Addons de Qiskit

Septiembre de 2026

• Se han creado nuevas herramientas sobre el framework del modelo de ejecución dirigida, que se lanzó a principios de este año:

  • qiskit-noise-learning es un conjunto de herramientas para la caracterización del ruido cuántico basada en aleatorización. Puedes usarlo para construir un experimento personalizado de aprendizaje de ruido, validarlo con simulación local y analizar los resultados sin procesar.

  • qiskit-mitigation es un paquete de métodos de mitigación de errores cuánticos para construir pipelines de mitigación con el nuevo modelo de ejecución. Incluye implementaciones de métodos muy conocidos, como PEC, PEA, TREX y ZNE con gate-folding, así como postselección para filtrar errores no markovianos.

Agosto de 2026

• ¡Qiskit Fermions tuvo su primera versión este mes! Este paquete proporciona herramientas para trabajar con sistemas fermiónicos, incluida la construcción de operadores y circuits fermiónicos, la implementación de codificaciones de fermión a qubit y la síntesis de circuits mediante la integración con el transpiler de Qiskit. Qiskit Fermions se puede usar con otras herramientas complementarias del ecosistema, como ffsim (consulta esta documentación y este blog para más información) y el addon SQD, para construir flujos de trabajo avanzados para sistemas fermiónicos.

Mira cómo se aplican estas herramientas en la práctica con el tutorial Algoritmo SqDRIFT para la estimación del estado fundamental y la siguiente guía: Construcción de circuits de profundidad constante para simular la dinámica del modelo de Fermi-Hubbard en 1 y 2 dimensiones. Consulta el blog y la documentación para empezar.

Junio de 2026

• Presentamos Qiskit Paulice: un nuevo addon que integra la detección de errores cuánticos de baja sobrecarga en circuitos cuánticos para aumentar la fidelidad de las distribuciones medidas. Proporciona acceso de un solo shot al estado cuántico, por lo que se puede usar tanto en flujos de trabajo basados en muestreo como en flujos de trabajo basados en valores esperados. Consulta el blog y la documentación para saber cómo empezar hoy mismo.

Actualizaciones anteriores

• Recientemente lanzamos dos nuevos addons que utilizan recursos clásicos para reducir los recursos cuánticos necesarios para la mitigación de errores:

  • Absorción de ruido propagado (PNA) es una técnica para mitigar errores en valores esperados absorbiendo las inversas de los canales de ruido aprendidos en los observables usando propagación de Pauli.

  • El addon Conos de luz sombreados (SLC) utiliza simulaciones clásicas para acotar de forma más precisa la sensibilidad a los errores a lo largo del circuito. Esto permite aplicaciones más eficientes y específicas de la cancelación probabilística de errores (PEC) con menor varianza.