Qiskit 设计模式

# Qiskit 模式：四步工作流 Qiskit 模式提供了一个通用框架，用于在四个阶段解决领域特定的量子计算问题：映射 (Map)、优化 (Optimize)、执行 (Execute) 和后处理 (Post-process)。 ## 概述 该模式框架支持量子能力的无缝组合，并支持异构计算基础设施 (CPU/GPU/QPU)。可以在本地、通过云服务或通过 Qiskit Serverless 执行。 ## 四个步骤 问题 → [映射] → [优化] → [执行] → [后处理] → 解决方案 ### 1. 映射 将经典问题转化为量子电路和算子 ### 2. 优化 通过转译为目标硬件准备电路 ### 3. 执行 使用原语在量子硬件上运行电路 ### 4. 后处理 通过经典计算提取并细化结果 ## 第 1 步：映射 ### 目标 将领域特定问题转化为量子表示（电路、算子、哈密顿量）。 ### 关键决策 **选择输出类型：** - **Sampler (采样器)**：用于位串输出（优化、搜索） - **Estimator (估计器)**：用于期望值（化学、物理） **设计电路结构：** python from qiskit import QuantumCircuit from qiskit.circuit import Parameter import numpy as np # 示例：用于 VQE 的参数化电路 def create_ansatz(num_qubits, depth): qc = QuantumCircuit(num_qubits) params = [] for d in range(depth): # 旋转层 for i in range(num_qubits): theta = Parameter(f'θ_{d}_{i}') params.append(theta) qc.ry(theta, i) # 纠缠层 for i in range(num_qubits - 1): qc.cx(i, i + 1) return qc, params ansatz, params = create_ansatz(num_qubits=4, depth=2) ### 注意事项 - **硬件拓扑**：设计时考虑后端的耦合图 - **门效率**：最小化双量子比特门 - **测量基**：确定所需的测量 ### 领域特定示例 **化学：分子哈密顿量** python from qiskit_nature.second_q.drivers import PySCFDriver from qiskit_nature.second_q.mappers import JordanWignerMapper # 定义分子 driver = PySCFDriver(atom='H 0 0 0; H 0 0 0.735', basis='sto3g') problem = driver.run() # 映射到量子比特哈密顿量 mapper = JordanWignerMapper() hamiltonian = mapper.map(problem.hamiltonian) **优化：QAOA 电路** python from qiskit.circuit import QuantumCircuit, Parameter def qaoa_circuit(graph, p): """创建 QAOA 电路用于