Visualisierungsprogramme

plot_accumulated_error(metadata, axes, *, show_legend=True)

Stellen Sie den kumulierten Fehler dar.

Diese Methode füllt die angegebenen Achsen der Abbildung mit einem Liniendiagramm der OBPMetadata.accumulated_error(). Im Folgenden finden Sie ein Beispiel, in dem wir einige darstellen, die metadata in unserem Kontext vorkommen.

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_accumulated_error
>>> fig, axes = plt.subplots(1, 1)
>>> plot_accumulated_error(metadata, axes)

Wie Sie in der obigen Abbildung sehen können, wird die Anzahl der Backpropagated Slices entlang der x-Achse angezeigt. Sie können sich dies als die "Zeit" des Backpropagation-Algorithmus vorstellen. Der akkumulierte Fehler aufgrund von abgeschnittenen Pauli-Termen wird auf der y-Achse angezeigt. Wenn OBPMetadata.truncation_error_budget.max_error_total nicht numpy.infist, wird sie als rote horizontale Linie angezeigt. Jede Beobachtungsgröße, die zurückverfolgt wurde, erhält eine eigene Zeile.

Diese Daten sind mit den Daten verwandt, die durch plot_slice_errors(). Bei dieser Methode wird die kumulative Summe der Schichtfehler entlang der x-Achse dargestellt.

Parameter

• metadata (OBPMetadata) – die zu visualisierenden Metadaten.
• axes (Axes) – die Matplotlib-Achsen, auf denen gezeichnet werden soll.
• show_legend (bool) – aktiviert/deaktiviert die Anzeige der Legende im Diagramm.

Rückgabetyp

Keine

plot_left_over_error_budget(metadata, axes, *, show_legend=True)

Stellen Sie das verbleibende Fehlerbudget dar.

Diese Methode füllt die angegebenen Achsen der Abbildung mit einem Liniendiagramm der OBPMetadata.left_over_error_budget(). Im Folgenden finden Sie ein Beispiel, in dem wir einige darstellen, die metadata in unserem Kontext vorkommen.

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_left_over_error_budget
>>> fig, axes = plt.subplots(1, 1)
>>> plot_left_over_error_budget(metadata, axes)

Wie Sie in der obigen Abbildung sehen können, wird die Anzahl der Backpropagated Slices entlang der x-Achse angezeigt. Sie können sich dies als die "Zeit" des Backpropagation-Algorithmus vorstellen. Das bei jedem Backpropagation-Schritt verfügbare Restfehlerbudget wird auf der y-Achse angezeigt. Da jede Beobachtungsgröße, die backpropagiert wurde, ihr eigenes Budget hat, werden sie als separate Linien dargestellt.

Parameter

• metadata (OBPMetadata) – die zu visualisierenden Metadaten.
• axes (Axes) – die Matplotlib-Achsen, auf denen gezeichnet werden soll.
• show_legend (bool) – aktiviert/deaktiviert die Anzeige der Legende im Diagramm.

Rückgabetyp

Keine

plot_slice_errors(metadata, axes, *, show_legend=True)

Zeichnen Sie die Slice-Fehler auf.

Diese Methode füllt die vorgesehenen Achsen der Abbildung mit einem Balkendiagramm des Abschneidefehlers, der bei jeder zurückverfolgten Schicht auftritt. Nachfolgend finden Sie ein Beispiel, in dem wir eine Grafik von metadata erstellen, die in unserem Kontext existiert.

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_slice_errors
>>> fig, axes = plt.subplots(1, 1)
>>> plot_slice_errors(metadata, axes)

Wie Sie in der obigen Abbildung sehen können, wird die Anzahl der Backpropagated Slices entlang der x-Achse angezeigt. Sie können sich dies als die "Zeit" des Backpropagation-Algorithmus vorstellen. Der bei jedem Backpropagation-Schritt auftretende Abschneidefehler wird auf der y-Achse angezeigt. Da jede Beobachtungsgröße einzeln behandelt wird, werden sie getrennt dargestellt.

Diese Daten sind mit den Daten verwandt, die durch plot_accumulated_error(). Bei dieser Methode wird die kumulative Summe der Slice-Fehler entlang der x-Achse dargestellt.

Parameter

• metadata (OBPMetadata) – die zu visualisierenden Metadaten.
• axes (Axes) – die Matplotlib-Achsen, auf denen gezeichnet werden soll.
• show_legend (bool) – aktiviert/deaktiviert die Anzeige der Legende im Diagramm.

Rückgabetyp

Keine

plot_num_paulis(metadata, axes, *, show_legend=True)

Stellen Sie die Anzahl der Pauli-Terme dar.

Diese Methode füllt die vorgesehenen Achsen der Abbildung mit einem Liniendiagramm der Anzahl der Pauli-Terme in jedem Backpropagated Slice. Nachfolgend finden Sie ein Beispiel, in dem wir eine Grafik von metadata erstellen, die in unserem Kontext existiert.

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_num_paulis
>>> fig, axes = plt.subplots(1, 1)
>>> plot_num_paulis(metadata, axes)

Wie Sie in der obigen Abbildung sehen können, wird die Anzahl der Backpropagated Slices entlang der x-Achse angezeigt. Sie können sich dies als die "Zeit" des Backpropagation-Algorithmus vorstellen. Die Anzahl der Pauli-Terme bei jedem Backpropagation-Schritt wird auf der y-Achse angezeigt. Da jede Beobachtungsgröße einzeln behandelt wird, werden sie getrennt dargestellt.

Sie können auch die Anzahl der eindeutigen Pauli-Terme für alle Observablen herausfinden, indem Sie plot_sum_paulis().

Parameter

• metadata (OBPMetadata) – die zu visualisierenden Metadaten.
• axes (Axes) – die Matplotlib-Achsen, auf denen gezeichnet werden soll.
• show_legend (bool) – aktiviert/deaktiviert die Anzeige der Legende im Diagramm.

Rückgabetyp

Keine

plot_num_truncated_paulis(metadata, axes, *, show_legend=True)

Stellen Sie die Anzahl der abgeschnittenen Pauli-Terme dar.

Diese Methode füllt die vorgesehenen Achsen der Abbildung mit einem Balkendiagramm der Anzahl der abgeschnittenen Pauli-Terme bei jedem rückwärts fortschreitenden Abschnitt. Nachfolgend finden Sie ein Beispiel, in dem wir eine Grafik von metadata erstellen, die in unserem Kontext existiert.

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_num_truncated_paulis
>>> fig, axes = plt.subplots(1, 1)
>>> plot_num_truncated_paulis(metadata, axes)

Wie Sie in der obigen Abbildung sehen können, wird die Anzahl der Backpropagated Slices entlang der x-Achse angezeigt. Sie können sich dies als die "Zeit" des Backpropagation-Algorithmus vorstellen. Die Anzahl der abgeschnittenen Pauli-Terme bei jedem Backpropagation-Schritt wird auf der y-Achse angezeigt. Da jede Beobachtungsgröße einzeln behandelt wird, werden sie getrennt dargestellt.

Diese Daten können Ihnen einen zusätzlichen Einblick geben, wie sich der kumulierte Fehler auf mehrere Pauli-Terme verteilt (siehe auch die Ausgabe von plot_accumulated_error()).

Parameter

• metadata (OBPMetadata) – die zu visualisierenden Metadaten.
• axes (Axes) – die Matplotlib-Achsen, auf denen gezeichnet werden soll.
• show_legend (bool) – aktiviert/deaktiviert die Anzeige der Legende im Diagramm.

Rückgabetyp

Keine

plot_sum_paulis(metadata, axes, *, show_legend=True)

Stellen Sie die Gesamtzahl aller Pauli-Terme dar.

Diese Methode füllt die vorgesehenen Achsen der Abbildung mit einem Liniendiagramm der Gesamtzahl aller Pauli-Terme in jedem Backpropagated Slice. Nachfolgend finden Sie ein Beispiel, in dem wir eine Grafik von metadata erstellen, die in unserem Kontext existiert.

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_sum_paulis
>>> fig, axes = plt.subplots(1, 1)
>>> plot_sum_paulis(metadata, axes)

Wie Sie in der obigen Abbildung sehen können, wird die Anzahl der Backpropagated Slices entlang der x-Achse angezeigt. Sie können sich dies als die "Zeit" des Backpropagation-Algorithmus vorstellen. Die Gesamtzahl aller Pauli-Terme bei jedem Backpropagation-Schritt wird auf der y-Achse angezeigt. Wenn OBPMetadata.operator_budget.max_paulis nicht None ist, wird sie als rote horizontale Linie angezeigt.

Diese Daten können Ihnen einen zusätzlichen Einblick geben, wie viele eindeutige Pauli-Terme über alle rückverfolgten Beobachtungswerte verteilt sind. Siehe auch die Ausgabe von plot_num_paulis() für die Anzahl der Pauli-Terme in jeder einzelnen Beobachtungsgröße.

Parameter

• metadata (OBPMetadata) – die zu visualisierenden Metadaten.
• axes (Axes) – die Matplotlib-Achsen, auf denen gezeichnet werden soll.
• show_legend (bool) – aktiviert/deaktiviert die Anzeige der Legende im Diagramm.

Rückgabetyp

Keine

plot_num_qwc_groups(metadata, axes, *, show_legend=True)

Stellen Sie die Anzahl der Qubit-weise kommutierenden Pauli-Gruppen dar.

Diese Methode füllt die vorgesehenen Achsen der Abbildung mit einem Liniendiagramm der Anzahl der Qubit-weise kommutierenden Pauli-Gruppen auf jeder rückwärts fortschreitenden Scheibe. Nachfolgend finden Sie ein Beispiel, in dem wir eine Grafik von metadata erstellen, die in unserem Kontext existiert.

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_num_qwc_groups
>>> fig, axes = plt.subplots(1, 1)
>>> plot_num_qwc_groups(metadata, axes)

Wie Sie in der obigen Abbildung sehen können, wird die Anzahl der Backpropagated Slices entlang der x-Achse angezeigt. Sie können sich dies als die "Zeit" des Backpropagation-Algorithmus vorstellen. Die Anzahl der Qubit-weise kommutierenden Pauli-Gruppen bei jedem Backpropagation-Schritt wird auf der y-Achse angezeigt. Wenn OBPMetadata.operator_budget.max_qwc_groups nicht None ist, wird sie als rote horizontale Linie angezeigt.

Parameter

• metadata (OBPMetadata) – die zu visualisierenden Metadaten.
• axes (Axes) – die Matplotlib-Achsen, auf denen gezeichnet werden soll.
• show_legend (bool) – aktiviert/deaktiviert die Anzeige der Legende im Diagramm.

Rückgabetyp

Keine