Análisis

qiskit_noise_learning.analysis

Análisis de datos.

Clases

Columna « 1 »	Columna « 2 »
`AnalysisPipeline`	Un compuesto `AnalysisStage` que encadena etapas de forma secuencial.
`AnalysisStage`	Base abstracta para una etapa del proceso de análisis.
`AverageObservables`	Valores medios de las magnitudes observables a lo largo de las aleatorizaciones para cada par formado por una trayectoria no enlazada y una profundidad de fragmento.
`ComputeObservables`	Calcular los datos observables a partir de los datos brutos.
`CurveFitObservables`	Ajusta los datos observables a decaimientos exponenciales de la forma `a * f**fragment_depth`, y calcula la media de las magnitudes observables restantes sobre las aleatorizaciones.
`Fit`	Contenedor de datos en cada nivel de la jerarquía de análisis.
`FlipPostSelect`	Aplica una máscara a los datos sin procesar basándote en los errores de inversión de bits en los registros clásicos.
`LeastSquaresSolve`	Resuelve mediante `ModelData` el método de mínimos cuadrados, con restricciones opcionales de no negatividad.
`LegacySolve`	Resuelve la ecuación `ModelData` utilizando el método tradicional de fidelidad por pares.
`LinearSystemData`	El sistema lineal que hay que resolver y los metadatos en formato sin procesar.
`PositivityMinSolve`	Resuelve la ecuación minimizando `ModelData` al mismo tiempo la positividad de la tasa de Pauli-Lindblad.
`SymmetrizeFidelities`	El generador de proyectos se proyecta en el espacio nulo de fidelidad-simetría, puerta por puerta.
`SymmetrizeGenerators`	Tarifas del generador de proyectos para cumplir la simetría de conjugación, puerta por puerta.

Funciones

Columna « 1 »	Columna « 2 »
`suffix_creg_identifier`	Devuelve un identificador «creg» que empareja cada «creg» denominado `"<suffix>"` con `""`.

¿Le ha resultado útil esta página?

Informe de un error, de una errata o solicite contenido en GitHub.