computingvista-qservice

Python SDK chính thức của Computing Vista — submit OpenQASM từ Jupyter/VS Code local, chạy trên Computing Vista Cloud.

Cài đặt

pip install computingvista-qservice

Hoặc từ local clone (dev):

pip install -e .

Sử dụng

Lấy API key tại computingvista.com/dashboard/developer.

from computingvista_qservice import QuantumClient

qc = QuantumClient(token="qkey_live_...")  # hoặc set env QUANTUM_SERVICE_TOKEN

print(qc.get_usage())
# {'used_shots': 2000, 'max_shots': 100000, 'remaining_shots': 98000}

result = qc.run_qasm("""
OPENQASM 2.0;
include "qelib1.inc";
qreg q[2];
creg c[2];
h q[0];
cx q[0],q[1];
measure q -> c;
""", shots=1000)

print(result["counts"])

run_qasm raise QuotaExceededError khi vượt hạn mức trial, QuantumServiceError cho lỗi khác.

Tham số QAOA pretrained

get_qaoa_params trả về góc (γ, β) đã pretrain cho MaxCut — không cần chạy optimizer:

import networkx as nx
from computingvista_qservice import get_qaoa_params

G = nx.random_regular_graph(3, 12)          # đồ thị MaxCut (hỗ trợ attribute "weight" trên cạnh)
gamma, beta, confidence = get_qaoa_params(G, p=3, family="maxcut")

Không có networkx thì truyền list cạnh [(i, j), ...] hoặc [(i, j, weight), ...] — networkx không phải dependency của SDK.

• confidence="high" — dùng one-shot luôn (gap đo được ~0.1–2 điểm % so với góc tối ưu)
• "medium" — nên tinh chỉnh nhẹ (ví dụ quét 7 điểm hệ số nhân trên γ, ~vài trăm shots)
• "low" — chỉ là điểm khởi tạo, cần optimizer đầy đủ

Sinh mạch và tinh chỉnh:

from computingvista_qservice import QuantumClient, maxcut_qasm, refine_gamma_scale

qc = QuantumClient(token="qkey_live_...")

if confidence == "high":                       # chạy thẳng
    result = qc.run_qasm(maxcut_qasm(G, gamma, beta), shots=1000)
else:                                          # tinh chỉnh trước (~900 shots)
    r = refine_gamma_scale(qc, G, p=3)
    result = qc.run_qasm(maxcut_qasm(G, r["gamma"], r["beta"]), shots=1000)

refine_gamma_scale quét một hệ số nhân duy nhất trên γ (9 job) — với case medium thì hình dáng schedule đã đúng, chỉ sai thang độ lớn của γ. Trong mô phỏng, nó lấy lại tới ~20 điểm % và bám sát lưới quét 60 điểm trong ~0.3 điểm %, rẻ hơn optimizer 2p chiều khoảng 10 lần.

cut_expectation(counts, G) tính ⟨cut⟩ từ counts. Thứ tự bit của counts được detect_bit_order dò tự động bằng một job hiệu chuẩn 8 shots — đoán sai thứ tự này sẽ hoán vị đỉnh và làm sai mọi giá trị cut một cách âm thầm.

Nguồn: bảng fixed-angle cho đồ thị d-regular (Wurtz-Lykov, arXiv:2107.00677), median 261k đồ thị 9 đỉnh (QAOAKit) + rescale theo bậc/trọng số (arXiv:2201.11785), nội suy schedule cho p>3. Convention ghi trong docstring của module — kiểm tra bằng tests/test_qaoa.py (cần numpy, networkx).

Mã lỗi

QuantumServiceError mang theo error từ response: