updated but todo items remain

source/ja/grover.md

@@ -5,7 +5,7 @@ jupytext:
     extension: .md
     format_name: myst
     format_version: 0.13
-    jupytext_version: 1.11.5
+    jupytext_version: 1.14.5
 kernelspec:
   display_name: Python 3 (ipykernel)
   language: python
@@ -19,7 +19,7 @@ language_info:
   name: python
   nbconvert_exporter: python
   pygments_lexer: ipython3
-  version: 3.8.10
+  version: 3.10.6
 ---
 
 +++ {"pycharm": {"name": "#%% md\n"}}
@@ -324,11 +324,13 @@ import matplotlib.pyplot as plt
 import numpy as np
 
 # Qiskit関連のパッケージをインポート
-from qiskit import IBMQ, Aer, QuantumCircuit, ClassicalRegister, QuantumRegister, transpile
-from qiskit.providers.ibmq import least_busy, IBMQAccountCredentialsNotFound
+from qiskit import QuantumCircuit, ClassicalRegister, QuantumRegister, transpile
 from qiskit.quantum_info import Statevector
 from qiskit.visualization import plot_histogram
 from qiskit.tools.monitor import job_monitor
+from qiskit_aer import AerSimulator
+from qiskit_ibm_provider import IBMProvider, least_busy
+from qiskit_ibm_provider.accounts import AccountNotFoundError
 
 # ワークブック独自のモジュール
 from qc_workbook.utils import operational_backend
@@ -501,7 +503,7 @@ pycharm:
     '
 tags: [remove-output]
 ---
-simulator = Aer.get_backend('qasm_simulator')
+simulator = AerSimulator()
 grover_circuit = transpile(grover_circuit, backend=simulator)
 results = simulator.run(grover_circuit, shots=1024).result()
 answer = results.get_counts()
@@ -550,12 +552,12 @@ pycharm:
 tags: [raises-exception, remove-output]
 ---
 # 量子コンピュータで実行する場合
+instance = 'ibm-q/open/main'
+
 try:
-    IBMQ.load_account()
+    provider = IBMProvider(instance=instance)
 except IBMQAccountCredentialsNotFound:
-    IBMQ.enable_account('__paste_your_token_here__')
-
-provider = IBMQ.get_provider(hub='ibm-q', group='open', project='main')
+    provider = IBMProvider(token='__paste_your_token_here__', instance=instance)
 
 backend_list = provider.backends(filters=operational_backend(min_qubits=6))
 backend = least_busy(backend_list)
@@ -650,7 +652,6 @@ pycharm:
   name: '#%%
 
     '
-tags: []
 ---
 x = []
 y = []
@@ -761,11 +762,3 @@ plt.show()
 +++ {"pycharm": {"name": "#%% md\n"}}
 
 複数解の場合、確率が最大になる反復回数が単一解の場合より減っていますね。予想と合っているでしょうか？
-
-+++
-
-## 参考文献
-
-```{bibliography}
-:filter: docname in docnames
-```

source/ja/grover_number_light.md

@@ -5,7 +5,7 @@ jupytext:
     extension: .md
     format_name: myst
     format_version: 0.13
-    jupytext_version: 1.11.5
+    jupytext_version: 1.14.5
 kernelspec:
   display_name: Python 3 (ipykernel)
   language: python
@@ -19,7 +19,7 @@ language_info:
   name: python
   nbconvert_exporter: python
   pygments_lexer: ipython3
-  version: 3.8.10
+  version: 3.10.6
 ---
 
 # 【課題】ビット反転ボードの操作を見つける
@@ -84,9 +84,19 @@ pycharm:
     '
 ---
 # Tested with python 3.8.12, qiskit 0.34.2, numpy 1.22.2
-from qiskit import QuantumCircuit, ClassicalRegister, QuantumRegister
-from qiskit import IBMQ, Aer, execute
+from qiskit import QuantumCircuit, ClassicalRegister, QuantumRegister, transpile
+from qiskit_aer import AerSimulator
+```
+
+```{code-cell} ipython3
+---
+jupyter:
+  outputs_hidden: false
+pycharm:
+  name: '#%%
 
+    '
+---
 # 6量子ビットの探索問題を考える
 n = 6  # 量子ビット数
 
@@ -138,8 +148,9 @@ pycharm:
 tags: [raises-exception, remove-output]
 ---
 # シミュレータで実行
-backend = Aer.get_backend('qasm_simulator')
-job = execute(qc, backend=backend, shots=8000, seed_simulator=12345)
+backend = AerSimulator()
+qc_tr = transpile(qc, backend=backend)
+job = backend.run(qc_tr, shots=8000)
 result = job.result()
 count = result.get_counts()
 

source/ja/qkc_machine_learning.md

@@ -5,7 +5,7 @@ jupytext:
     extension: .md
     format_name: myst
     format_version: 0.13
-    jupytext_version: 1.11.5
+    jupytext_version: 1.14.5
 kernelspec:
   display_name: Python 3 (ipykernel)
   language: python
@@ -19,7 +19,7 @@ language_info:
   name: python
   nbconvert_exporter: python
   pygments_lexer: ipython3
-  version: 3.8.10
+  version: 3.10.6
 ---
 
 +++ {"pycharm": {"name": "#%% md\n"}}
@@ -139,11 +139,12 @@ from sklearn.svm import SVC
 from sklearn.metrics import accuracy_score
 
 # Qiskit imports
-from qiskit import QuantumCircuit, Aer, transpile
+from qiskit import QuantumCircuit, transpile
 from qiskit.circuit import QuantumCircuit, Parameter, ParameterVector
 from qiskit.circuit.library import PauliFeatureMap, ZFeatureMap, ZZFeatureMap
 from qiskit.circuit.library import TwoLocal, NLocal, RealAmplitudes, EfficientSU2
 from qiskit.circuit.library import HGate, RXGate, RYGate, RZGate, CXGate, CRXGate, CRZGate
+from qiskit_aer import AerSimulator
 from qiskit_machine_learning.kernels import QuantumKernel
 ```
 
@@ -276,7 +277,7 @@ pycharm:
     '
 tags: [raises-exception, remove-output]
 ---
-backend = Aer.get_backend('qasm_simulator')
+backend = AerSimulator()
 qc_circuit = transpile(qc_circuit, backend=backend, seed_transpiler=random_seed)
 job = backend.run(qc_circuit, shots=8192, seed_simulator=random_seed)
 
@@ -298,7 +299,7 @@ pycharm:
     '
 tags: [raises-exception, remove-output]
 ---
-q_kernel = QuantumKernel(feature_map=feature_map, quantum_instance=Aer.get_backend('statevector_simulator'))
+q_kernel = QuantumKernel(feature_map=feature_map, quantum_instance=AerSimulator(method='statevector'))
 
 qc_circuit = q_kernel.construct_circuit(norm_train_data[0], norm_train_data[1])
 qc_circuit.decompose().decompose().draw('mpl')
@@ -361,23 +362,3 @@ print(f'Precomputed kernel: Classification Test score:  {test_score*100}%')
 - この{doc}`ワークブック <vqc_machine_learning>`にある変分量子回路を使った量子機械学習との比較
    - 二つの方法を同じ条件（特徴量の変数、データサンプルのサイズ、特徴量マップ）で比較した時に、分類性能に対して何か系統的な違いは見えるでしょうか。特徴量やサンプルサイズを変えて比較するなどして、その振る舞いを自分なりに考察してみてください。
    - 一方が他方に比べて系統的に分類性能が悪くなっている場合、どうすれば悪い方を改善できるでしょうか。サンプルサイズが小さい時には、どちらの方法でも過学習（テストデータでの分類性能が訓練データでの分類性能より悪くなる）の傾向が見えていると思います。過学習をできるだけ抑えながら、分類性能を改善する方法がないか、考察してみてください。
-
-+++ {"pycharm": {"name": "#%% md\n"}}
-
-## 参考文献
-
-```{bibliography}
-:filter: docname in docnames
-```
-
-```{code-cell} ipython3
----
-jupyter:
-  outputs_hidden: false
-pycharm:
-  name: '#%%
-
-    '
----
-
-```

source/ja/shor.md

@@ -5,7 +5,7 @@ jupytext:
     extension: .md
     format_name: myst
     format_version: 0.13
-    jupytext_version: 1.11.5
+    jupytext_version: 1.14.5
 kernelspec:
   display_name: Python 3 (ipykernel)
   language: python
@@ -19,7 +19,7 @@ language_info:
   name: python
   nbconvert_exporter: python
   pygments_lexer: ipython3
-  version: 3.8.10
+  version: 3.10.6
 ---
 
 +++ {"pycharm": {"name": "#%% md\n"}}
@@ -150,10 +150,12 @@ from fractions import Fraction
 import matplotlib.pyplot as plt
 import numpy as np
 
-from qiskit import IBMQ, QuantumRegister, ClassicalRegister, QuantumCircuit, Aer, transpile
-from qiskit.providers.ibmq import least_busy, IBMQAccountCredentialsNotFound
+from qiskit import QuantumRegister, ClassicalRegister, QuantumCircuit, transpile
 from qiskit.tools.monitor import job_monitor
 from qiskit.visualization import plot_histogram
+from qiskit_aer import AerSimulator
+from qiskit_ibm_provider import IBMProvider, least_busy
+from qiskit_ibm_provider.accounts import AccountNotFoundError
 
 # ワークブック独自のモジュール
 from qc_workbook.utils import operational_backend
@@ -319,9 +321,8 @@ pycharm:
   name: '#%%
 
     '
-tags: []
 ---
-simulator = Aer.get_backend('aer_simulator')
+simulator = AerSimulator()
 shots = 2048
 qc_tr = transpile(qc, backend=simulator)
 results = simulator.run(qc_tr, shots=shots).result()
@@ -374,12 +375,12 @@ pycharm:
 tags: [raises-exception, remove-output]
 ---
 # 量子コンピュータで実行する場合
+instance = 'ibm-q/open/main'
+
 try:
-    IBMQ.load_account()
+    provider = IBMProvider(instance=instance)
 except IBMQAccountCredentialsNotFound:
-    IBMQ.enable_account('__paste_your_token_here__')
-
-provider = IBMQ.get_provider(hub='ibm-q', group='open', project='main')
+    provider = IBMProvider(token='__paste_your_token_here__', instance=instance)
 
 backend_list = provider.backends(filters=operational_backend(min_qubits=4))
 backend = least_busy(backend_list)
@@ -624,7 +625,7 @@ $n$量子ビットQPEの{ref}`回路 <qpe_nqubit_fig>`と比較すれば、こ
 
 まず最初に、繰り返しの位数（周期）を発見するアルゴリズムを見てみます。
 
-$N$を正の整数として、関数$f(x) = a^x \bmod N$の振る舞いを考えます。[ショアのアルゴリズム](#shor_algo_fig)に立ち返ってみると、
+$N$を正の整数として、関数$f(x) = a^x \bmod N$の振る舞いを考えます。[ショアのアルゴリズム](shor_algo_fig)に立ち返ってみると、
 ここで$a$は$N$と互いに素な$N$未満の正の整数で、位数$r$は$\modequiv{a^r}{1}{N}$を満たす非ゼロの最小の整数でした。
 以下のグラフにこの関数の例を示します。 ポイント間の線は周期性を確認するためのものです。
 
@@ -999,11 +1000,3 @@ for row in rows:
 `limit_denominator`メソッドを使って、分母が特定の値（ここでは15）を下回る分数で、最も位相の値に近いものを得ています。
 
 測定された結果のうち、2つ（64と192）が正しい答えである$r=4$を与えたことが分かります。
-
-+++
-
-## 参考文献
-
-```{bibliography}
-:filter: docname in docnames
-```