Q Provider Factory es una librería Python de QrEngineer APP que permite adaptar al ecosistema QuantumPath® programas cuánticos desarrollados con diferentes SDKs de los principales proveedores cuánticos con el objetivo de facilitar a los desarrolladores el uso de todas las funcionalidades y ventajas de QPath® sin que el usuario tenga que renunciar a trabajar con su SDK favorito [1].

Una de las tecnologías soportadas por Q Provider Factory es Ocean SDK, software de desarrollo Python proporcionado por D-Wave que permite resolver problemas de optimización en sus computadoras cuánticas annealing.

A continuación mostraremos, paso a paso, como usar Q Provider Factory para transpilar y ejecutar, a través de QuantumPath®, un programa cuántico implementado con Ocean SDK. El ejemplo escogido para el artículo es el problema de optimización “Nurse Scheduling”, cuyo código fuente puede encontrarse en el repositorio GitHub de D-Wave, donde hay un extenso catálogo de ejemplos de problemas de optimización implementados con este SDK.

Uso de Q Provider Factory

·       Instalar QrEngineer SDK.

Para trabajar con Q Provider Factory, es necesario instalar QrEngineer SDK, para lo que es necesario ejecutar la siguiente instrucción en una consola de comandos:

 pip install QrEngineerSDK

·       Identificar el fichero principal del programa cuántico a integrar con QuantumPath®, en este caso nurse_scheduling.py.

…

# Off-diagonal terms in soft nurse constraint

# Include only the same nurse, across days

for nurse in range(n_nurses):

    for day1 in range(n_days):

        for day2 in range(day1 + 1, n_days):

            ind1 = get_index(nurse, day1)

            ind2 = get_index(nurse, day2)

            Q[ind1, ind2] += 2 * lagrange_soft_nurse * preference ** 2

# Solve the problem, and use the offset to scale the energy

e_offset = (lagrange_hard_shift * n_days * workforce ** 2) +
(lagrange_soft_nurse * n_nurses * min_duty_days ** 2)

bqm = BinaryQuadraticModel.from_qubo(Q, offset=e_offset)

…

·       Identificar la línea donde finaliza la creación del objeto Binay Quadratic Model con la representación matemática del problema.

…

# Solve the problem, and use the offset to scale the energy

e_offset = (lagrange_hard_shift * n_days * workforce ** 2) +
(lagrange_soft_nurse * n_nurses * min_duty_days ** 2)

bqm = BinaryQuadraticModel.from_qubo(Q, offset=e_offset)

…

·       Añadir tras esa línea, el código de Q Provider Factory necesario para transpilar el circuito y ejecutarlo a través de QuantumPath®:

o   Añadir una sentencia import a la clase QProviderFactory del SDK.

 from QrEngineerSDK import QProviderFactory

o   Instanciar el objeto QProviderFactory, indicando las credenciales de QuantumPath®

qprovider = QProviderFactory(user = ‘***qpath user***’,
passwordSHA256=’***sha-256 encrypted password***’)

o   Transpilar el Binary Quadratic Model original a un circuito de annealing de QuantumPath®, usando la instrucción transpileDwaveBQM.

qpathCircuit = qProvider.transpileDwaveBQM(bqm)

o   Lanzar la ejecución del circuito a través de QuantumPath®, proporcionando el identificador de la solución, el dispositivo cuántico, el namespace, el nombre del circuito y el número de ejecuciones o sampleos a realizar.

qpathSolutionID = 10742
qpathDeviceID = 7
qpathCircuitName = ‘NurseScheduling’
qpathNamespace = ‘TEST’
qpathNumRepeats = 100
result = qprovider.executeQPathCircuit(qpathSolutionID,qpathDeviceID,qpathCircuitName,
qpathNamespace,qpathNumRepeats,qpathCircuit)

o   Comprobar el resultado de la ejecución y mostrarlo por pantalla:

if result.success:
print(«Execution result: » + str(result.histogram))
else:
print(«Error executing the circuit» + result.error)

Una vez finalizada la ejecución en Q Provider Factory, el usuario puede acceder a QuantumPath® y visualizar en la solución indicada, el circuito y el flujo generados automáticamente por el SDK, y comprobar el resultado de la ejecución en la plataforma.