Kuantum betikleri — dinamik kontrol akışı ve kayıt

Kuantum betik (quantum script), QNode gövdesinin yalnızca sabit kapı dizisi yazmadığı; klasik koşullara veya ölçüm sonuçlarına bağlı olarak farklı kuantum yolları seçebildiği programlama stilidir. PennyLane’de bu, çoğu zaman Python’un normal if / for yapılarıyla veya çerçevenin sağladığı kuantum kontrol API’leriyle ifade edilir.

Neden hibrit QML’de önemli?

Sabit ansatz eğitimi, kayıt şablonunu epoch boyunca korur; önbellek ve batch genişletme amorti edilir. Betiksel (dinamik) yapılar, “her forward farklı bir devre mi?” sorusunu gündeme getirir — bu da epoch maliyetini ve gradyan yolunu değiştirir. Uçtan uca sıra yürütüm akışı sayfasında; burada yalnızca kontrol akışının kayda etkisi vurgulanır.

Sabit şablon: her QNode çağrısında aynı kapı türü ve sırası kayda girer; yalnızca parametre değerleri değişir. Veri bağımlı kayıt: girdi veya klasik koşul hangi dalı seçerse, o dal kayda girer — başka çağrıda tape iskeleti farklı olabilir.

Ne zaman dinamik kaçınılmaz?

Adaptif ölçüm tabanlı algoritmalar, veriye göre derinlik seçimi veya bazı hibrit heuristikler dinamik kayıt gerektirebilir. Çoğu varyasyonel sınıflandırma / VQE prototipinde ise sabit şablon tercih edilir; dinamik yapı “kısa kod” için eklenip eğitim bütçini sessizce şişirebilir. Tasarım kuralı: önce sabit şablonla çalıştırın; dinamikliği bilinçli bir sonraki adım yapın.

Kayıt aşamasının kullanıcı gözü devre kaydı sayfasında; “kayda girmeyen desenler” özellikle §4’te özetlenir — burada dinamik kaydın sonuçları (şablon oynaklığı) vurgulanır.

Düz Python if x > 0: ile kuantum kapısı seçmek, trace sırasında o anki x değerine göre tek bir dalı kaydeder. Sonraki çağrıda x işaret değişirse, kayıt yeniden çalışır ve farklı tape üretilir — bu beklenen davranıştır ama “sabit şablon” varsayımını bozar.

Sabit sınırlı for vs veri bağımlı for

Kuantum betikleri tartışmasında döngüyü ikiye ayırın: üst sınır trace öncesi biliniyor mu? Biliniyorsa çoğu senaryoda dinamik betik değil, öngörülebilir şablondur; bilinmiyorsa veya gövde veriye bağlı dallanıyorsa kayıt çağrıdan çağrıya oynar.

Sabit üst sınır: DEPTH ve katman sayısı

DEPTH = 3 ve for d in range(DEPTH): gibi kalıplarda kayıt, döngüyü kapı listesine açılarak sabitler — kullanıcı döngü görür, tape düz liste görür ( devre kaydı §3). Epoch boyunca DEPTH değişmiyorsa tape şablonu stabil kalır; JIT/önbellek ve batch genişletme ( tape §6) için uygundur. Bu, varyasyonel ansatz tasarımında tercih edilen yoldur.

Kablo sayısıyla ölçeklenen döngü

for i in range(n_qubits): veya for w in dev.wires: benzeri yapılar, cihaz/kablo envanteri sabitken yine sabit şablon üretir: her kablo için aynı kapı türü kayda girer, yalnızca kablo indeksi değişir. Dinamik betik sayılmaz; fakat n_qubits epoch ortasında veya çağrı başına değişirse kayıt yeniden çalışır — bu, §2’deki “veri bağımlı kayıt” sınırına yaklaşır.

Veri bağımlı üst sınır ve gövde içi if

Riskli örnekler: for i in range(int(x)):, for _ in range(len(batch)): gibi üst sınırın tensör veya girdiye bağlı olduğu döngüler; veya sabit üst sınırlı döngü içinde if weights[i] > 0: ile farklı kapı seçimi. İkisi de çağrı başına farklı kayıt yolu üretebilir — sabit şablon varsayımı kırılır, epoch maliyeti artar. Tasarım kuralı: üst sınırı modül sabitine veya cihaz sabitine çekin; veriye bağlı seçimi döngü dışında klasik katmana veya §4 primitiflerine taşıyın.

Python for vs qml.for_loop (kısa ayrım)

Sabit sınırlı Python for çoğu eğitim prototipinde yeterlidir. qml.for_loop, üst sınır veya gövde dinamikken kayıt/türev motoruna yapıyı bildirmek için düşünülür — her senaryoda Python döngüsünün yerine geçmez. Ayrıntı bir sonraki bölümde; burada yalnızca “sabit for = genelde betik değil” ayrımı hatırlatılır.

Erken return ve dallanmış ölçüm

Gövdede koşullu return, hangi ölçümün kayda gireceğini çağrıya göre değiştirir — maliyet ve gradyan yolu kayar. Hata ayıklamada “aynı QNode, farklı çıktı şekli” şüphesi: yürütüm akışı §7.

PennyLane, dinamik programı yalnızca ham Python ile bırakmaz; kontrol primitifleri kayıt katmanının anlayabileceği yapılar sunar. API sürümüne göre isimler değişebilir; kavramsal olarak:

• qml.cond — klasik veya ölçüme bağlı koşullu kuantum blok.
• qml.for_loop — sayaç veya koleksiyon üzerinde kuantum döngü.
• qml.while_loop — koşul sağlandığı sürece tekrar (dikkatli kullanın; kayıt ve türev maliyeti yüksek olabilir).

Neden primitif tercih edilir?

Amaç, “Python if trace’i kandırmak” değil; kontrol akışını tape ve türev motoruna bildirmek. Doğru primitif, gradyan yolunun ve (mümkünse) JIT’in dinamik yapıyla uyumlu kalmasına yardım eder — her senaryoda mükemmel değildir. Güncel sözdizimi için PennyLane dinamik kuantum devreleri belgelerine bakın.

Ham Python if ile primitif arasındaki fark, kayıt katmanının gördüğü grafiktir; yürütüm sırası yürütüm akışı §2 ile birlikte düşünülmelidir.

Dinamik betik, tape şablonunu oynattığında üç sonuç doğar: (1) kayıt maliyeti çağrı başına tekrarlanır; (2) transform / diff_method planı yeniden kurulabilir; (3) parameter-shift gibi yöntemlerde iç çarpan artabilir.

Çağrı başına yeni tape

Veri bağımlı dallanma varsa, mini-batch’in her satırı farklı kayıt yolu üretebilir. Batch genişletme ve vectorization varsayımları zayıflar ( tape §5). Throughput düşer; kod okunaklı kalabilir — mimari bilinçli tercih olmalıdır.

Gradyan ve ölçüm

Koşullu yollarda hangi dalın türevlendiği diff_method ve ölçüm türüne bağlıdır; “çalışıyor” görünüp yanlış gradyan üretebilir. Dinamik yapı ekledikten sonra tek parametre gradyan testi yapın. Ölçüm sözleşmesi ölçüm süreci; transform maliyeti tape §4 sayfalarında.

Sabit tape şablonu, JIT ve dahili önbelleğin “bir kez derle, çok kez koştur” varsayımına dayanır. Dinamik betik bu varsayılmı kırar: epoch ortasında süre sıçraması, ilk çağrı ile sonraki çağrılar arasında tutarsız profil görülebilir.

Pratik planlama

• Prototipte dinamik yapıyı açıkça işaretleyin; benchmark’ta sabit şablonla kıyaslayın.
• Isınma epoch’larını dinamik çağrı sayısıyla birlikte loglayın.
• Mümkünse veri bağımlı derinliği klasik ön katmana taşıyın; QNode’a sabit ansatz verin.
• Cihaz değişimi + dinamik kayıt birlikteyse maliyeti katlayın ( cihaz sistemi).

“İlk epoch yavaş, sonra hızlı” profilinin dinamik kayıtta yorumu farklı olabilir — kısmi önbellek veya yalnızca transform planı kurulumu. Karşılaştırma notları: yürütüm akışı §7.

Qiskit tarafında dinamik devreler (mid-circuit measurement, klasik kontrol) donanım ve transpiler ile yakından ilişkilidir. PennyLane betikleri de benzer ifade gücü sunar; fakat merkez differentiable eğitim ve QNode kaydıdır — transpile/kuyruk bu sayfada değil.

Kısa köprüler: dinamik devreler, klasik kontrol. IBM donanımına PennyLane köprüsü kullanıyorsanız, altta Qiskit yürütmesi olsa bile önce PennyLane kayıt davranışını anlayın ( QNode mimarisi · Qiskit köprüsü).

Aşağıdaki örnekler kavramsal ayrım içindir; üretimde API ve cihaz desteğini doğrulayın.

import pennylane as qml

dev = qml.device("default.qubit", wires=1)

@qml.qnode(dev)
def risky(x):
    qml.Hadamard(wires=0)
    if x > 0:          # trace anındaki x'e göre TEK dal kayda girer
        qml.RZ(x, wires=0)
    else:
        qml.RY(x, wires=0)
    return qml.expval(qml.PauliZ(0))

# x işareti değişince kayıt yolu değişebilir — sabit şablon yok
print(risky(0.3))
print(risky(-0.2))

import pennylane as qml

dev = qml.device("default.qubit", wires=2)
DEPTH = 3  # sabit → kayıt şablonu öngörülebilir

@qml.qnode(dev)
def stable(weights):
    for d in range(DEPTH):
        qml.RY(weights[d, 0], wires=0)
        qml.RY(weights[d, 1], wires=1)
        qml.CNOT(wires=[0, 1])
    return qml.expval(qml.PauliZ(0))

# Dinamik betik değil; döngü kayıtta açılır (devre kaydı §3)

Kuantum betikleri, QNode biriminin dinamik programlama kapanış başlığıdır. Sabit hat için geri dönün:

• Devre kaydı — sabit şablon, kayda giren yapılar.
• Yürütüm akışı — zaman çizelgesi ve hata katmanları.
• Tape sistemi — batch, transform, JIT.
• Kuantum fonksiyonları — eğitim döngüsü iskeleti.
• QNode mimarisi — birim girişi ve sınırlar.