Ajo Helmissä
Anna palautetta!
Kaikki palaute on erittäin arvostettua, kommentteja kokemuksista voi lähettää fiqci-feedback@postit.csc.fi.
Tehtävien ajo
Tehtävät voidaan lähettää q_fiqci jonoon määrittämällä --partition=q_fiqci eräajoskryptissä.
Helmi tukee tällä hetkellä tehtävien lähettämistä käyttäen Qiskitia tai Cirqiä. Qiskit- ja Cirq-skriptejä voidaan lähettää vain tavallisina python-tiedostoina. Tehtävien lähettämiseksi ja ajamiseksi Helmille tulee käyttää oikeaa ympäristöä LUMI:lla.
- Ensiksi, aja
module use /appl/local/quantum/modulefiles. Saatavilla olevat moduulit näkyvät nytmodule avail-komennolla. - Toiseksi, riippuen siitä haluatko käyttää Qiskit- tai Cirq-ympäristöä, suorita:
module load helmi_qiskittaimodule load helmi_cirq
helmi_qiskit ja helmi_cirq tarjoavat esivalmistettuja python-ympäristöjä, joita voi suorittaa suoraan Helmillä. Jos haluat lisätä omia python-paketteja esivalmistettuihin python-ympäristöihin, voit tehdä niin komennolla python -m pip install --user package.
Luo oma python-ympäristösi
Käyttäjät voivat luoda oman python-ympäristönsä, jos haluavat. Ainoa esivaatimus on ladata helmi_standard-moduuli. Oman ympäristön luomiseen suositellaan container wrapper tool.
Helmillä tuetut nykyiset ohjelmistoversiot ovat:
| Ohjelmisto | Moduuli_nimi | Versiot |
|---|---|---|
| Cirq IQM:llä | cirq_iqm | 15.2 |
| Qiskit IQM:llä | qiskit_iqm | 15.5 |
| IQM asiakas | iqm_client | >= 20.11, <= 20.13 |
Tässä on esimerkki eräajoskryptistä tehtävien lähettämiseksi Helmillä
#!/bin/bash
#SBATCH --job-name=helmijob # Työn nimi
#SBATCH --account=project_<id> # Projekti laskutusta varten (slurm_job_account)
#SBATCH --partition=q_fiqci # Osasto (jono) nimi
#SBATCH --ntasks=1 # Yksi tehtävä (prosessi)
#SBATCH --mem-per-cpu=2G # muistin allokointi
#SBATCH --cpus-per-task=1 # Ytimien (säikeiden) määrä
#SBATCH --time=00:15:00 # Ajoaika (hh:mm:ss)
module use /appl/local/quantum/modulefiles
# kommentoi oikein rivi:
# module load helmi_qiskit
# tai
# module load helmi_cirq
python your_python_script.py
Eräajoskrypti voidaan sitten lähettää sbatch-komennolla. Voit myös lähettää interaktiivisia tehtäviä srun-komennon kautta.
helmi_*-moduuli asettaa oikean python-ympäristön Qiskitin tai Cirqin käyttöön yhdessä Helmin kanssa.
Ajo Helmissä
Kun tehtävä lähetetään Helmille, käyttäjän slurm_job_account (projekti, jossa tehtävä suoritetaan) yhdistetään project_id:hen, ja tämä tieto siirretään VTT:lle laskutustarkoituksiin.
Qiskit
Lataa Qiskit-moduuli käyttämällä module load helmi_qiskit.
Qiskit-python-skripteissä sinun tulee sisällyttää seuraava:
import os
from qiskit import QuantumCircuit, transpile
from iqm.qiskit_iqm import IQMProvider
HELMI_CORTEX_URL = os.getenv('HELMI_CORTEX_URL') # Tämä asetetaan moduulin lataamisen yhteydessä
provider = IQMProvider(HELMI_CORTEX_URL)
backend = provider.get_backend()
shots = 1000 # Aseta haluamiesi ajojen määrä
# Luo kvanttivirtapiirisi.
# Tässä on esimerkki
circuit = QuantumCircuit(2, 2)
circuit.h(0)
circuit.cx(0, 1)
circuit.measure_all()
print(circuit.draw(output='text'))
transpiled_circuit = transpile(circuit, backend)
job = backend.run(transpiled_circuit, shots=shots)
counts = job.result().get_counts()
print(counts)
Cirq
Lataa Cirq-moduuli käyttämällä module load helmi_cirq.
import os
import cirq
from iqm.cirq_iqm import Adonis
from iqm.cirq_iqm.iqm_sampler import IQMSampler
adonis = Adonis()
HELMI_CORTEX_URL = os.getenv('HELMI_CORTEX_URL') # Tämä asetetaan moduulin lataamisen yhteydessä
sampler = IQMSampler(HELMI_CORTEX_URL)
shots = 1000
# Luo kvanttivirtapiirisi
# Tässä on esimerkki
q1, q2 = cirq.NamedQubit('QB1'), cirq.NamedQubit('QB2')
circuit = cirq.Circuit()
circuit.append(cirq.H(q1))
circuit.append(cirq.CNOT(q1, q2))
circuit.append(cirq.measure(q1, q2, key='m'))
print(circuit)
decomposed_circuit = adonis.decompose_circuit(circuit)
routed_circuit, initial_mapping, final_mapping = adonis.route_circuit(decomposed_circuit)
# Valinnaisesti tulosta yhdistely
# print(routed_circuit)
# print(initial_mapping)
# print(final_mapping)
result = sampler.run(routed_circuit, repetitions=shots)
print(result.measurements['m'])
Lisäesimerkkejä
Lisää esimerkkejä löytyy täältä. Esimerkit korostavat simuloinnin ja todellisen fyysisen kvanttitietokoneen välisiä eroja sekä kuinka rakentaa virtapiirisi optimaalisten tulosten saamiseksi Helmissä. Arkistossa on myös hyödyllisiä pätkiä tehtävien lähettämiseen.
Simuloidut testiajot
Koska kvanttiresurssit voivat olla rajallisia, on suositeltavaa valmistella etukäteen koodit ja algoritmit, joita aiot ajaa Helmillä. Tätä prosessia varten qiskit-on-iqm tarjoaa väärennetyn melumallin mukaan. Voit ajaa väärennettyä melumallia paikallisesti läppärilläsi simulointia ja testausta varten.
Qiskitia ja Cirqiä koskevat esimerkit ja ohjeet LUMI-Helmi-osaston käyttöön ovat saatavilla. Löydät ne täältä.
Työn metadata
Lisämetadata tiedoista voidaan kysyä suoraan Qiskitilla. Esimerkiksi:
provider = IQMProvider(HELMI_CORTEX_URL)
backend = provider.get_backend()
#Palvelimen tietojen hakeminen
print(f'Natiivitoiminnot: {backend.operation_names}')
print(f'Qubittien lukumäärä: {backend.num_qubits}')
print(f'Yhdistelykartta: {backend.coupling_map}')
transpiled_circuit = transpile(circuit, backend)
job = backend.run(transpiled_circuit, shots=shots)
result = job.result()
exp_result = result._get_experiment(circuit)
print("Työn ID: ", job.job_id()) # Lähetetyn työn id:n haku
print(result.request.circuits) # Lähetetyn virtapiiripyyntöä hakeminen
print("Kalibrointijoukon ID: ", exp_result.calibration_set_id) # Nykyisen kalibrointijoukon id:n hakeminen.
print(result.request.qubit_mapping) # Qubit-yhdistelyn hakeminen
print(result.request.shots) # Haluamiesi ajojen lukumäärän hakeminen.
#hae työ käyttäen job_id:tä aiemmasta istunnosta
#old_job = backend.retrieve_job(job_id)
Tallenna työsi ID!
Huomioi, että tällä hetkellä ei ole menetelmää aiempien Työn ID:iden listaamiseksi, joten on suositeltavaa aina tulostaa Työn ID työn lähettämisen jälkeen ja tallentaa se jonnekin! Sama koskee kalibrointijoukon ID:tä.
Arvostelun mittasuhteet
Arvostelun mittasuhteet (tai laadun mittarit) voivat olla tarpeen julkaistaessa Helmilla tuotettua työtä. Ne antavat myös käsityksen Helmin nykyisestä tilasta. helmi-examples sisältää apuskriptin kalibrointidatan saamiseksi, mukaan lukien arvostelun mittasuhteet. Skripti löytyy täältä. Tämä tiedosto voidaan lisätä omiin python-skripteihisi ja se palauttaa datan json-muodossa. Huomaa, että viimeisimmän kalibrointidatan kysely voi antaa puutteellisen tai vanhentuneen mittarijoukon. Siksi kalibrointijoukon ID:t tulee tallentaa Työn ID:iden oheen.
Tässä on lyhyt kuvaus annetuista mittareista kyselyn yhteydessä:
| Mittari | Kuvaus | ||
|---|---|---|---|
| T1 Aika (s) | T1 aika kutsutaan pituussuuntainen rentoutumisnopeus ja se kuvaa kuinka nopeasti qubitin jännitetila palautuu perustilaansa. | ||
| T2 Aika (s) | T2 aika kutsutaan poikittainen rentoutumisnopeus ja se kuvaa superpositiotilan koherenssin menettämistä. | ||
| T2 Kaiku-Aika (s) | T2 kaiku-aika kuvaa qubitin superpositiotilan koherenssin menettämistä. Se on tarkempi kuin T2 Aika, koska se on vähemmän altis matalataajuuksiselle hälylle. | ||
| Yksittäisen laukauksen luennan uskollisuus | Tämä kuvaa uskollisuutta yksittäisen laukauksen luentojen suorittamisen aikana qubit-tilasta. Yksittäisen laukauksen luenta valmistaa 50% qubit-tiloista jännitetilaansa ja 50% perustilaan. | ||
| Yksittäisen laukauksen luenta 01 virhe | Virhe jännitetilan ('1') määrittämisessä, kun tila on perustilassa ('0'). | ||
| Yksittäisen laukauksen luenta 10 virhe | Virhe perustilan ('0') määrittämisessä, kun tila on jännitetilassa ('1'). | ||
| Fidelity 1QB portit keskiarvona | Tämä lasketaan Randomized Benchmarkingin avulla ja kuvaa keskimääräistä porttiuskollisuutta, kun satunnainen sarja yksittäisiä qubit Clifford-portteja sovelletaan. | ||
| Fidelity 2QB Cliffords keskiarvona | Tämä lasketaan Randomized Benchmarkingin avulla, joka näyttää keskimääräisen Clifford-porttiuskollisuuden. | ||
| CZ portin uskollisuus | Ohjatun z-portin uskollisuus, joka lasketaan lomitetun randomisoidun benchmarking-menetelmän avulla, jossa ohjattu z-portti lomitetaan. |
Lisätietoa mittarista saa ottamalla yhteyttä CSC:n Service Deskiin, saavutettavissa osoitteessa servicedesk@csc.fi.
Helmin käyttö Lumi-verkkorajapinnassa
LUMI-verkkorajapinta mahdollistaa käyttäjille kvanttitehtävien suorittamisen Helmillä verkkorajapinnan kautta. Kirjautumista LUMI:n verkkorajapinnalle koskevat tiedot voi lukea LUMI-dokumentaatiosta.
Helmin käyttäminen
Kun olet onnistuneesti autentikoinut, sinulla pitäisi nyt olla pääsy koontinäyttöösi. Napsauta Jupyter-sovellusta, valitse projektisi ja osasto q_fiqci. Jos sinulla on aktiivinen varaus, voit käyttää sitä valitsemalla se kohdan Varaukset alta.
Suosittelemme käyttämään 'Lisäasetuksia'. Kohdassa 'Custom init' valitse 'Teksti', ja kohdassa 'Skriptin käynnistäminen' -tekstikentässä anna seuraava skripti ympäristön konfiguroimiseksi kvanttiohjelmistoa varten.
Napsauta käynnistä käynnistääksesi Jupyter-istuntosi. Tämä käynnistää Jupyterin komennolla python -m Jupyter lab. Jos käytät Helmiä kvanttilaskentakurssin aikana, saatetaan erityisesti kurssia varten luoda mukautettu ympäristö. Tässä tapauksessa voit käyttää Helmiä Jupyter-for-courses-sovelluksen kautta.
