Qiskit

Use as APIs atuais do Qiskit 2.x para construir circuitos, preparar conjuntos de instruções (ISA) compatíveis com hardware e executá-los através de primitivas V2.

Revisado em 2026-10-01 com testes locais em qiskit==2.5.2, qiskit-ibm-runtime==0.50.0 e qiskit-aer==0.17.2. Exemplos de conta IBM, QPU, sessão e lote são ilustrativos e verificados na documentação/código-fonte; nenhuma carga de trabalho remota foi submetida. Veja references/sources.md para o limite de verificação.

O Runtime 0.50 deprecia as implementações de nível superior SamplerV2/EstimatorV2. Novos códigos importam Sampler de qiskit_ibm_runtime.executor_sampler e Estimator de qiskit_ibm_runtime.executor_estimator. Estes ainda implementam a interface PUB V2, usando processamento do lado do cliente e Executor. Use modelos de opção de qiskit_ibm_runtime.options_models.

Escolha o Caminho Certo

Instalação

Crie um ambiente isolado e instale apenas os componentes necessários:

uv venv --python 3.13
source .venv/bin/activate

# Core SDK plus plotting support
uv pip install "qiskit[visualization]==2.5.2"

# Add only when needed
uv pip install "qiskit-ibm-runtime==0.50.0"
uv pip install "qiskit-aer==0.17.2"

Não instale qiskit-terra; ele foi substituído pela distribuição qiskit. Qiskit Runtime, Aer, Nature, Machine Learning, Optimization e Algorithms são distribuições separadas.

Para configuração de conta IBM, manuseio seguro de credenciais em CI, pacotes opcionais e reparo de ambiente, leia references/setup.md.

Fluxo de Trabalho Principal

Siga esta sequência para todas as cargas de trabalho orientadas a hardware:

1. Mapeie o problema para um circuito e, para o Estimator, um ou mais observáveis.
2. Otimize o circuito parametrizado uma vez para o backend selecionado.
3. Aplique o layout a cada observável.
4. Execute circuitos ISA através de uma primitiva V2 usando Primitive Unified Blocs (PUBs).
5. Analise resultados cientes de registradores, metadados, incerteza e uso de recursos.

Não vincule e retranspile um circuito parametrizado dentro de cada iteração do otimizador. Transpile o circuito parametrizado uma vez, depois passe arrays de parâmetros em PUBs.

Amostragem Local Rápida

from qiskit import QuantumCircuit
from qiskit.primitives import StatevectorSampler

circuit = QuantumCircuit(2)
circuit.h(0)
circuit.cx(0, 1)
circuit.measure_all()  # creates the classical register named "meas"

sampler = StatevectorSampler(seed=7)
pub_result = sampler.run([circuit], shots=1024).result()[0]
counts = pub_result.data.meas.get_counts()
print(counts)

O Sampler V2 preserva os tiros e a estrutura do registrador clássico. Acesse o registrador pelo seu nome real; measure_all() usa meas.

Para circuitos com múltiplos registradores clássicos, as contagens de cada registrador são uma distribuição marginal. Preserve o alinhamento de tiros ao calcular correlações entre registradores; multiplicar frequências marginais destrói essas correlações. Use SamplerPubResult.join_data com uma ordem explícita de registradores para bitstrings conjuntas e registre essa ordem nos rótulos de resultado. Qiskit 2.5.2 coloca o primeiro registrador BitArray unido nos bits menos significativos, ao contrário da docstring atual; verifique com um estado assimétrico. Veja references/primitives.md.

Estimativa Local Rápida

import numpy as np
from qiskit import QuantumCircuit
from qiskit.circuit import Parameter
from qiskit.primitives import StatevectorEstimator
from qiskit.quantum_info import SparsePauliOp

theta = Parameter("theta")
circuit = QuantumCircuit(2)
circuit.ry(theta, 0)
circuit.cx(0, 1)

observable = SparsePauliOp.from_list([("ZZ", 1.0), ("XX", 0.5)])
parameter_values = [[0.0], [np.pi / 4], [np.pi / 2]]

estimator = StatevectorEstimator(seed=7)
pub = (circuit, observable, parameter_values)

…