量子コンピューティング開発環境Qiskitでの実行方法

English version here
【要旨】量子コンピューティングの代表的な開発環境として、IBM Qiskitを利用している。そのバージョンアップは頻繁になされて、すぐにdeprecated（非推奨、または廃止）となる部分が多く、困惑する場合がある。量子ゲートや量子回路の記述などはほとんど変わらないが、シミュレータ、および実機での実行方法などの変更が多発する。ここでは、現時点（2024-11-10）での典型的な実行方法３つをメモして置きたい。

🔴例題：Shorの素因数分解アルゴリズムの量子計算部分
　ここでは、Shorのアルゴリズムの主要部である位数計算（order finding）量子回路を動かすことだけに注目する。Fig.1は、デモとして動かすための、極く小さな整数15の素因数分解（15 = 3 × 5）の場合である。Shorのアルゴリズム全体とFIg.1の量子回路との関係などは今回は説明しないので、例えば以下のような過去記事をご覧いただきたい。

• ショアの素因数分解に親しむためのスマホアプリ
• Shor's Algorithm：量子コンピューティングの学びの最高峰
• Developing a mobilephone app to demonstrate Shor's prime factorization

🔴[1]Qiskit Samplerによるシミュレーション（ローカルPCで実行）
　Fig.1のような量子回路（名称：qc）の実行（下位３量子ビットの測定を含む）を行うための最も一般的なシミュレータとして、Qiskit Samplerがある。その利用の要点は以下のとおりである。このシミュレーションの結果（1,000 shotsの測定結果）をFig.2に示す。

# シミュレーションの実行
from qiskit_aer.primitives import Sampler
sampler = Sampler()
result = sampler.run(qc, shots=1000).result()

# 測定結果の取り出しと図示
quasi_dists = result.quasi_dists
binary_quasi_dist = quasi_dists[0].binary_probabilities()
counts_dict = quasi_dists[0].binary_probabilities()
counts = Counts(counts_dict)
plot_histogram（counts)

🔴[2]実機のノイズモデルを組み込んだシミュレーション（ローカルPCで実行）
　上記では、シミュレーション結果（Fig.2）として、４つの基底に対応するカウントがほぼ25%づつで、それ以外の基底のカウントは、ノイズがないので、理論通りゼロとなった。このような通常のSamplerによる以外に、量子コンピュータ実機で発生するノイズを反映させたシミュレーションを行うこともできる。
　Fig.3は、ibm_sherbrookeという名の実機（127-qubits）で発生するノイズモデルを、AerSimulatorに組み込んで実行した結果である。確かに、Fig.2では発生しなかったノイズによる影響が出ている。実機で実行する前の事前検討などに有用であろう。

# 重要なimport

from qiskit_aer import AerSimulator

from qiskit.transpiler.preset_passmanagers import generate_preset_pass_manager

from qiskit_ibm_runtime import QiskitRuntimeService, SamplerV2 as Sampler

# リアルマシンのノイズモデルをセット

real_backend = service.backend("ibm_sherbrooke")

aer = AerSimulator.from_backend(real_backend)

pm = generate_preset_pass_manager(backend=aer, optimization_level=1)

isa_qc = pm.run(qc) # 実マシン向けのtranspile

sampler = Sampler(mode=aer)

result = sampler.run([isa_qc],shots=1000).result() # 実行

# 測定結果の取り出しと図示

pub_result = result[0]

counts = pub_result.data.c.get_counts() # 'c'を指定することに注意！

plot_histogram(counts)

🔴[3]IBM Quantumマシン実機での実行（web経由でジョブを投入）

　次に、IBM Quantumマシン実機へweb経由でジョブを投入し、実行を行った。マシンは、上記のノイズモデルで与えたものと同じibm_sherbrookeである。ジョブはバッチ形式で実行されるので、その終了後にWeb経由で実行結果を取り出す。それを表示したものがFig.4である。上記のノイズモデルを反映したシミュレーション結果Fig.3とほぼ同一であることが確認できた。

# 負荷の少なそうなマシンを自動選択

from qiskit_ibm_runtime import SamplerV2 as Sampler

service = QiskitRuntimeService(channel="ibm_quantum", token= "***")

be = service.least_busy(simulator=False, operational=True)

print(f"QPUバックエンド：{be}")

# 実マシン向けのtranspileを行い、Jobを投入

pm = generate_preset_pass_manager(optimization_level=1, backend=be)

ic = pm.run(qc) # Transpile結果

job = Sampler(be).run([ic], shots= 1000)

print(f"ジョブID: {job.job_id()}")

print(f"ジョブI状態: {job.status()}")

# 実行終了後に、結果を取り出し、表示。

from qiskit_ibm_runtime import QiskitRuntimeService

service = QiskitRuntimeService(

    channel='ibm_quantum',

    instance='ibm-q/open/main',

    token='jobに対応するトークン'

)

job = service.job('jab ID')

job_result = job.result()

counts = job.result()[0].data.c.get_counts()

plot_histogram(counts)

　この実行の状況をFig.5に示した。Usage = 2 secとなっている。無償ユーザは、毎月10分までのUsageという制約がある。簡単な量子回路の試験には十分であるが、少し複雑な量子回路になると想定外に多くのUsageを使うことになるので、注意が必要である。なお、現時点では、無償で使える実機はFig.6に示すとおり、３機種であった。有償の場合は、これらの他にさらに８機種の実機が利用できる。

🔴実マシンとシミュレータの結果の相違について

　現状では、量子コンピュータは種々のノイズが発生するので誤りが起こる。例えば、純粋のシミュレータの結果Fig.2と、実マシンによる結果Fig.4の相違がそれを示している。一概には言えないが、実機で起こる誤りが、必要な計算に与える影響は大きい場合がある。だが、本例題に限って言えば、確率的に位数（order）を探すという性質上、Fig.2とFig.4の差はほとんど問題にならないと言える。