Referencia de la API del optimizador cuántico con restricciones de Aqarios

Tipo: str

El modelo de optimización serializado que hay que resolver. Se admiten tres formatos:

• LP (*.lp): Formato de archivo LP estándar exportado como una cadena de caracteres, por ejemplo, a través de DOcplex's export_as_lp_string()
• MPS (*.mps): Formato de archivo MPS estándar exportado como una cadena de caracteres, por ejemplo, a través de DOcplex's export_as_mps_string()
• Modelo Luna : serialización de un objeto « Base64-encoded » del modelo Aqarios Luna, obtenido mediante model.encode_b64()

El modelo debe representar un problema de optimización binaria, ya sea de maximización o de minimización. Las restricciones pueden ser desigualdades o igualdades sobre variables binarias. Las variables enteras solo se admiten cuando se especifican límites superior e inferior claros. El objetivo y las restricciones pueden ser de orden superior y no tienen por qué ser necesariamente lineales.

• Obligatorio: Sí
• Ejemplo de LP:

\Problem name: MIS
Minimize
  obj: ...
Subject To
  c1: ...
  ...
Binaries
  x_0 x_1
End

Tipo: str or None

Valor predeterminado: None

El nombre del backend de IBM Quantum en el que se va a ejecutar (por ejemplo "ibm_phoenix"). Cuando se configura en None, la función selecciona automáticamente el dispositivo disponible menos ocupado.

• Obligatorio: No
• Ejemplo:"ibm_phoenix"

Tipo: dict or None

Valor predeterminado: None

Opciones de configuración del algoritmo que controlan el comportamiento del QAOA iterativo con arranque en caliente. Las opciones se especifican en forma de diccionario. Consulta la lista de opciones que figura a continuación para ver todas las claves disponibles y sus valores predeterminados.

• Obligatorio: No
• Ejemplo:{"reps": 2, "num_parallel": 10, "postprocessing": "weak"}

Tipo: int

Valor predeterminado: 1

Número de repeticiones de la capa QAOA (parámetro de profundidad del circuito $p$ ). Los valores más altos aumentan la calidad de la solución a costa de circuitos más profundos y un tiempo de ejecución más largo, lo que puede generar más ruido.

• Opciones: Número entero dentro de un intervalo [1, 10]

Tipo: int

Valor predeterminado: 5

Número de cadenas independientes de arranque en caliente que se ejecutan en paralelo. Al aumentar este valor, mejora la probabilidad de encontrar soluciones de alta calidad, pero también aumenta el presupuesto total de intentos consumido.

• Opciones: Número entero dentro de un intervalo [1, 100]

Tipo: int

Valor predeterminado: 500

Número de mediciones por iteración y por cadena.

• Opciones: Número entero dentro de un intervalo [1, 10000]

Tipo: int

Valor predeterminado: 5000

Presupuesto total de tomas en todas las iteraciones para una sola cadena de «warm-start». El bucle de iteración de una cadena finaliza una vez que se agota este presupuesto.

• Opciones: Número entero dentro de un intervalo [1, 1000000]

Tipo: float

Valor predeterminado: 0.1

Parámetro de regularización para las probabilidades de arranque en caliente. Evita que la distribución de probabilidad se reduzca a un estado determinista, lo que permite mantener la exploración a lo largo de las iteraciones.

• Opciones: Flotante dentro del rango (0.01, 1)

Tipo: float

Valor predeterminado: 10

Temperatura inversa para la ponderación de Boltzmann utilizada para derivar nuevos estados de arranque en caliente a partir de muestras de medición. Los valores más altos concentran la masa de probabilidad en las muestras de menor energía.

• Opciones: Flotar satisfactoriamente beta > 0

Tipo: float

Valor predeterminado: 1.0

Controla el nivel de aproximación aplicado a la función de coste y durante la transpilación. Los valores más bajos reducen la profundidad del circuito al introducir aproximaciones, lo que puede afectar a la calidad de la solución.

• Opciones: Flotante dentro del rango [0.0, 1.0]

Tipo: str

Valor predeterminado: "strong"

Estrategia clásica de posprocesamiento aplicada tras cada paso de muestreo para mejorar la calidad de la solución. Los niveles más altos aplican una búsqueda local más agresiva a costa de un mayor tiempo de cálculo clásico.

• Opciones: "off" / "weak" / "medium" / "strong"
  • "off": Desactivar el posprocesamiento.
  • "weak": Búsqueda local de una sola pasada. Intenta invertir cada bit una vez en orden aleatorio y mantén las inversiones que reduzcan la energía.
  • "medium": Búsqueda local en tres pasadas. Aplica la estrategia débil tres veces con diferentes órdenes aleatorias.
  • "strong": Búsqueda local «glotona». Aplica repetidamente el cambio de bits que más reduzca el consumo de energía hasta que ya no sea posible mejorar más.

Tipo: float or None

Valor predeterminado: None

Anula manualmente el valor de penalización utilizado al convertir las restricciones en términos de penalización que se añaden al objetivo. Por defecto, la penalización se calcula automáticamente a partir de la estructura del problema. Utiliza esta opción únicamente si el valor automático da lugar a resultados inviables.

• Opciones: Introducir un valor flotante válido penalty_override > 0o None utilizar el valor automático

Tipo: bool

Valor predeterminado: False

Si se debe utilizar el modo de sesión de « IBM Quantum Compute Service» para la ejecución de tareas. La activación de sesiones reduce la sobrecarga de ejecución del circuito al mantener abierta una conexión dedicada con la QPU a lo largo de las iteraciones, lo que puede reducir el tiempo total de reloj.

• Opciones: True / False

Tipo: dict[str, Any]

Diccionario de resultados con las asignaciones de soluciones, el valor objetivo, el estado de viabilidad y los metadatos de ejecución.

• Ejemplo:{"solutions": [{"x_0": 1, "x_1": 0}], "obj_value": 42.0, "feasible": True, "metadata": {...}}