qiskit-hardware

Qiskit - 真实硬件与脉冲控制

从模拟器转向真实硬件，需要转变思维方式。你不再使用完美的“理想”量子比特，而是要面对会受到退相干、读出错误和串扰影响的超导电路。本指南介绍如何充分利用含噪中等规模量子（NISQ）设备开展科学研究。

适用场景

• 在真实的 IBM Quantum 后端上执行量子算法。
• 表征硬件噪声（T1、T2 弛豫时间）。
• 实施错误缓解以提高结果准确性。
• 使用 Qiskit Pulse 定义自定义微波脉冲（OpenPulse）。
• 针对特定硬件拓扑（耦合映射）优化电路。
• 在真实条件下评估量子优势。

参考文档

• IBM Quantum 学习资源：https://learning.quantum.ibm.com/
• Qiskit Runtime 文档：https://docs.quantum.ibm.com/run
• Qiskit Pulse 指南：https://docs.quantum.ibm.com/build/pulse
• 搜索模式：QiskitRuntimeService、Sampler、Estimator、transpile、InstructionScheduleMap

核心原则

1. Qiskit Runtime（原语）

与硬件交互的现代方式。你无需发送原始电路，而是使用原语：

• Sampler：返回准概率（比特串）。
• Estimator：返回可观测量的期望值（例如能量）。

2. 转译（硬件映射）

物理后端只支持一小组“基门”（例如 rz、x、sx、ecr）。转译器会将抽象数学运算改写为这些特定指令，并根据错误率将虚拟量子比特映射到物理量子比特。

3. 错误缓解

与需要数千个量子比特的错误纠正不同，错误缓解使用统计技巧（例如 TREX 或 ZNE），在执行后“清理”结果。

快速参考：连接硬件

安装

pip install qiskit-ibm-runtime

设置和作业执行

from qiskit_ibm_runtime import QiskitRuntimeService, SamplerV2 as Sampler

# 1. Initialize service (requires API key from quantum.ibm.com)
# service = QiskitRuntimeService(channel="ibm_quantum", token="YOUR_TOKEN")
service = QiskitRuntimeService() # Uses saved credentials

# 2. Select backend
backend = service.least_busy(operational=True, simulator=False)

# 3. Run job using Primitives
sampler = Sampler(backend=backend)
job = sampler.run([my_circuit])
result = job.result()

重要规则

✅ 应该做

• 检查校准数据 - 后端每天都在变化。选择量子比特前，务必检查 backend.properties() 中的最新错误率。
• 使用“会话” - 将多个相关作业放入一个 RuntimeSession 中，以缩短队列等待时间。
• 设置 optimization_level - 在硬件上使用等级 3，以启用高级路由和门融合。
• 应用读出缓解 - 读出（将 0 测为 1）是最大的错误来源。在原语中使用 resilience_level=1。
• 使用动态解耦（DD） - 为“空闲”的量子比特添加脉冲，防止它们在等待其他门时丢失状态。

❌ 不应该做

• 不要使用 execute() - 旧的 qiskit.execute 已不再用于硬件。请使用 Sampler 和 Estimator。
• 不要运行过深的电路 - NISQ 设备的相干性有限。如果电路深度 > 50-100，结果很可能只是纯噪声。
• 不要忽略耦合映射 - 如果强制对两个物理上未连接的量子比特执行 CNOT，转译器会添加许多“SWAP”门，从而增加错误。
• 不要使用 qasm_simulator 进行硬件准备 - 请使用 FakeBackend 对象（例如 FakeManilaV2），它们能在本地调试时模拟真实硬件噪声。

面向硬件的转译

映射到物理量子比特

from qiskit import transpile

# Basis gates for a specific backend
basis_gates = backend.operation_names
coupling_map = backend.coupling_map

# Optimized transpilation
optimized_circ = transpile(my_circuit, 
                           backend=backend,
                           optimization_level=3,
                           initial_layout=[0, 2, 4]) # Manual qubit selection

高级错误缓解

Estimator 中的弹性等级

from qiskit_ibm_runtime import EstimatorV2 as Estimator, EstimatorOptions

options = EstimatorOptions()
# resilience_level 0: No mitigation
# resilience_level 1: Readout mitigation (TREX)
# resilience_level 2: ZNE (Zero Noise Extrapolation) - expensive but accurate
options.resilience_level = 1 

estimator = Estimator(backend=backend, options=options)

低层级：Qiskit Pulse（OpenPulse）

定义自定义微波信号

from qiskit import pulse
from qiskit.circuit import Parameter

# Define a Gaussian pulse
amp = Parameter('amp')
with pulse.build(backend=backend, name='custom_pulse') as schedule:
    pulse.play(pulse.Gaussian(duration=160, amp=amp, sigma=40), pulse.drive_channel(0))

# Attach pulse to a gate
my_circuit.add_calibration('my_gate', [0], schedule, params=[amp])

实用工作流

1. 在设备上寻找“最佳”量子比特

def get_best_qubits(backend, n_qubits):
    """Finds a linear chain of qubits with lowest error rates."""
    props = backend.properties()
    # Logic to parse gate_error and readout_error from props
    # and find a connected subgraph with minimal noise.
    pass

2. 使用 Runtime 在硬件上运行 VQE

from qiskit_ibm_runtime import Session, EstimatorV2 as Estimator

def run_hardware_vqe(ansatz, hamiltonian, backend):
    with Session(backend=backend) as session:
        estimator = Estimator(session=session)
        # Standard optimization loop (using SciPy)
        # Each 'step' runs a job within the same session
        pass

3. 测量 T1 时间（弛豫）

def t1_experiment(qubit, delay_times):
    circuits = []
    for t in delay_times:
        c = QuantumCircuit(qubit + 1)
        c.x(qubit) # Flip to |1>
        c.delay(t, qubit, unit='us') # Wait
        c.measure_all()
        circuits.append(c)
    # Execute on hardware and fit decay curve

性能优化

1. 作业批处理

在单次 run() 调用中提交多个电路，以避免重复初始化开销。

2. 转译器 Pass Manager

创建自定义转译阶段，以精确控制电路的修改方式。

from qiskit.transpiler import PassManager
from qiskit.transpiler.passes import Unroller, BasicSwap
# custom_pm = PassManager([Unroller(['u3', 'cx']), BasicSwap(coupling_map)])

常见问题与解决方案

队列等待时间

真实硬件需求旺盛。

# ✅ Solution: 
# 1. Use the 'least_busy' helper.
# 2. Check your IBM Quantum dashboard for reservation windows.
# 3. Use Runtime Sessions to group your jobs.

“退极化”结果

你的直方图看起来像一条平线（随机噪声）。

# ✅ Solution:
# 1. Reduce circuit depth.
# 2. Use 'optimization_level=3'.
# 3. Apply Error Mitigation (resilience_level=1+).
# 4. Check if the backend is currently undergoing maintenance/calibration.

频率冲突

两个相邻的量子比特频率相近，导致“串扰”。

# ✅ Solution:
# Select qubits that are physically separated or have 
# significantly different frequencies in backend.properties().

Qiskit Hardware 是量子理论与严酷的物理现实交汇之处。掌握这些工具，你就能在当今充满噪声的设备上突破可能性的边界，为容错时代铺平道路。