노이즈 모델링
노이즈 모델은 오류가 양자 회로 실행 결과에 어떤 영향을 미치는지 설명합니다. 노이즈 모델은 일반적인 워크플로의 여러 단계를 지원하며, 예를 들어 작업을 제출하기 전에 기대 성능을 추정하기 위해 회로를 고전적으로 시뮬레이션하거나 확률적 오류 제거와 같은 오류 완화 기법에 정보를 제공하는 데 사용됩니다. 실행 중 노이즈의 영향을 줄이기 위한 일반적인 전략은 노이즈 관리 기법 개요를 참조하세요.
이 페이지는 해당 워크플로의 각 부분을 지원하는 패키지와 기능을 모아 두었으며, 장치에서 노이즈 학습하기, 고전 시뮬레이션을 위한 노이즈 모델 구축하기, 특정 오류 완화 기법을 위해 노이즈 모델 개선하기로 나누어 설명합니다.
노이즈 학습 알고리즘 구축 및 실행
노이즈 학습 패키지를 사용하여 실험 데이터에서 직접 장치의 노이즈를 특성화하세요. 이러한 패키지는 무작위화된 회로를 실행하여 오류율을 추정하고 실제 하드웨어 동작을 반영하는 노이즈 모델을 구축합니다.
Qiskit 노이즈 학습
무작위화 기반 양자 노이즈 특성화 실험과 모델 피팅 분석 파이프라인을 구축합니다
문서 둘러보기 →
IBM Quantum Compute용 NoiseLearner
IBM Quantum Compute 서비스의 대상 장치를 사용하여 PEC 및 PEA 워크로드를 위한 노이즈 모델을 구성합니다.
문서 둘러보기 →
노이즈가 있는 회로 시뮬레이션을 위한 노이즈 모델 구축
이 패키지를 사용하여 회로를 고전적으로 시뮬레이션하기 위한 노이즈 모델을 구성하세요. 노이즈 모델을 사용하면 QPU에서 실행하기 전에 노이즈가 있는 하드웨어에서 회로가 어떻게 동작하는지 추정할 수 있습니다.
노이즈 모델 개선
이러한 패키지를 사용하여 특정 오류 완화 기법에 맞게 노이즈 모델을 조정하세요. 각 패키지는 샘플링 비용, 편향, 사후 선택된 샘플의 신뢰성 사이에서 서로 다른 절충점을 목표로 합니다.