一般
問：什麼是 Amazon Braket？
Amazon Braket 是一項全受管服務，可協助您開始使用量子運算。
問：Amazon Braket 可以用來做什麼？
藉助 Amazon Braket，您可以學習如何對量子電腦進行程式設計，以及探索潛在的應用程式。您可以從頭開始設計自己的量子演算法，或透過一組預先建置的演算法來進行設計。Amazon Braket 提供您可在筆電上本機執行或在 Amazon Braket 的全受管筆記本環境中執行的 SDK。SDK 包括量子電路模擬器。Amazon Braket 服務也提供全受管量子電路模擬器，讓您能夠在 AWS 受管基礎架構上執行演算法，以驗證和測試實作。準備就緒後，即可使用我們的硬體供應商選擇的不同量子電腦或量子處理單元 (QPU)，在 Amazon Braket 上執行演算法。
問：Amazon Braket 如何與其他的 AWS 服務整合？
Amazon Braket 能夠與 Amazon CloudWatch、Amazon EventBridge、AWS Identity and Access Management (IAM) 和 AWS CloudTrail 整合，可用於監控、事件型處理、使用者存取管理和日誌記錄。您的模擬和量子運算結果將存放在您帳戶的 Amazon Simple Storage Service (S3) 中。
問：我們的公司為何應立即考慮使用量子運算？
量子運算是一項早期技術，但其長期影響有望對眾多產業帶來變革。開發量子演算法及進行實用的量子應用設計時，需要用到新技能，以及可能截然不同的方法。培養這樣的專業能力需要時間，也需要取得量子技術及程式設計工具。Amazon Braket 和 Amazon Quantum Solutions Lab 可以協助組織評估目前技術狀態，確認這些技術對組織業務的影響，以及為未來做好準備。
問：為什麼將服務命名為 "Braket"？
我們以 bra-ket 符號 (量子力學中的標準符號) 為我們的服務命名。它是由 Paul Dirac 於 1939 年提出，用於描述量子系統的狀態，也被稱為狄拉克符號。
答：我能不能在 Amazon Braket 上進行學術研究？
可以。全球各大學的科學研究人員，可以在 Amazon Braket 上進行研究。您可以從 Amazon Braket 主控台、我們的 GitHub 儲存器中開始，或者透過 AWS Cloud Credit for Research 計畫申請 Amazon Braket 的使用資金。在申請過程中，如果您沒有定價計算工具的 URL，請使用預留位置提交申請。
開發人員工具
問：什麼是 Amazon Braket SDK？
Amazon Braket 軟體開發套件 (SDK) 是一個與技術無關的開發人員框架，讓您能夠開發量子演算法，並透過 Amazon Braket 服務在不同的量子運算硬體和模擬器上執行這些演算法。SDK 可協助您追蹤和監控提交至 Amazon Braket 的量子任務並評估結果。Amazon Braket SDK 包括您可用來測試演算法的本機量子電路模擬器。
問：如何存取 Amazon Braket SDK？
Amazon Braket 提供全受管 Jupyter 筆記本，其預裝 Amazon Braket SDK 及示範教學，可協助您快速入門。Amazon Braket SDK 是開放原始碼，因此您可以從選擇的任何本機整合式開發環境 (IDE) 中使用 Amazon Braket。
問：什麼是脈衝層級存取？
今天的量子電腦非常嘈雜，研究人員通常需要對硬體進行最低層級的控制，才能研究雜訊或串擾，開發新的更強大的閘，設計錯誤緩解方案，以及探索新的量子演算法。使用脈衝控制，您可以操縱控制量子處理器量子位元的低層級模擬訊號或脈衝。
問：Amazon Braket SDK 是否支援脈沖層級程式設計？
是。您可以直接使用閘、脈衝或其組合，在 Rigetti Computing 和 Oxford Quantum Circuits 量子電腦上對量子電路進行程式設計。您還可以有選擇地在程式的特定區域插入脈衝指令區塊，以專注於最佳化個別操作和微調效能。
問：什麼是 PennyLane？
PennyLane 是一個適合變分量子運算使用的開放原始碼軟體資料庫，可與 Amazon Braket 整合。變分量子運算模式利用混合量子傳統演算法，以迭代方式尋找各種領域 (例如化學、最佳化和量子機器學習) 中運算問題的解決方案。PennyLane 圍繞量子可微程式設計的概念而建立，可讓您像神經網路一樣培訓量子電路。它提供了熱門機器學習程式庫的界面，包括 PyTorch 和 TensorFlow，讓量子演算法培訓簡單而直觀。您可以在 https://pennylane.ai 進一步了解 PennyLane，並在此處閱讀開發人員指南。
問：為何我應在 Amazon Braket 上使用 PennyLane？
化學、最佳化和量子機器學習方面的近期量子運算應用程式是基於變分量子演算法，可利用傳統和量子電腦之間的迭代處理。PennyLane 可輕鬆在 Amazon Braket 上開始使用並建置變分及量子機器學習演算法。可讓您使用類似機器學習的工具建置和訓練演算法。PennyLane 提供化學資料庫 qchem，您只需要幾行程式碼，都能利用此資料庫，將演算性化學問題對應至量子演算公式。
Amazon Braket 可協助您使用 PennyLane 更快創新。與在本機模擬演算法相比，測試並微調演算法時，我們的全受管、高效能隨需模擬器會將培訓速度提高 10 倍以上。 若要加速您的混合量子演算法，您現在可以充分利用 PennyLane 的高效能內嵌式模擬器，如透過 NVIDIA 的 cuQuantum SDK 加速的 Lightning.gpu 模擬器，適用於 GPU 工作負載。這些模擬器隨附各種進行梯度運算的方法，如伴隨法，可減少運算和梯度所需的電路數量，並且可用於快速反覆運作實驗和原型設計。
問：如何存取 PennyLane？
Amazon Braket 筆記本已預先設定 PennyLane，我們的教學筆記本可協助您更快開始使用。或者，您可以針對所選的任何 IDE 安裝 Amazon Braket PennyLane 外掛程式。此外掛程式是一種開放原始碼，可從此處下載。您可在 https://pennylane.ai 找到 PennyLane 文件。
問：什麼是 OpenQASM？
OpenQASM 是適用於量子運算程式的開放原始碼中繼表示法 (IR)。您可以透過 Amazon Braket SDK 或直接將其提交至 Braket API，在所有以閘極為基礎的 Braket 裝置上執行 OpenQASM 程式。AWS 已加入 OpenQASM 指導委員會，以協助為以閘極為基礎的量子程式建置一個開放、與硬體無關的統一規範。
問：什麼是錯誤緩解？
錯誤緩解包含各種方法，透過將輸入電路對應至一組相關電路，以及將傳統後處理套用至結果，減少系統性雜訊對現今容易出錯的硬體造成的影響。
問：Amazon Braket SDK 是否支援錯誤緩解？
是。您可以使用 IonQ 的去偏移技術，在 IonQ Aria QPU 上執行錯誤緩解。請注意，此類型的錯誤緩解要求每個任務至少使用 2,500 次嘗試。
模擬器
問：為什麼要模擬我的演算法？
量子電路模擬器在傳統電腦上執行。使用模擬器，相較於量子硬體，您能夠以更低的成本測試量子演算法，而不必等待存取特定的量子機器。模擬是一種便利的方式，可快速進行量子電路真錯，以及疑難排解並最佳化演算法，然後再進展到於量子硬體上執行。傳統模擬對於驗證近期量子運算硬體的結果以及研究雜訊的影響也至關重要。
問：Amazon Braket 提供哪些模擬器？
Amazon Braket 為您提供量子電路模擬器的選擇：SDK 中的本機模擬器，以及三款隨需模擬器：一般用途量子電路模擬器 SV1、可讓您模擬電路雜訊效果的 DM1，以及高效能張量網路模擬器 TN1。只要利用這些選項，就可以選擇最符合您需求的方法。
問：什麼是本機模擬器？
本機模擬器免費包含在 Amazon Braket SDK 中。它可在您的筆電上，或在 Amazon Braket 受管的筆電中執行。您可以用它來快速驗證電路設計。它非常適合用於小規模及中等規模的模擬—高達 25 量子位元而無雜訊，或高達 12 量子位元而無雜訊，實際情況視您的硬體而定。
問：什麼是 SV1 模擬器？
SV1 是完全受管、高效能的狀態向量模擬器，可提供至高 34 量子位元的量子電路。作為狀態向量模擬器，它取得量子狀態的完整波函數，並套用電路的運算來計算結果。在您於 Amazon Braket SDK 中使用本機模擬器設計和除錯量子演算法後，可使用 SV1 來進行擴展測試和研究。SV1 會自動擴展典型的運算資源，以利您同步執行最多 35 個模擬。
問：什麼是 DM1 模擬器？
DM1 是完全受管的密度矩陣模擬器，可讓您在量子演算法上研究實際雜訊的效果。這有助您開發減少錯誤的策略，從而從今日的量子運算裝置獲得更準確的結果。
DM1 最多可支援 17 量子位元的電路模擬。它最多可同步執行 35 個模擬，以利加快您的實驗。使用 DM1 前，為能迅速建立原型及除錯，您可使用 Amazon Braket SDK 中的本機雜訊模擬器。
問：什麼是 TN1 模擬器？
TN1 是完全受管的高效能張量網路模擬器，用於最大達 50 量子位元的結構式量子電路。張量網路模擬器將量子電路編碼成結構式圖表，從而找到最佳方式來運算出電路的結果。TN1 非常適用於疏鬆電路、具有本機閘道的電路，以及具有固有結構的電路。
問：如何在 Amazon Braket 三種隨需模擬器 SV1、TN1 和 DM1 之間做出選擇？
SV1 是以狀態向量技術為基礎的一般用途模擬器。為多達 34 量子位元的通用電路提供可預測的執行和高效能。
DM1 是為了支援雜訊建模而特別設計。若您需要研究各種雜訊影響下的演算法，請使用 DM1。
TN1 是專用模擬器，可用於最高 50 量子位元的特定類別量子電路。您可考慮將它用於疏鬆電路、具有本機閘道的電路，以及具有固有結構的其他電路。其他電路類型 (例如具有量子位元所有點對所有點連線的電路) 通常更適合 SV1。
問：為什麼會想要在我的電路中模擬雜訊？
當前的量子裝置，其固有結構即具有雜訊。執行的每項運算具有帶入錯誤的機會。因此，從量子計算機所得結果通常會和理想預期有所差異。 DM1 可讓您研究實際雜訊影響下的演算法強度，並建立錯誤減少的策略，從而用當前的量子運算裝置取得更準確的結果。
問：我能在 DM1 模擬器上執行無雜訊電路嗎？
DM1 可以在沒有雜訊的情況下模擬電路。儘管如此，為了獲得最佳效能，我們建議使用 SV1 進行無雜訊電路的大規模模擬。
問：是否必須選擇一種執行個體類型來執行模擬？
如果您使用 Amazon Braket 隨需模擬器則不需要。使用 SV1、TN1 或 DM1 時，Amazon Braket 會為您管理軟體和基礎設施。您只需要提供要執行的電路即可。
如果您在 Amazon Braket 受管筆記本上的 SDK 中執行本機模擬器，則它將在您針對筆記本指定的 Amazon 執行個體上執行。
問：我如何知道是否可在 TN1 上執行電路？
只要您的電路在此處描述的量子位元數量和電路深度限制內，TN1 將嘗試模擬。但是，與 SV1 相比，無法單憑量子位元數和電路深度對執行時間做出準備的預估。在所謂的「演練階段」，TN1 將先嘗試識別您電路的有效運算路徑，然後預估下一階段的執行時間，即「收縮階段」。如果預估的收縮時間超過 TN1 限制，TN1 將不會嘗試收縮，您僅需對演練階段所花的時間付費。若要進一步了解，請瀏覽技術文件。
問：使用模擬器是否必須以不同的方式進行程式設計或設計演算法？
否，藉助 Amazon Braket，您可以僅需變更幾行程式碼，即可指導同一量子電路在任何模擬器和服務上可用的基於閘道的量子硬體上執行。
問：是否提供用於解決退火問題的模擬器？
在 AWS Marketplace 上，您可以找到使用先進傳統方法的產品 (例如 Meta Analytics 和 Toshiba SBM)，用於解決組合最佳化問題。
量子電腦
問：如何使用 Amazon Braket 存取量子電腦？
要在實際量子處理單元 (QPU) 上執行電路設計，方法很簡單。在 Amazon Braket SDK 中製作電路或問題圖後，您可以在受管 Jupyter 筆記本或選擇的任何 IDE 中提交任務，例如 PyCharm。
問：在 QPU 上執行任務與在模擬器上執行有何不同？
在 Amazon Braket SDK 內標記 API 叫用時，在 QPU 上執行量子任務的步驟與在模擬器上執行相同，您只需選擇後端，或裝置即可。它們都是運算操作，您可以透過 Amazon Braket SDK 中的 API 叫用為其請求不同的後端或裝置。裝置選擇包括透過服務提供的可用各種模擬器和量子電腦。從一個裝置切換至另一個裝置就像變更單行程式碼一樣容易。但是，模擬器始終可用，而 QPU 資源可能需要等待時間。
問：如何選擇要使用的量子電腦？
某些類型的量子電腦特別適合解決特定的問題集。有許多因素會決定符合您需求的電腦類型，例如量子位元數、量子位元保真度 (誤差率)、量子位元連線能力、相干時間，以及成本。Amazon Braket 主控台中提供了量子電腦的完整規格。
問：Amazon Braket 支援哪些量子電腦？
請按一下這裡，進一步了解有關 Amazon Braket 硬體供應商的資訊。
問：什麼是模擬哈密頓模擬？
模擬哈密頓模擬 (AHS) 是一種不同的量子運算範式，不同於通用的閘型量子運算。能夠進行 AHS 的裝置是特殊用途的 QPU，旨在解決一組有限的問題，以哈密頓量為代表。AHS 讓使用者能夠指定相關的哈密頓量，並且量子電腦以一種模擬該哈密頓量下量子態的連續時間演進的方式來調整參數。由於這些哈密頓量是直接在系統上實作，因此 AHS 系統不會受到在電路和閘方面制定演算法所需開銷的影響，因此已經可以模擬具有數百個量子位元的系統，而這些量子位元是經典模擬所禁止的。Amazon Braket 透過 QuEra QPU 支援 AHS。
問：哪裡可以找到 Rigetti QPU 的系統和效能資訊？
請造訪 Rigetti QPU 頁面，取得 Rigetti QPU 的系統和效能資訊，包括閘道保真度和同調時間。
問：哪裡可以找到 IonQ QPU 的推薦最佳實務？
請造訪 IonQ 最佳實務網頁，取得 IonQ QPU 拓樸學、閘道和最佳實務的相關資訊。
問：QuEra QPU 如何運作？
QuEra 系統是一個可程式設計的 QPU，由排列成二維可定製光鑷排列的 Rydberg 原子組成。該裝置中的量子位元由中性銣-87 原子組成，兩種狀態是原子的基態，一種是高度激發的 Rydberg 態。原子之間的 Rydberg-Rydberg 相互作用衰減為原子之間距離的六次方，產生具有局部相互作用的有效自旋哈密頓量。此外，雷射場可調節橫向磁場，產生有趣的自旋動力學，進而產生新的基態和非平衡態。透過 Braket 存取該裝置的研究人員將能夠對二維原子排列的幾何形狀進行程式設計，並且以與時間相關的方式改變縱向和橫向磁場的強度，均使用 Braket SDK 來實現。這會產生有效的相關哈密頓量，可在裝置上研究其持續時間演進。如需詳細資訊，請參閱這裡的 QuEra 的最佳實務。
問︰量子任務是否立即開始在 QPU 上執行，還是必須等待？
量子運算是一種新興技術，而量子電腦仍然是稀缺資源。不同類型的量子電腦具有不同的操作特性和可用性級別，因此會以不同的速率處理任務。若您選擇的 QPU 在線上且目前未使用，則會立即處理您的任務，否則會將其放入佇列。在 QPU 可用時，佇列中的任務會按照接收順序進行處理。為了在任務完成時通知您，Amazon Braket 會將狀態變更事件傳送至 Amazon EventBridge。您可以在 EventBridge 中建立規則以指定要執行的操作，例如，使用 Amazon Simple Notification Service (SNS)，其可透過 SMS 或其他方法 (如電子郵件、HTTP、AWS Lambda 或 Amazon SQS) 向您傳送警示。
問：在 QPU 上執行電路之前，是否需要編譯電路？
否，不一定。Amazon Braket 會在您執行程式碼時自動為您編譯程式碼。但是，您可以選擇在 Rigetti、OQC 和 IonQ 裝置上依原樣執行電路，而無須使用逐字編譯來進行編譯器修改。在 Rigetti 上，您還可以僅定義特定的程式碼區塊以依原樣執行，而無須任何中間編譯器傳遞。若要進一步了解，請參閱有關逐字編譯的文件。
問：逐字編譯有什麼好處？
量子電路編譯將量子電路轉換為編譯電路，該電路經過量子位元分配、映射至原生閘道和最佳化。但是，編譯器閘道最佳化對於正在開發基準測試或錯誤緩和電路的研究人員和量子演算法專家來說可能是個問題，因為編譯器最佳化會移除或重新排序閘道和冗餘元件。透過逐字編譯，使用者可以指定部分電路或整個電路依原樣執行，而無需修改任何編譯器。
問：是否可以在 AWS Marketplace 存取量子電腦？
是的，您可以透過 AWS Marketplace 存取量子硬體，例如 D-Wave 的退火裝置。
混合作業
問：什麼是 Hybrid Jobs 功能？
Hybrid Jobs 讓混合量子經典工作負載的執行更容易、更快捷、更可預測。使用此功能，您只需提供演算法指令碼或容器，AWS 則會啟動請求的資源，執行演算法，並在完成後釋放資源，因此您只需為使用的內容付費。Hybrid Jobs 功能還提供對演算法指標的即時洞察，因此，您可以了解演算法的進展情況。最重要的是，任務可以優先存取目標 QPU，因此執行速度可以更快、更可預測，並且受其他使用者工作負載的影響更小。
問：為什麼要使用 Hybrid Jobs？
Braket Hybrid Jobs 提供三個主要優勢。首先，簡化了混合量子經典演算法的執行。許多量子研究人員通常不熟悉雲端運算，並且不想在執行混合演算法之前設定和管理其運算環境。使用 Hybrid Jobs，您只需指定首選運算執行個體 – 或使用預設設定。 Braket Hybrid Jobs 將啟動經典資源，並在預先建置的容器環境中執行工作負載，將結果傳回至 Amazon S3，最後釋放運算資源，因此您只需依用量付費。
其次，Hybrid Jobs 提供對執行演算法的即時洞察。您可以將自訂演算法指標定義為演算法的一部分，這些指標將由 Amazon CloudWatch 自動記錄，並顯示在 Amazon Braket 主控台中。這樣，您就可以追蹤演算法的進度。
第三，相較於您在自己的環境中執行混合演算法，Amazon Braket Hybrid Jobs 提供了更出色的效能。在您的任務執行期間，其具有對選定 QPU 的優先存取權。這意味著作為任務一部分在該裝置上執行的任務，將先於裝置上可能排入佇列的其他任務執行。這會導致混合演算法的執行時間更短且更可預測，並透過減少緩慢變化的裝置特性 (「裝置漂移」)，對演算法效能的不利影響最終獲得更好的結果。
問：Hybrid Jobs 可以使用哪些量子電腦？
您可以將 Amazon Braket 上的任何可用 QPU 與 Hybrid Jobs 配合使用。
問：Hybrid Jobs 可以使用哪些模擬器？
您可以使用任何可用的 Amazon Braket 隨需模擬器 (SV1、DM1、TN1)、以 PennyLane 閃電外掛程式為基礎的內嵌式模擬器，或作為容器內嵌至 Hybrid Jobs 中的自訂模擬器。對於內嵌式模擬器或自訂模擬器，您可以選擇一個或多個 CPU 和 GPU 執行個體來執行您的混合工作負載。
問：為什麼我應將內嵌式模擬器與 Hybrid Jobs 配合使用？
內嵌式模擬器是一組高效能模擬器，直接內嵌於與應用程式的程式碼相同的容器中，以避免與全受管隨需模擬器 (如 SV1) 和容器化經典程式碼之間往返相關的延遲。內嵌式模擬器支援進階功能，如用於梯度運算的伴隨法，這可減少運算梯度所需的電路數量。如今，Amazon Braket 支援 PennyLane 的內嵌式模擬器，如 Lightning.gpu 模擬器，該模擬器使用 NVIDIA cuQuantum SDK 進行加速，專為在高效能 GPU 上執行量子電路模擬而設計。
問：是否可以將自己的模擬器帶到 Amazon Braket 混合作業？
是，您可以將模擬器及其相依項內嵌於容器中，以在 Amazon Braket Hybrid Jobs 中使用自有模擬器庫。然後，您可以將程式碼作為入口點傳遞給容器，並將程式碼作為 CPU 或 GPU 執行個體上的 Amazon Braket Hybrid Job 來執行。Amazon Braket 在您的任務期間處理資源的啟動，只需按您的實際用量付費。
問：是否必須選擇執行個體類型才能執行 Hybrid Job？
否，依預設，任務容器在單一 ml.m5.xlarge 執行個體類型上執行。如果您使用 Amazon Braket 隨需模擬器 (SV1、TN1、DM1) 或 QPU 執行混合演算法，則 Amazon Braket 會為您管理軟體和基礎設施。如果您使用 PennyLane 的內嵌式模擬器，或封裝為容器的自訂模擬器來執行混合算法，則可以選擇一個或多個 CPU 或 GPU 執行個體類型來執行任務。Amazon Braket 可管理底層基礎設施的設定，並在任務完成後釋放資源，因此您只需按實際用量付費。
問：在執行混合任務時，如何在 Penny Lane 的內嵌式狀態向量模擬器與 SV1 模擬器之間進行選擇？
如今，預先安裝 Amazon Braket Hybrid Jobs 容器的 PennyLane 內嵌式狀態向量模擬器可用於變分演算法，可從用於梯度運算的反向傳播或伴隨法等方法中獲益。這些演算法的範例包括量子機器學習 (QML)、量子絕熱近似演算法 (QAOA)，或變分量子特徵求解器 (VQE)。使用內嵌式模擬器，您還可以選擇使用 GPU 執行個體，前提是您的演算法可從 GPU 加速中獲益，並且可適應 GPU 記憶體。對於具有中間量子位計數 (< 30) 的變分演算法和 QML 演算法，通常就是這種情況。否則，請考慮使用 SV1 隨需模擬器。由於伴隨法目前不支援非零鏡頭，因此請考慮將 SV1 用於鏡頭數量大於零的任何工作負載。請注意，內嵌式模擬器僅作為 Hybrid Jobs 功能的一部分受支援，而 SV1 則支援獨立任務和混合任務。
問：如何在 PennyLane 的不同內嵌式模擬器之間進行選擇？
PennyLane Lightning.gpu 模擬器可用於混合演算法，如 QML、QAOA 或 VQE，前提是問題大小足夠小，可適合 GPU 記憶體。lightning.qubit CPU 型模擬器可用於記憶體密集型演算法，並且不適合 GPU 記憶體，如具有高量子量子位元計數 (29+ 量子位元) 的變分演算法。 請注意，您的費用會因您使用 CPU 還是 GPU 執行個體類型而異。如需更多詳細資料，請參閱 PennyLane 文件。
問：使用 Hybrid Jobs 如何收費？
如需有關混合任務定價的詳細資訊，請參閱 Amazon Braket 定價頁面上的混合任務索引標籤。
問：如何開始使用 Hybrid Jobs？
您可以透過存取 Braket 文件的 Amazon Braket Jobs 使用者指南部分，來開始使用。Amazon Braket 混合範例筆記本提供有關如何開始使用 Jobs 和執行不同類型混合演算法的教學。這些範例預裝在 Amazon Braket 筆記本上，可協助您快速入門。您還可以使用 Amazon Braket 範例儲存庫中的 PennyLane 外掛程式，來檢閱混合演算法範例。
定價
問：使用 Amazon Braket 如何計費？
使用 Amazon Braket 無須預付款，而且您只需支付使用的 AWS 資源費用。針對每項 Amazon Braket 功能單獨計費，包括存取量子運算硬體和隨需模擬器。此外，還會針對透過 Amazon Braket 提供的 AWS 服務單獨計費，例如 Amazon Braket 受管筆記本。若要進一步了解有關定價的資訊，請瀏覽我們的定價頁面。
問：如何追蹤不同專案中我的 Amazon Braket 的用量和支出？
答：您可以使用標籤以對您的團隊或業務有意義的方式進行邏輯分組 (例如成本中心、部門或專案)，來組織 AWS 資源。在 Amazon Braket 中，您可以將標籤套用於您建立的量子任務。建立和套用使用者定義的標籤後，您可以在 AWS 帳單和成本管理儀表板上啟用它們，以用於成本分配追蹤。AWS 使用標籤對成本進行分類，並向您傳送每月成本分配報告，以便您可以追蹤您的 AWS 成本。您的成本分配報告將標籤鍵顯示為附加欄，每列具有適用的值，因此，如果您使用一致的標籤鍵集，則可以更輕鬆地追蹤成本。
問：AWS 是否有針對使用 Amazon Braket 的量子運算研究提供折讓？
是。全球各大學的科學家均使用透過 AWS Cloud Credit for Research 計劃提供的折讓積分，在 Amazon Braket 上執行研究。請在上方的連結提交您的提案。在申請過程中，如果您沒有定價計算工具的 URL，請使用預留位置提交請求。
安全性
問：使用 Amazon Braket Services 時，資料是否離開 AWS 環境？
是的，Amazon Braket 上的 QPU 透過我們的第三方量子硬體供應商託管。若您使用 Amazon Braket 存取量子電腦，電路及相關的中繼資料將傳送至 AWS 營運設施之外的硬體供應商，並由其處理。您的內容會匿名，因此僅會將處理量子任務所需的內容傳送至量子硬體供應商。AWS 帳戶資訊不會傳輸給他們。所有資料均經過靜態加密和傳輸中加密，並且只有解密後才能處理。此外，除了處理您的任務外，不允許 Amazon Braket 硬體供應商存放或使用您的內容。電路完成後，結果將傳回至 Amazon Braket 並存放在您的 Amazon S3 儲存貯體中。Amazon Braket 第三方量子硬體供應商的安全性將接受定期稽核，以確保滿足網路安全性、存取控制、資料保護和物理安全性標準。
問：結果會存放在哪裡？
您的結果會存放在 Amazon S3 中。除了提供執行結果，Amazon Braket 也會將事件日誌和效能指標 (例如完成狀態和執行時間) 發佈到 Amazon CloudWatch。
問：我是否可以在 Amazon Virtual Private Cloud (Amazon VPC) 使用 Amazon Braket？
Amazon Braket 與 AWS PrivateLink 整合，因此您可以從 Amazon Virtual Private Cloud (Amazon VPC) 內存取 Amazon Braket，而流量無須周遊網際網路。這樣可降低來自網際網路的安全威脅以及敏感資料洩漏的風險。
Quantum Solutions Lab
問：什麼是 Quantum Solutions Lab (QSL)？
Amazon Quantum Solutions Lab 是一項由量子運算專家組成的協作研究和專業服務計劃，可以協助您更有效地探索量子運算，並努力克服這種新興技術帶來的挑戰。請瀏覽 Quantum Solutions Lab 網頁以開始使用。
問：如何參與 QSL？
您可以提交此表單，以及透過您的 AWS 客戶經理來索取有關 QSL 及我們的合作夥伴參與相關資訊。
問：QSL 參與需要多少費用？
QSL 參與費用取決於參與時間的長短和需求性質。請與您的客戶經理聯絡，以獲取更多詳細資訊。
問：QSL 參與通常持續多久？
Quantum Solutions Lab 參與通常持續 6 至 12 個月。
問：需要前往實驗室參與嗎？
在目前流行病發生期間，如有需要，整個程序可遠端完成。但通常情況下，我們會親自面見以啟動參與並確定工作週期。此後，我們將視需要拜訪您的站點，並使用視訊會議定期檢查，同時定期進行遠端協作。
AWS 量子運算中心
問：什麼是 AWS 量子運算中心？
AWS Center for Quantum Computing 是一項研究計劃，讓 Amazon 與學術機構引領量子運算領域的研究人員和工程師會聚在一起。他們就近期應用程式、糾錯方案、硬體架構和程式設計模型開展合作，以探索量子技術的發展。我們在加州理工學院 (Caltech) 的校園內設立了 AWS 量子運算中心。如今，該中心透過 Amazon 學者計劃，與加州理工學院、斯坦福大學、哈佛大學、麻省理工學院和芝加哥大學的研究人員開展合作。
問：AWS 量子運算中心發表了哪些研究？
AWS 量子運算中心團隊定期發表研究，並在 QIP、APS 及 IEEE QCE 等學術會議上發表有關量子硬體、演算法、錯誤修正及其他知識領域的科學論文。知名的研究包括論文「Designing a fault-tolerant quantum computer based on Schrödinger-cat qubits」。 要進一步了解其他研究著作，請查看我們的 Amazon.Science Quantum Technologies 研究領域頁面。
