Skip to main content
IBM Quantum Platform

QuantumProgramModel

pydantic model QuantumProgramModel

GitHub

Grundlagen: BaseModel

Modell zur Speicherung eines Quantenprogramms.

items

field

Typ: list[Annotated[CircuitItemModel | SamplexItemModel, Field(discriminator``=``'item_type')]]

Punkte der Tagesordnung.

Geprüft von

  • check_chunk_sizes_are_consistent

meas_level

field

Typ: Literal['classified', 'kerneled', 'avg_kerneled']

Standardwert: 'classified'

Die Ebene, auf der alle klassischen Registermesswerte zurückgegeben werden sollen.

Diese Option legt den Rückgabetyp aller klassischen Register in allen Quantenprogrammelementen fest und bestimmt, ob die rohen komplexen Daten von Low-Level-Messgeräten in Bits aufgeschlüsselt werden oder nicht.

  • „classified“: Daten des klassischen Registers werden als boolesche Arrays mit der intrinsischen Form zurückgegeben

    (num_shots, creg_size).

  • „kerneled“: Daten aus dem klassischen Register werden als komplexes Array mit der intrinsischen Form zurückgegeben

    (num_shots, creg_size), wobei jeder Eintrag einen IQ-Datenpunkt (der sich aus der Kernel-Verarbeitung der Messkurve ergibt) in beliebigen Einheiten darstellt.

  • „avg_kerneled“: Klassische Registerdaten werden als komplexes Array mit der intrinsischen Funktion

    Form (creg_size,), bei der die Daten denen der „Kernel“-Methode entsprechen, jedoch zusätzlich über die einzelnen Aufnahmen gemittelt werden.

Geprüft von

  • check_chunk_sizes_are_consistent

passthrough_data

field

Typ: DataTree

Standardwert: None

Beliebige verschachtelte Daten werden unverändert an die Ausführung übergeben.

Geprüft von

  • check_chunk_sizes_are_consistent

shots

field

Typ: int

Die Anzahl der Schüsse für jede einzeln gebundene Schaltung.

Einschränkungen

  • ge = 1

Geprüft von

  • check_chunk_sizes_are_consistent

check_chunk_sizes_are_consistent

validator check_chunk_sizes_are_consistent

GitHub

Stellen Sie sicher, dass alle Programmteile die Chunk-Größen einheitlich festlegen.

War diese Seite hilfreich?
Melden Sie auf GitHub einen Fehler, einen Tippfehler oder fordern Sie Inhalte an.