Quickstart#
qudasは量子計算と古典計算のパイプラインを作成したり、入出力形式を変換したりすることができるライブラリです。
qudasのインストール#
pip install qudas
ブラックボックス最適化アルゴリズムであるFMQAのパイプライン作成例#
以下のコードは、FMQAのパイプライン作成例です。
1# qudas & pipline
2from qudas.pipeline import Pipeline
3from torch_fmqa import TorchFMQA
4from anneal_fmqa import AnnealFMQA
5from pipe_iteration import PipeIteration
6from utils import make_blackbox_func, init_training_data
7
8# module
9import torch
10
11# ENV
12from dotenv import load_dotenv
13import os
14
15# .envファイルの内容をロード
16load_dotenv()
17
18# envファイルからtokenを取得
19token = os.getenv("AMPLIFY_TOKEN")
20
21# 適当な関数を作成 (d次元, y = xQx)
22d = 100
23blackbox = make_blackbox_func(d)
24
25# 初期教師データの数
26N0 = 60
27x, y = init_training_data(d, N0, blackbox)
28print(f"{x.shape=}, {y.shape=}")
29
30# FMQA サイクルの実行回数
31N = 10
32
33# 初期パラメータ
34k = 10
35v = torch.randn((d, k), requires_grad=True)
36w = torch.randn((d,), requires_grad=True)
37w0 = torch.randn((), requires_grad=True)
38global_parameters = {'v': v, 'w': w, 'w0': w0, 'blackbox': blackbox, 'd': d}
39
40# pipeline
41steps = [('TorchFMQA', TorchFMQA()), ('AnnealFMQA', AnnealFMQA(token))]
42
43pipe = Pipeline(steps, iterator=PipeIteration(loop_num=N))
44pipe.set_global_params(global_parameters)
45
46# 最適化
47result = pipe.optimize(x, y)
48print(f"{result=}")
49# result={'TorchFMQA': None, 'AnnealFMQA': array([0, 1, 1, 0, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1,
50# 1, 1, 0, 0, 0, 1, 1, 1, 1, 0, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0,
51# 0, 1, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 1, 0,
52# 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 0, 1, 0, 0, 0, 0, 1,
53# 1, 1, 0, 1, 0, 0, 1, 0, 1, 0, 1, 0])}
ここで、TorchFMQA
, AnnealFMQA
, PipeIteration
は別途定義する必要があります。3つの処理を Pipeline module を用いて実行することができます。
詳しくは examples/fmqa/main.py
を参照。
データ変換例(QuDataInput)#
qudasライブラリでは、デバイスへの様々な入力形式のデータを変換する機能も備えています。以下にいくつかのデータ変換例を示します。
pyqubo から Amplify への変換#
from pyqubo import Binary
from qudas import QuData
# Pyqubo で問題を定義
q0, q1 = Binary("q0"), Binary("q1")
prob = (q0 + q1) ** 2
# QuData に Pyqubo の問題を渡す
qudata = QuData.input().from_pyqubo(prob)
print(qudata.prob) # 出力: {('q0', 'q0'): 1.0, ('q0', 'q1'): 2.0, ('q1', 'q1'): 1.0}
# Amplify 形式に変換
amplify_prob = qudata.to_amplify()
print(amplify_prob)
配列から BQM への変換#
import numpy as np
from qudas import QuData
# Numpy 配列を定義
prob = np.array([
[1, 1, 0],
[0, 2, 0],
[0, 0, -1],
])
# QuData に配列を渡す
qudata = QuData.input().from_array(prob)
print(qudata.prob) # 出力: {('q_0', 'q_0'): 1, ('q_0', 'q_1'): 1, ('q_1', 'q_1'): 2, ('q_2', 'q_2'): -1}
# BQM 形式に変換
bqm_prob = qudata.to_dimod_bqm()
print(bqm_prob)
CSV から PuLP への変換#
import pulp
from qudas import QuData
# CSVファイルのパス
csv_file_path = './data/qudata.csv'
# QuData に CSV を渡す
qudata = QuData.input().from_csv(csv_file_path)
print(qudata.prob) # 出力: {('q_0', 'q_0'): 1.0, ('q_0', 'q_2'): 2.0, ...}
# PuLP 形式に変換
pulp_prob = qudata.to_pulp()
print(pulp_prob)
データ変換例(QuDataOutput)#
qudasライブラリでは、デバイスからの様々な出力形式のデータを変換する機能も備えています。以下にいくつかのデータ変換例を示します。
PuLP から Amplify への変換#
import pulp
from qudas import QuData
# PuLP問題を定義して解く
prob = pulp.LpProblem("Test Problem", pulp.LpMinimize)
x = pulp.LpVariable('x', lowBound=0, upBound=1, cat='Binary')
y = pulp.LpVariable('y', lowBound=0, upBound=1, cat='Binary')
prob += 2*x - y
prob.solve()
# QuDataOutputのインスタンスを生成し、from_pulpメソッドで問題を変換
qudata = QuData.output().from_pulp(prob)
print(qudata.prob) # 出力: {'x': 2.0, 'y': -1.0}
# Amplify形式に変換
amplify_prob = qudata.to_amplify()
print(amplify_prob) # 出力: Amplifyの目標関数形式
SciPy から Dimod への変換#
import numpy as np
from sympy import symbols, lambdify
from scipy.optimize import minimize, Bounds
from qudas import QuData
# シンボリック変数の定義
q0, q1, q2 = symbols('q0 q1 q2')
# 目的関数を定義
objective_function = 2 * q0 - q1 - q2
# シンボリック関数を数値化して評価できる形式に変換
f = lambdify([q0, q1, q2], objective_function, 'numpy')
# 初期解 (すべて0.5に設定)
q = [0.5, 0.5, 0.5]
# バイナリ変数の範囲を定義 (0 <= x <= 1)
bounds = Bounds([0, 0, 0], [1, 1, 1])
# SciPyで制約付き最適化を実行
res = minimize(lambda q: f(q[0], q[1], q[2]), q, method='SLSQP', bounds=bounds)
# QuDataOutputのインスタンスを生成し、from_scipyメソッドをテスト
qudata = QuData.output().from_scipy(res)
print(qudata.prob) # 出力: {'q0': 2, 'q1': -1, 'q2': -1}
# Dimod形式に変換
dimod_prob = qudata.to_dimod_bqm()
print(dimod_prob) # 出力: DimodのBQM形式
詳しくは test/test_qudata.py
を参照。