAllocMany(6);
    auto c = machine.cAllocMany(6);

    auto measure_prog = QProg();

    for (size_t i = 0; i < 6; i++)
        measure_prog << H(q[0]) << CNOT(q[0], q[1]);

    measure_prog << Measure(q[0], c[0]) << Measure(q[1], c[1]);

    std::vector<QProg> prog_array;
    for (size_t i = 0; i < 9; i++)
        prog_array.emplace_back(measure_prog);

    auto prog = QProg();
    prog << H(q[1]) << Measure(q[1], c[0]);

    auto batch_result = machine.batch_real_chip_measure(prog_array, 1000, RealChipType::ORIGIN_72);
    for (auto val : batch_result)
    {
        for (auto single_item : val)
            cout << single_item.first << " : " << single_item.second << endl;
    }

    auto batch_id = machine.async_batch_real_chip_measure(big_prog_array, 1000, RealChipType::ORIGIN_72);

    std::vector<QProg> prog_array;
    for (size_t i = 0; i < 8; i++)
        prog_array.emplace_back(prog);

    auto batch_result = machine.batch_real_chip_measure(prog_array, 100, RealChipType::ORIGIN_72);
    for (auto val : batch_result)
    {
        for (auto single_item : val)
            cout << single_item.first << " : " << single_item.second << endl;
    }

    return;
}

  • 2.异步批量任务提交接口： 是 async_batch_real_chip_measure 接口会一直等待结果返回,使用示例如下：

    #include "QPanda.h"
USING_QPANDA

int main(void)
{
    auto machine = QCloudMachine();
    machine.setConfigure({ 72,72 });

    //online
    machine.init("714nc1n41d17d6d78dwq4390s3u8y8sehqhr", true);

    auto q = machine.qAllocMany(6);
    auto c = machine.cAllocMany(6);

    auto measure_prog = QProg();
    for (size_t i = 0; i < 6; i++)
        measure_prog << H(q[0]) << CNOT(q[0], q[1]);

    measure_prog << Measure(q[0], c[0]) << Measure(q[1], c[1]);

    std::vector<QProg> prog_array;
    for (size_t i = 0; i < 9; i++)
        prog_array.emplace_back(measure_prog);

    auto prog = QProg();
    prog << H(q[1]) << Measure(q[1], c[0]);

    auto batch_id = machine.async_batch_real_chip_measure(prog_array, 1000, RealChipType::ORIGIN_72);
    std::cout << "batch_id : " << batch_id << std::endl;

    auto batch_query_result = machine.query_batch_state_result(batch_id);

    while(batch_query_result.empty())
    {
        std::this_thread::sleep_for(std::chrono::milliseconds(3000));
        batch_query_result = machine.query_batch_state_result(batch_id);
    }

    for (auto val : batch_query_result)
    {
        for (auto single_item : val)
            cout << single_item.first << " : " << single_item.second << endl;
    }

    return;
}

备注

  • 一次批量计算任务的数量最大上限是 200 ，超过这个数值需要拆分成多次提交。

  • 使用前需要确保用户已经开通相关权限，并且有足够的算力资源，否则会出现没有权限或者计算资源不足等出错信息。详见 https://qcloud.originqc.com.cn/zh/computerServices

  • 在使用时遇到任何问题，请给我们提交 用户反馈 ，我们看到后会尽快解决你的问题。