【Qiskit】マルチオミクス解析を量子機械学習でやる①[環境構築・基礎]

git clone https://github.com/IBM/qml4omics.git

conda create -n qml4omics python==3.11

conda activate qml4omics
cd src/
pip install -r requirements.txt
pip install notebook qiskit[visualization]

cd ..
jupyter notebook

Name: qiskit
Version: 2.0.2

from qiskit_ibm_runtime import QiskitRuntimeService
 
# アカウントトークンをこの先も使う場合、デフォルトに設定しておく
QiskitRuntimeService.save_account(channel="ibm_quantum", token="<MY_IBM_QUANTUM_TOKEN>", set_as_default=True)
 
# Load saved credentials
service = QiskitRuntimeService()

from qiskit import QuantumCircuit
from qiskit_ibm_runtime import QiskitRuntimeService, SamplerV2 as Sampler
 
# 空のcircuitを作成
example_circuit = QuantumCircuit(2)
example_circuit.measure_all()

backend = service.least_busy(operational=True, simulator=False)
 
sampler = Sampler(backend)
job = sampler.run([example_circuit])
print(f"job id: {job.job_id()}")
result = job.result()
print(result)

from qiskit import QuantumCircuit # 量子回路のモジュールのインポート

qc = QuantumCircuit(2) # 量子回路中の qbits の数を宣言
qc.qubits # 確認

# OUT
# [Qubit(QuantumRegister(2, 'q'), 0), Qubit(QuantumRegister(2, 'q'), 1)]

qc.draw("mpl")

qc.x(0)  # qbitの0番目にXゲートを加える
qc.data

# [CircuitInstruction(operation=Instruction(name='x', num_qubits=1, num_clbits=0, params=[]), qubits=(Qubit(QuantumRegister(2, 'q'), 0),), clbits=())]

qc_a = QuantumCircuit(4) # 4 bits の qbit からなる量子回路
qc_a.x(0) # 0番目にXゲートを追加

qc_b = QuantumCircuit(2, name="qc_b") # 2 bits からなる量子回路。"qc_b"と名前をつける
qc_b.y(0) # 0番目にYゲート
qc_b.z(1) # 1番めにZゲート
 
# qc_b の 0番と1番の量子ビットを、qc_a の 1番と3番の量子ビットに対応付けて合成する
combined = qc_a.compose(qc_b, qubits=[1, 3])
combined.draw("mpl")

from qiskit.circuit import Parameter
angle = Parameter("angle")  # 未定義の変数（シンボリックパラメータ）

# 回路の作成（パラメトリック RXゲート）
qc = QuantumCircuit(1) # 1bit 量子回路
qc.rx(angle, 0) # qubit 0 に対して RX(angle) を適用

from qiskit.transpiler.preset_passmanagers import generate_preset_pass_manager
qc = generate_preset_pass_manager(
    optimization_level=3,
    basis_gates=['u', 'cx']
).run(qc)

0: no optimization (最適化なし)
1: light optimization (軽い最適化)
2: heavy optimization (高い最適化)
3: even heavier optimization (最も高い最適化)

from qiskit import QuantumCircuit
from qiskit.circuit.library import HGate, MCXGate

mcx_gate = MCXGate(3)       # 3つの制御を持つマルチ制御Xゲート（3-control Toffoli）
hadamard_gate = HGate()     # 単一のHadamardゲート

qc = QuantumCircuit(4)
qc.append(hadamard_gate, [0])        # Qubit 0 にHadamard
qc.append(mcx_gate, [0, 1, 2, 3])     # Qubits 0,1,2 → control、3 → target
qc.draw('mpl')

from qiskit.circuit.library import TwoLocal

two_local = TwoLocal(3, 'rx', 'cz') # 量子ビット数3、回転ゲートrx、エンタングルメントゲートcz
two_local.draw('mpl')

two_local.decompose().draw('mpl')

from qiskit.circuit.library import TwoLocal

two_local = TwoLocal(3, 'rx', 'cz', reps=2) # reps=2
two_local.decompose().draw('mpl')

from qiskit.circuit.library import ZZFeatureMap

features = [0.2, 0.4, 0.8] # 入力する3次元の実数ベクトル(特徴量)
feature_map = ZZFeatureMap(feature_dimension=len(features)) # 上記に合わせた3量子ビットのエンコーディング回路

encoded = feature_map.assign_parameters(features) # パラメータを代入
encoded.draw('mpl')

from qiskit import QuantumCircuit
from qiskit.circuit.library import GroverOperator, Diagonal
from qiskit_ibm_runtime import QiskitRuntimeService
from qiskit_ibm_runtime.fake_provider import FakeSherbrooke
 
# Oracle の構築
oracle = Diagonal([1] * 7 + [-1]) # Diagonol は対角ゲートを構築
qc = QuantumCircuit(3) # 3量子ビット
qc.h([0, 1, 2]) # アダマールゲートを作用 → 探索空間(0-7)が同じ状態でスタート
qc = qc.compose(GroverOperator(oracle)) # Grover イテレーションをまとめたゲート
 
# 各量子ビットの状態を測定
qc.measure_all()
 
# 描画
qc.draw(output='mpl')

oracle = Diagonal([1, 1, 1, 1, 1, 1, 1, -1])

# パスマネージャの読み込み
from qiskit.transpiler.preset_passmanagers import generate_preset_pass_manager

# 量子コンピュータの設計に合わせたバックエンドを選択(ここではSherbrooke)。
backend = FakeSherbrooke()

# 最適化レベル1のパスマネージャを生成
pass_manager = generate_preset_pass_manager(optimization_level=1, backend=backend)

# 回路qcに対してパスマネージャを実行(=トランスパイルを実行)
transpiled_circ = pass_manager.run(qc)
 
# トランスパイル後の回路を可視化
transpiled_circ.draw(output='mpl', idle_wires=False)