Qiskit Functions 소개

참고

• Qiskit Functions는 IBM Quantum® Premium Plan, Flex Plan, On-Prem(IBM Quantum Platform API를 통한) Plan 사용자만 이용할 수 있는 실험적 기능입니다. 이는 미리보기 릴리스 상태이며 변경될 수 있습니다.

Qiskit Functions는 양자 소프트웨어 개발 워크플로우의 일부를 추상화하여 유틸리티 규모의 알고리즘 발견과 애플리케이션 개발을 간소화하고 가속화합니다. 이를 통해 Qiskit Functions는 코드를 직접 작성하고 실험을 미세 조정하는 데 소요되는 시간을 절약해 줍니다.

Qiskit Functions Catalog

Functions는 두 가지 형태로 제공됩니다:

유형	기능	입출력 예시	대상 사용자
Circuit function	Circuit 실행을 위한 간소화된 인터페이스. 트랜스파일링, 오류 억제, 오류 완화를 추상화	입력: 추상 PUB 객체 출력: 완화된 기대값	하드웨어 최적화나 오류 처리에 집중할 필요 없이 Qiskit을 사용하여 새로운 알고리즘과 애플리케이션을 발견하는 연구자. Circuit functions를 사용하여 custom application functions를 구축할 수 있습니다.
Application function	알고리즘 탐색 및 도메인별 사용 사례와 같은 고수준 작업을 다룹니다. 고전적 입출력으로 작업을 해결하기 위한 양자 워크플로우를 추상화	입력: 분자, 그래프 출력: 바닥 + 들뜬 상태 에너지, 비용 함수의 최적값	고전적 데이터를 양자 Circuit에 매핑할 필요 없이, 기존 대규모 고전적 워크플로우에 양자를 통합하려는 비양자 분야의 연구자.

Functions는 IBM® 및 타사 파트너에 의해 제공됩니다. 각각은 특정 워크로드 특성에 대해 성능이 최적화되어 있으며 고유한 성능 튜닝 옵션을 가지고 있습니다.

사용 가능한 함수 개요

Circuit functions

이름	제공자	권장 사용 사례	고유 장점
텐서 네트워크 오류 완화 가이드 API 참조 라이선스	Algorithmiq	저가중치 옵저버블과 루프가 없는 Circuit으로 구성된 워크로드.	관련 Circuit 클래스에 대해 영잡음 외삽(ZNE) 및 확률적 오류 상쇄(PEC)와 같은 표준 오류 완화 기준선을 능가하면서 측정 오버헤드와 분산을 줄여요.
QESEM: 오류 억제 및 오류 완화 가이드 API 참조	Qedma	분수 또는 매개변수화된 Gate가 있는 Circuit, 고가중치 옵저버블, 편향 없는 기대값과 정확한 런타임 추정이 필요한 워크플로가 포함된 워크로드.	관련 Circuit 클래스에 대해 ZNE 및 PEC를 능가하면서, 더 낮은 분산과 더 적은 리소스 오버헤드로 편향 없는 기대값을 생성해요.
성능 관리 가이드 API 참조 라이선스	Q-CTRL	매개변수화된 Circuit, 깊은 Circuit, 또는 많은 Circuit 실행이 필요한 워크로드.	AI 기반 오류 억제를 양자 알고리즘에 자동으로 적용하여, IBM 디바이스의 성능을 최대화하고 필요한 샷 수, 컴퓨팅 시간 및 비용을 줄이면서 정확한 결과를 얻을 수 있어요. Sampler 및 Estimator 프리미티브의 실행 정확도를 향상시키는 제로 오버헤드 방법으로, 모든 가중치의 옵저버블과 호환돼요.
Orbit 가이드 API 참조	Quantum Elements	양자 오류 정정, 중간 Circuit 측정, 오라클 알고리즘, 변분 양자 알고리즘, 해밀토니안 시뮬레이션과 같은 정적 및 동적 Circuit을 포함하여, 유휴 구간이나 스케줄링 공백이 있는 워크로드.	최적화된 트랜스파일링, 동적 디커플링, 측정 오류 완화를 하나의 통합 워크플로로 결합하여 IBM Quantum 하드웨어에서 Circuit 성능을 개선해요. 추가적인 양자 또는 고전 전처리 시간 없이 원래 Circuit의 논리를 유지하는 낮은 오버헤드의 오류 억제를 적용하므로, 사용자가 각 기법을 켜거나 끄거나 원본 Circuit과 비교할 수 있어요.

Application functions

이름	제공자	권장 사용 사례	고유 장점
QUICK-PDE 가이드 API 참조 라이선스	ColibriTD	다중 물리 PDE를 위한 양자 계산 사용. 양자 및 물리적 모델링 매개변수 모두에 대한 완전한 제어를 유지하면서 양자 하드웨어용 시뮬레이션 워크플로 준비.	고급 솔루션 인코딩 및 스펙트럼 방법을 통해 정밀하고 확장 가능한 PDE 솔루션을 제공하는 강력한 하이브리드 VQA 프레임워크를 제공하여, 양자 컴퓨팅에 대비한 시뮬레이션 역량을 구축하려는 팀에 이상적인 출발점이에요.
Quantum Portfolio Optimizer 가이드 API 참조 라이선스	Global Data Quantum	금융 최적화 워크로드로, 리스크를 최소화하고 수익을 극대화하면서 시간에 따른 최적의 포트폴리오 전략을 찾고, 거래 전략 백테스팅을 가능하게 해요.	이 금융 사용 사례에 맞게 고도로 특화한 VQE 양자 알고리즘 변형을 통해 조합 최적화 문제를 해결하며, 최적화된 실행 전략과 옵티마이저, 그리고 포트폴리오 최적화에 맞춘 노이즈 인식 오류 완화 기법을 사용해요.
HI-VQE Chemistry 가이드 API 참조 라이선스	Qunova Computing	다체 전자 구조 문제 해결이 필요한 계산 화학, 분자 시뮬레이션, 재료 과학 또는 모든 해밀토니안 시뮬레이션의 워크로드.	40~60 Qubit으로 모델링된 문제에 대해 화학적 정확도(1 kcal/mol, 1.6 mHa)를 달성하는 향상된 SQD를 사용하여 분자 전자 구조를 해결하며, 수렴 속도 또는 정확도에서 각각 슈퍼컴퓨터의 일부 고전적 솔루션이나 표준 SQD를 수 자릿수 능가해요.
Iskay Quantum Optimizer 가이드 API 참조 라이선스	Kipu Quantum	스케줄링, 물류, 라우팅, QUBO/HUBO 문제와 같은 최적화 워크로드.	양자 최적화 루틴을 위한 통합 조절 가능한 고전적 전처리 및 후처리 방법. 선택된 HUBO 벤치마크에서 고전적 솔버(CPLEX, 시뮬레이티드 어닐링, 타부 서치)보다 런타임 이점을 제공해요. 어려운 도전인 Market Split ms_5_100을 수 시간 내에 해결(이 튜토리얼 참조).
Singularity Machine Learning 가이드 API 참조 라이선스	Multiverse Computing	IBM 하드웨어에서 실행되는 양자 최적화를 활용하여 향상된 정확도 또는 계산 효율성의 이점을 얻을 수 있는 고전적 머신러닝 분류 워크플로.	Random Forest나 XGBoost와 같은 고전적 모델에 필적하거나 이를 능가하는 정확도를 제공하면서, 상당히 적은 학습기와 더 컴팩트한 앙상블로 작동해요. 양자 최적화 투표로 구동되어, 정보량이 가장 많은 학습기를 선택하고 결정 경계를 정제하여, 효율은 높이고 모델 복잡도는 낮추며 성능은 더 강건해져요.
Optimization Solver 가이드 API 참조 라이선스	Q-CTRL	이진 최적화 문제 또는 이진 비용 함수로 매핑할 수 있는 모든 조합 문제. 모든 차수의 비용 함수와 최대 디바이스 규모까지의 문제 크기가 지원돼요.	고수준 문제 정의를 입력으로 받아 유틸리티 규모 양자 하드웨어에서 고전 컴퓨터로 풀기 어려운 조합 문제의 정확한 해를 자동으로 찾는 노이즈 인식 엔드투엔드 양자 최적화 솔루션이에요. 오류 억제, 효율적 매핑, 하이브리드 양자-고전적 최적화를 대신 처리하여 복잡성을 추상화하고, 심층적인 양자 전문 지식 없이 전체 디바이스 규모에서 최적화 작업을 해결해요.
Dynamics Simulator 가이드 API 참조	Q-CTRL	스핀, 전하, 상관관계가 어떻게 전파되는지 연구하기 위한 1차원 페르미-허바드 사슬부터 시작하는 양자 다체 모델의 시간 진화.	Circuit 대신 물리 모델, 초기 상태, 시간 진화 매개변수, 옵저버블을 입력으로 받은 다음, Fire Opal의 자동 오류 억제로 Circuit을 구성, 최적화, 실행해요. 고해상도 고전 텐서 네트워크 시뮬레이션과 1% RMSE 이내로 일치하면서, 양자 런타임은 최대 3000배 더 빨라요.
Parity Twine Optimizer 가이드 API 참조	ParityQC	Gate 수와 Circuit 깊이를 줄이면 이점을 얻는 최적화 워크로드. 이 감소 덕분에 SWAP이 많은 표준 트랜스파일링 방식으로는 불가능한 산업적으로 의미 있는 문제 규모를 다룰 수 있어요.	Parity Architecture를 기반으로 한 Parity Twine 방식을 사용해 디바이스 연결성을 고려하면서 2-Qubit Gate 수와 Circuit 깊이를 최소화하고, SWAP Gate 없이 비국소 상호작용을 구현해요. 최소한의 사용자 입력으로 트랜스파일링 단계를 자동화하고, 효율적인 깊이 1 QAOA 방식을 사용해 CPU에서 최적의 Circuit 매개변수를 구함으로써 필요한 QPU 런타임을 최소화해요.
Constrained Quantum Optimizer 가이드 API 참조	Aqarios	LP 파일, MPS 파일 또는 Luna 모델로 제공되는 제약이 있는 이진 최적화 문제, 특히 원-핫 또는 집합 패킹 제약 조건이 있는 문제.	페널티 항 대신 XY 믹서를 통해 원-핫 및 집합 패킹 제약 조건을 직접 적용하여 제약이 있는 이진 최적화 문제를 직접 해결하며, 이를 통해 탐색 공간을 실현 가능한 부분 공간으로 줄이고 해의 품질을 향상시켜요. 변분 매개변수 학습 없이 FlexQAOA 알고리즘의 반복적 웜 스타트를 사용하여 재구성, Circuit 합성, 트랜스파일링, 하드웨어 실행을 자동으로 처리해요.
Rimay Quantum Feature Extraction 가이드 API 참조	Kipu Quantum	기존 머신러닝 파이프라인에 바로 끼워 넣을 수 있는 특징 추출. 신용 위험 분류처럼 예측 품질이 정체된 중소 규모의 표 형식 데이터셋에 활용하세요.	데이터셋에서 양자 변환된 특징을 추출해요. 직접 양자 Circuit을 구성하지 않고도, 하나의 전처리 단계로서 데이터를 인코딩하는 스핀 글래스 해밀토니안의 디지털화된 반단열 진화를 통해 생성돼요.
SQOA Solver 가이드 API 참조	JIJ	최대 독립 집합 및 MaxCut처럼 페널티 방법으로 변환된 제약 문제를 포함하여, QUBO로 정식화된 대규모 조합 최적화 문제.	양자 완화를 사용해 Qubit당 최대 세 개의 이진 변수를 인코딩하므로, 사용 가능한 Qubit 수보다 많은 변수를 가진 문제를 해결할 수 있어요. 양자 랜덤 액세스 최적화(QRAO)를 샘플 기반 양자 대각화(SQD) 및 고전적 후처리와 결합한 샘플링 기반 설계 덕분에 하드웨어 노이즈에 덜 민감해요.