qiskit-calibration-drift

IBM Quantum Calibration Drift数据集是一个持续更新的量子计算校准数据集，包含IBM Quantum硬件的校准数据以及同时记录的环境测量数据。该数据集旨在分析量子比特性能与大气/空间天气条件之间的相关性。数据集包含来自三个量子后端（ibm_fez、ibm_torino、ibm_marrakesh）共445个量子比特的校准数据，每30分钟更新一次。数据字段包括量子比特属性（如T1、T2时间、读取错误率等）、校准时间戳、数据中心位置信息（经纬度）、当地天气数据（温度、气压、湿度）以及空间天气指标（Kp指数、太阳通量、Dst指数等）。数据集规模为55,692个样本，适用于时间序列预测和表格分类任务，特别适合研究宇宙射线、地磁风暴和太阳周期对量子比特性能的影响。数据通过GitHub Actions自动收集，来源包括IBM Quantum Runtime API、NWS API和NOAA SWPC。

IBM Quantum Calibration Drift Dataset is a continuously updated quantum computing calibration dataset that contains calibration data from IBM Quantum hardware and concurrently recorded environmental measurement data. This dataset aims to analyze the correlation between qubit performance and atmospheric/space weather conditions. It includes calibration data of 445 qubits from three quantum backends (ibm_fez, ibm_torino, ibm_marrakesh), with updates every 30 minutes. The data fields cover qubit properties (such as T1, T2 times, readout error rate, etc.), calibration timestamps, data center location information (latitude and longitude), local weather data (temperature, atmospheric pressure, humidity), as well as space weather metrics (Kp index, solar flux, Dst index, etc.). The dataset has 55,692 samples, which is suitable for time series forecasting and tabular classification tasks, and is particularly ideal for researching the impacts of cosmic rays, geomagnetic storms and solar cycles on qubit performance. The data is automatically collected via GitHub Actions, with sources including IBM Quantum Runtime API, NWS API and NOAA SWPC.

原始信息汇总

IBM Quantum Calibration Drift 数据集概述

数据集基本信息

• 数据集名称: IBM Quantum Calibration Drift
• 发布者: Charles C. Norton
• 发布年份: 2026
• 许可协议: CC-BY-4.0
• 数据集规模: 1K<n<10K
• 总样本数: 55,692
• 下载大小: 157,168 字节
• 数据集大小: 12,298,857 字节
• 更新频率: 每30分钟
• 数据来源: https://huggingface.co/datasets/phanerozoic/qiskit-calibration-drift

任务类别与标签

• 任务类别: 时间序列预测，表格分类
• 标签: 量子计算，IBM-Quantum，校准，硬件表征，漂移分析，qiskit，空间天气，宇宙射线

数据内容与结构

数据特征

数据集包含以下字段：

• backend: 后端标识符
• qubit: 量子比特索引（0 到 N-1），-1 表示双量子比特门数据
• property: 校准属性名称
• value: 测量值
• calibrated_time: IBM校准时间戳（UTC）
• observed_time: 收集时间戳（UTC ISO）
• location: 数据中心位置标识符
• latitude: 数据中心纬度
• longitude: 数据中心经度
• solar_zenith_deg: 太阳天顶角（>90° 表示夜晚）
• temperature_c: 当地温度（°C）
• pressure_hpa: 大气压力（hPa）
• humidity_pct: 相对湿度（%）
• kp_index: 行星K指数（0-9，地磁活动）
• solar_flux_sfu: 10.7厘米太阳射电流量（SFU）
• dst_nt: Dst指数（nT，环电流强度）
• bz_gsm_nt: IMF Bz分量（nT，负值表示地磁耦合）
• neutron_flux: 宇宙射线代理（纽瓦克，DE监测器）

校准属性

单量子比特属性:

• T1: 弛豫时间（秒）
• T2: 退相干时间（秒）
• readout_error: 测量错误概率
• prob_meas0_prep1: P（测量0 | 制备1）
• prob_meas1_prep0: P（测量1 | 制备0）
• sx_error: SX门错误（原生单量子比特门）

边属性:

• cz_error_{i}_{j}: 边（i， j）的双量子比特CZ门错误

环境字段

太阳位置:

• solar_zenith_deg: 太阳与垂直方向的夹角（0°=正上方，90°=地平线，>90°=夜晚）

天气（数据中心本地）:

• temperature_c: 环境温度
• pressure_hpa: 大气压力（与宇宙射线通量衰减相关）
• humidity_pct: 相对湿度

空间天气（全球）:

• kp_index: 地磁暴指标（0=平静，9=严重风暴）
• solar_flux_sfu: 太阳活动代理（越高表示太阳活动越活跃）
• dst_nt: 环电流强度（< -50 nT = 风暴， < -100 nT = 严重）
• bz_gsm_nt: 行星际磁场z分量（负值表示地磁耦合）
• neutron_flux: 来自纽瓦克，DE监测器的宇宙射线通量（压力校正）

覆盖的量子硬件

• 后端: ibm_fez（156量子比特）， ibm_torino（133量子比特）， ibm_marrakesh（156量子比特）
• 总量子比特数: 445
• 数据中心位置: yorktown_heights_ny（41.27°N， 73.78°W）

数据收集方法

数据通过GitHub Actions每30分钟收集一次：

1. 获取空间天气（NOAA SWPC）
2. 获取当地天气（NWS API）
3. 查询IBM Quantum校准数据
4. 根据（后端，量子比特，属性，校准时间）去重
5. 将新记录附加到数据集中

• 校准来源: IBM Quantum Runtime API
• 天气来源: NWS API（NOAA）
• 空间天气来源: SWPC（NOAA）
• 源代码: https://github.com/CharlesCNorton/qiskit-calibration-drift

研究应用

• 宇宙射线相关性: 大气压力调节大气对宇宙射线的屏蔽，宇宙射线会导致超导量子比特中的准粒子中毒。
• 地磁暴效应: Kp指数追踪可能与量子比特相干性相关的磁层扰动。
• 太阳周期追踪: 数据集涵盖太阳周期25的下降阶段（峰值于2024年10月）。
• 季节/日变化模式: 长期收集有助于检测周期性的环境影响。

引用格式

bibtex @dataset{qiskit-calibration-drift, title={IBM Quantum Calibration Drift Dataset}, author={Norton, Charles C.}, year={2026}, publisher={Hugging Face}, url={https://huggingface.co/datasets/phanerozoic/qiskit-calibration-drift} }

致谢

感谢NMDB数据库（www.nmdb.eu），该数据库在欧盟FP7计划（合同号213007）下成立，提供了中子监测器数据。

搜集汇总

数据集介绍

构建方式

在量子计算硬件性能监测领域，qiskit-calibration-drift数据集通过自动化流程系统性地构建。该数据集每三十分钟通过GitHub Actions工作流进行采集，整合了来自IBM Quantum Runtime API的量子比特校准数据、美国国家气象局（NWS）的本地气象观测数据，以及美国太空天气预报中心（SWPC）的空间天气指标。采集过程遵循去重逻辑，依据后端名称、量子比特索引、校准属性和校准时间戳确保数据唯一性，从而形成一套持续更新、时间序列结构清晰的校准漂移记录。

使用方法

研究人员可利用该数据集进行时间序列分析与相关性研究。通过加载数据集并应用过滤操作，可以针对特定量子后端、校准属性或环境条件阈值（如地磁风暴期间）提取子集。随后，可将数据转换为Pandas DataFrame格式，进而计算量子比特性能指标（如T1时间）与环境变量（如大气压力）之间的统计相关性。这种分析方法有助于揭示硬件校准漂移与外部环境波动之间的潜在物理关联，推动量子硬件稳定性的建模与预测。

背景与挑战

背景概述

量子计算硬件的性能稳定性是制约其实际应用的关键瓶颈，其中校准参数的时变漂移现象尤为突出。IBM Quantum Calibration Drift 数据集由研究人员 Charles C. Norton 于2026年创建并持续维护，旨在系统探究环境因素与超导量子比特性能之间的关联机制。该数据集整合了来自IBM Quantum多个后端系统的实时校准数据，并同步采集了包括大气温度、气压、湿度以及地磁指数、太阳通量、宇宙射线通量在内的多维环境参数，为揭示空间天气与量子硬件退相干之间的潜在因果关系提供了前所未有的实证基础，推动了量子误差缓解与硬件表征领域的交叉研究。

当前挑战

该数据集致力于解决量子硬件表征与漂移预测这一核心领域问题，其挑战在于解析复杂环境噪声与量子比特误差之间高度非线性的耦合关系，特别是宇宙射线诱发准粒子中毒等微观物理过程对多量子比特系统相干时间的扰动机制。在数据构建过程中，挑战体现在多源异构数据的实时同步与对齐，需协调来自IBM Quantum API、美国国家海洋和大气管理局空间天气预报中心以及本地气象站的不同数据流，并确保时间戳精度与地理坐标的一致性，同时处理校准数据中固有的缺失值与异常点，以构建可靠的时间序列关联分析基础。

常用场景

经典使用场景

在量子计算硬件性能分析领域，该数据集为研究量子比特校准参数与环境因素之间的关联提供了关键数据支撑。其经典使用场景聚焦于时间序列分析与相关性研究，学者们能够利用数据集中的校准属性（如T1、T2弛豫时间、门错误率）与同步采集的大气及空间天气参数（如气压、地磁指数、中子通量），系统探究环境波动对超导量子处理器稳定性的影响。通过构建统计模型或机器学习方法，研究人员可以识别导致量子比特性能漂移的关键外部变量，从而深化对量子硬件在真实运行条件下退化机制的理解。

解决学术问题

该数据集有效应对了量子计算研究中一个核心挑战：厘清复杂环境噪声与量子硬件性能退化之间的因果关联。它为解决诸如宇宙射线诱导的准粒子中毒、地磁活动对量子相干时间的扰动，以及大气压力变化对误差率的影响等关键学术问题提供了实证基础。通过提供长时间跨度、高频率的校准与环境同步测量数据，该数据集使得定量分析环境驱动的校准漂移成为可能，显著推进了量子硬件表征、误差建模及容错策略的研究，为构建更稳健的量子计算系统奠定了数据基石。

实际应用

在实际应用层面，该数据集为量子计算中心的日常运维与硬件优化提供了直接参考。工程团队可以利用数据集揭示的环境敏感性规律，预测在不同天气或空间天气条件下量子处理器的性能变化，从而优化校准调度、任务分配以及硬件屏蔽策略。例如，在监测到高地磁活动或特定气压趋势时，可以提前调整量子电路的编译策略或执行优先级，以规避已知的高误差风险期。这直接提升了量子计算服务的可靠性与资源利用效率，推动了量子计算从实验室向实用化、工程化阶段的过渡。

数据集最近研究

最新研究方向

在量子计算硬件稳定性领域，qiskit-calibration-drift数据集正推动着环境因素与量子比特性能关联性的前沿探索。当前研究聚焦于利用时间序列预测与表格分类技术，深入分析空间天气事件（如太阳活动与地磁风暴）以及大气参数（如气压、温度）对超导量子处理器校准漂移的微观影响机制。学者们致力于构建多变量耦合模型，以揭示宇宙射线通量通过准粒子中毒效应干扰量子相干性的物理路径，从而为设计抗环境干扰的量子纠错方案和优化硬件部署策略提供数据驱动的科学依据。