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,
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。
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。