Utilidades de visualización

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

Traza el error acumulado.

Este método rellena los ejes de la figura proporcionada con un gráfico de líneas del OBPMetadata.accumulated_error(). A continuación se muestra un ejemplo en el que representamos gráficamente algunos elementos metadata que existen en nuestro contexto.

>>> 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)

Como puede ver en la figura anterior, el número de cortes retropropagados se muestra a lo largo del eje x. Puedes pensar en esto como el "tiempo" del algoritmo de retropropagación. El error acumulado debido a los términos de Pauli truncados se muestra a lo largo del eje y. Si OBPMetadata.truncation_error_budget.max_error_total no es numpy.infaparece como una línea horizontal roja. Cada observable que fue retropropagado, obtiene su propia línea.

Estos datos están relacionados con los visualizados por plot_slice_errors(). Este método representa la suma acumulada de los errores de corte a lo largo del eje x.

Parámetros

• metadata (OBPMetadata) – los metadatos que se van a visualizar.
• axes (Axes) – los ejes matplotlib en los que trazar.
• show_legend (bool) – activar/desactivar la visualización de la leyenda en el gráfico.

Tipo de retorno

Ninguna

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

Trazar el presupuesto de error restante.

Este método rellena los ejes de la figura proporcionada con un gráfico de líneas del OBPMetadata.left_over_error_budget(). A continuación se muestra un ejemplo en el que representamos gráficamente algunos elementos metadata que existen en nuestro contexto.

>>> 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)

Como puede ver en la figura anterior, el número de cortes retropropagados se muestra a lo largo del eje x. Puedes pensar en esto como el "tiempo" del algoritmo de retropropagación. El presupuesto de error sobrante disponible en cada paso de retropropagación se muestra a lo largo del eje y. Como cada observable retropropagado tiene su propio presupuesto, se representan como líneas separadas.

Parámetros

• metadata (OBPMetadata) – los metadatos que se van a visualizar.
• axes (Axes) – los ejes matplotlib en los que trazar.
• show_legend (bool) – activar/desactivar la visualización de la leyenda en el gráfico.

Tipo de retorno

Ninguna

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

Trazar los errores de corte.

Este método rellena los ejes de las figuras proporcionadas con un diagrama de barras del error de truncamiento incurrido en cada corte retropropagado. A continuación se muestra un ejemplo en el que trazamos algunos metadata que existen en nuestro contexto.

>>> 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)

Como puede ver en la figura anterior, el número de cortes retropropagados se muestra a lo largo del eje x. Puedes pensar en esto como el "tiempo" del algoritmo de retropropagación. El error de truncamiento incurrido en cada paso de retropropagación se muestra a lo largo del eje y. Dado que cada observable se trata individualmente, se representan por separado.

Estos datos están relacionados con los visualizados por plot_accumulated_error(). Este método trazará la suma acumulada de los errores de corte a lo largo del eje x.

Parámetros

• metadata (OBPMetadata) – los metadatos que se van a visualizar.
• axes (Axes) – los ejes matplotlib en los que trazar.
• show_legend (bool) – activar/desactivar la visualización de la leyenda en el gráfico.

Tipo de retorno

Ninguna

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

Traza el número de términos de Pauli.

Este método rellena los ejes de las figuras proporcionadas con un trazado lineal del número de términos de Pauli en cada corte retropropagado. A continuación se muestra un ejemplo en el que trazamos algunos metadata que existen en nuestro contexto.

>>> 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)

Como puede ver en la figura anterior, el número de cortes retropropagados se muestra a lo largo del eje x. Puedes pensar en esto como el "tiempo" del algoritmo de retropropagación. El número de términos de Pauli en cada paso de retropropagación se muestra en el eje y. Dado que cada observable se trata individualmente, se representan por separado.

También puede averiguar el número de términos de Pauli únicos en todos los observables utilizando plot_sum_paulis().

Parámetros

• metadata (OBPMetadata) – los metadatos que se van a visualizar.
• axes (Axes) – los ejes matplotlib en los que trazar.
• show_legend (bool) – activar/desactivar la visualización de la leyenda en el gráfico.

Tipo de retorno

Ninguna

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

Traza el número de términos de Pauli truncados.

Este método rellena los ejes de las figuras con un diagrama de barras del número de términos de Pauli truncados en cada corte retropropagado. A continuación se muestra un ejemplo en el que trazamos algunos metadata que existen en nuestro contexto.

>>> 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)

Como puede ver en la figura anterior, el número de cortes retropropagados se muestra a lo largo del eje x. Puedes pensar en esto como el "tiempo" del algoritmo de retropropagación. El número de términos de Pauli truncados en cada paso de retropropagación se muestra en el eje y. Dado que cada observable se trata individualmente, se representan por separado.

Estos datos pueden darle una idea adicional de cómo el error acumulado se divide entre múltiples términos de Pauli (véase también la salida de plot_accumulated_error()).

Parámetros

• metadata (OBPMetadata) – los metadatos que se van a visualizar.
• axes (Axes) – los ejes matplotlib en los que trazar.
• show_legend (bool) – activar/desactivar la visualización de la leyenda en el gráfico.

Tipo de retorno

Ninguna

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

Traza el número total de todos los términos de Pauli.

Este método rellena los ejes de figura proporcionados con un trazado lineal del número total de todos los términos de Pauli en cada corte retropropagado. A continuación se muestra un ejemplo en el que trazamos algunos metadata que existen en nuestro contexto.

>>> 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)

Como puede ver en la figura anterior, el número de cortes retropropagados se muestra a lo largo del eje x. Puedes pensar en esto como el "tiempo" del algoritmo de retropropagación. El número total de todos los términos de Pauli en cada paso de retropropagación se muestra en el eje y. Si OBPMetadata.operator_budget.max_paulis no es Ninguno, se muestra como una línea horizontal roja.

Estos datos pueden darle una idea adicional de cuántos términos Pauli únicos se extienden a través de todos los observables retropropagados. Véase también la salida de plot_num_paulis() para el número de términos de Pauli en cada observable individualmente.

Parámetros

• metadata (OBPMetadata) – los metadatos que se van a visualizar.
• axes (Axes) – los ejes matplotlib en los que trazar.
• show_legend (bool) – activar/desactivar la visualización de la leyenda en el gráfico.

Tipo de retorno

Ninguna

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

Representar gráficamente el número de grupos de Pauli conmutables entre qubits.

Este método rellena los ejes de las figuras con un diagrama de líneas del número de grupos Pauli que conmutan qubit en cada corte retropropagado. A continuación se muestra un ejemplo en el que trazamos algunos metadata que existen en nuestro contexto.

>>> 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)

Como puede ver en la figura anterior, el número de cortes retropropagados se muestra a lo largo del eje x. Puedes pensar en esto como el "tiempo" del algoritmo de retropropagación. En el eje y se muestra el número de grupos Pauli que conmutan entre qubits en cada paso de retropropagación. Si OBPMetadata.operator_budget.max_qwc_groups no es Ninguno, se muestra como una línea horizontal roja.

Parámetros

• metadata (OBPMetadata) – los metadatos que se van a visualizar.
• axes (Axes) – los ejes matplotlib en los que trazar.
• show_legend (bool) – activar/desactivar la visualización de la leyenda en el gráfico.

Tipo de retorno

Ninguna