Utilizzo degli iperparametri

È possibile definire gli iperparametri necessari all'algoritmo, come il tasso di apprendimento o la dimensione dei passi, quando si crea un lavoro ibrido. I valori degli iperparametri vengono in genere utilizzati per controllare vari aspetti dell'algoritmo e spesso possono essere regolati per ottimizzare le prestazioni dell'algoritmo. Per utilizzare gli iperparametri in un processo ibrido Braket, è necessario specificarne i nomi e i valori in modo esplicito come dizionario. Nota che i valori devono essere del tipo di dati stringa. Specificate i valori degli iperparametri che desiderate testare durante la ricerca del set di valori ottimale. Il primo passaggio per utilizzare gli iperparametri consiste nell'impostare e definire gli iperparametri come dizionario, come illustrato nel codice seguente:

#defining the number of qubits used
n_qubits = 8
#defining the number of layers used
n_layers = 10
#defining the number of iterations used for your optimization algorithm
n_iterations = 10

hyperparams = {
    "n_qubits": n_qubits, 
    "n_layers": n_layers, 
    "n_iterations": n_iterations
}

Dovreste quindi passare gli iperparametri definiti nel frammento di codice sopra riportato, da utilizzare nell'algoritmo di vostra scelta, con qualcosa di simile al seguente:

import time
from braket.aws import AwsQuantumJob

#Name your job so that it can be later identified
job_name = f"qcbm-gaussian-training-{n_qubits}-{n_layers}-" + str(int(time.time()))

job = AwsQuantumJob.create(
    #Run this hybrid job on the SV1 simulator
    device="arn:aws:braket:::device/quantum-simulator/amazon/sv1",
    #The directory or single file containing the code to run.
    source_module="qcbm",
    #The main script or function the job will run.
    entry_point="qcbm.qcbm_job:main",
    #Set the job_name
    job_name=job_name,
    #Set the hyperparameters
    hyperparameters=hyperparams,
    #Define the file that contains the input data
    input_data="data.npy", # or input_data=s3_path
    # wait_until_complete=False,
)

Nota

Per saperne di più sui dati di input, consulta la sezione Input.

Gli iperparametri verrebbero quindi caricati nello script di lavoro ibrido utilizzando il seguente codice:

import json
import os

#Load the Hybrid Job hyperparameters
hp_file = os.environ["AMZN_BRAKET_HP_FILE"]
with open(hp_file, "r") as f:
    hyperparams = json.load(f)

Nota

Per ulteriori informazioni su come passare informazioni come i dati di input e l'arn del dispositivo allo script di lavoro ibrido, consulta questa pagina github.

Un paio di guide molto utili per imparare a usare gli iperparametri sono fornite dai tutorial QAOAcon Amazon Braket Hybrid Jobs PennyLane e Quantum machine learning in Amazon Braket Hybrid Jobs.