kaiwu.cim package#
Module contents#
模块: cim
Function: Provide a range of CIM solver related tools
- class kaiwu.cim.PrecisionReducer(component: OptimizerBase, precision=8, target_bits=None, only_feasible_solution=True, truncated_precision=20)#
-
降低精度装饰类
可打开日志看到详细输出:kw.common.set_log_level("DEBUG")
- Args:
component (OptimizerBase): 基础类.
precision (int): 矩阵目标精度.
target_bits (int): 矩阵目标比特数. 默认为None,不进行控制
only_feasible_solution (bool): 是否只要可行解,默认True,当only_feasible_solution=True且所有解都不是可行解时会抛出异常
truncated_precision (int): 截断精度,可以计算的最大精度,建议使用默认值
- Examples:
>>> import numpy as np >>> import kaiwu as kw >>> matrix = -np.array([[ 0. , 1.23 , 0. , 1. , 1. ], ... [ 1.23 , 0. , 0. , 1., 1. ], ... [ 0. , 0. , 0. , 1., 1. ], ... [ 1. , 1., 1. , 0. , 1. ], ... [ 1. , 1., 1. , 1. , 0. ]]) >>> optimizer = kw.classical.SimulatedAnnealingOptimizer(initial_temperature=100, ... alpha=0.99, ... cutoff_temperature=0.001, ... iterations_per_t=10, ... size_limit=5) >>> new_optimizer = kw.cim.PrecisionReducer(optimizer, precision=4) >>> new_optimizer.solve(matrix) array([[ 1, -1, -1, -1, 1], [ 1, -1, 1, -1, -1], [ 1, -1, 1, -1, 1], [-1, -1, -1, 1, 1], [ 1, 1, 1, -1, -1]])
- solve(ising_matrix=None)#
求解
- on_matrix_change()#
更新矩阵相关信息, 继承OptimizerBase时可以实现。当处理的ising矩阵发生变化时,这个函数的实现会被调用,从而有机会做相应动作
- set_matrix(ising_matrix)#
设置矩阵并更新相关内容
- class kaiwu.cim.CIMOptimizer(user_id, sdk_code, task_name=None, machine_name=None, wait=False, interval=1)#
-
CIM Optimizer Interface
CIMOptimizer 是一种用于求解 Ising 计算问题的优化器 (Optimizer),它通过提交任务到 相干光计算机 (CIM, Coherent Ising Machine) 真机进行计算,并返回最优解。
主要功能包括:
任务提交:将 Ising 矩阵任务上传至 CIM 计算平台,并创建计算任务。
任务查询:定期检查任务计算状态,获取计算结果。
缓存管理:本地缓存已计算任务的结果,避免重复提交。
- Args:
user_id (str): 用户 ID,用于身份验证。
sdk_code (str): SDK 授权码,用于访问 CIM 计算服务。
task_name (str, optional): 任务名称,可用于标识任务,默认值为 None。
machine_name (str, optional): 指定计算机型号,默认为 CPQC-550(550 比特真机)。
wait (bool, optional): 是否等待计算完成,默认为 False。
interval (int, optional): 轮询间隔时间(分钟),默认值为 1,最小值 1 分钟。
- Example:
>>> import numpy as np >>> import kaiwu as kw >>> kw.common.CheckpointManager.save_dir = '/tmp' >>> matrix = -np.array([[ 0. , 1. , 0. , 1. , 1. ], ... [ 1. , 0. , 0. , 1., 1. ], ... [ 0. , 0. , 0. , 1., 1. ], ... [ 1. , 1., 1. , 0. , 1. ], ... [ 1. , 1., 1. , 1. , 0. ]]) >>> optimizer = kw.cim.CIMOptimizer(user_id='1241241515', sdk_code='absd1232') >>> solution = optimizer.solve(matrix) >>> print(solution) array([[-1, 1, 1, -1, -1], [-1, 1, 1, 1, -1], [-1, 1, 1, -1, 1], [ 1, -1, -1, -1, 1], [ 1, -1, 1, 1, -1], [ 1, -1, 1, -1, 1], [ 1, -1, 1, -1, -1], [ 1, -1, -1, 1, 1], [-1, -1, -1, 1, 1], [ 1, 1, 1, -1, -1]], dtype=int8)
- Notes:
需要通过 CheckpointManager 设置中间文件保存路径 (save_dir)。
任务的唯一标识由 ising_matrix 和 task_name 共同决定,任何一项的变化都会创建新的任务。
同一个矩阵可以通过修改 task_name 创建不同的任务,若仅需查询结果,请确保 task_name 不变。
- get_machine_info()#
获取真机信息和对应配额
- Returns:
dict: 真机信息和对应配额, 形如:
- {
"CPQC-1": 99, "CPQC-550": 93
}
- set_machine_name(machine_name)#
设置机器名称
- Args:
machine_name (str): 机器名称
- Returns:
dict: None
- solve(ising_matrix=None, task_name=None)#
入口函数
- Args:
ising_matrix (np.ndarray): Ising矩阵
task_name (str): 任务名称, 这里的task_name设置具有高优先级,会覆盖实例化时设置的task_name,创建实例时没有指定的话,这里必须指定
- Returns:
- np.ndarray | None:
解向量集合(任务完成时)
None(任务仍在计算中)
- on_matrix_change()#
更新矩阵相关信息, 继承OptimizerBase时可以实现。当处理的ising矩阵发生变化时,这个函数的实现会被调用,从而有机会做相应动作
- set_matrix(ising_matrix)#
设置矩阵并更新相关内容