PEA

Valeur par défaut : '0.1'

static compute_expectation_value(item_result, observables, param_shape=None, param_basis_pairs=None, meas_bases=None, broadcast_obs_and_params=False, measure_noise_data=None)

Valeurs attendues du traitement pour le résultat d'un seul élément.

Cette fonction permet de calculer les valeurs attendues pour le résultat d'un élément isolé, sans avoir à créer une nouvelle instance de classe.

Paramètres

• item_result (QuantumProgramItemResult) – Le résultat de l'opération.
• observables (ObservablesArray |Sequence[SparsePauliOp]) – Les observables pour lesquelles il faut calculer les valeurs attendues.
• param_shape (tuple[int, ...] | None) – Le format des valeurs des paramètres.
• param_basis_pairs (list[tuple[tuple[int, ...], str]] | None) – La correspondance entre les paramètres et les indices permettant de mesurer la base.
• meas_bases (Sequence[Pauli] | Sequence[str] | PauliList | None) – Liste des bases de Pauli mesurées. Le -ième i élément est une base de mesure supposée correspondre à la -ième i tranche des données contenues dans item_result.
• broadcast_obs_and_params (bool) – Indique s'il faut diffuser les observables et les valeurs des paramètres.
• measure_noise_data (PauliLindbladMap |ndarray | None) – Données d'étalonnage du bruit de mesure pour l'atténuation du TREX.

Retours

Un tableau de type « PubResult » contenant les std champs et evs dans ses données, où evs représentent std les valeurs attendues et les écarts-types de ces valeurs attendues. Si cette option est broadcast_obs_and_params définie sur « True », les données contiendront également un champ twirl_stds correspondant à l'écart-type entre les différentes randomisations.

Augmentations

• ValueError – Si ne contient item_result aucune clé '_meas' .
• ValueError – Si le nombre d'axes n'est item_result['_meas'] pas valide.
• ValueError – Si et param_shape ne peuvent observables.shape pas être diffusés l'un par rapport à l'autre.

Type de retour

PubResult

static compute_expectation_value_pea(item_result, observables, param_shape, param_basis_pairs, noise_factors, extrapolator, extrapolated_noise_factors=None, meas_bases=None, broadcast_obs_and_params=False, measure_noise_data=None, custom_fit=None)

Valeurs attendues du traitement pour le résultat d'un seul élément.

Cette fonction permet de calculer les valeurs attendues pour le résultat d'un élément corrigé « pea » sans créer une nouvelle instance de classe.

Paramètres

• item_result (QuantumProgramItemResult) – Le petit pois a atténué le résultat de l'élément.

• observables (ObservablesArray |Sequence[SparsePauliOp]) – Les observables pour lesquelles il faut calculer les valeurs attendues.

• param_shape (tuple[int, ...] | None) – Le format des valeurs des paramètres.

• param_basis_pairs (list[tuple[tuple[int, ...], str]] | None) – La correspondance entre les paramètres et les indices permettant de mesurer la base.

• noise_factors (list[float]) – Les facteurs de bruit qui ont été utilisés pour amplifier le bruit.

• extrapolated_noise_factors (float |int |list[float] | None) – Facteurs de bruit à prendre en compte pour évaluer l’ajustement.

• extrapolator (list[Literal['linear', 'exponential', 'double_exponential', 'polynomial_degree_1', 'polynomial_degree_2', 'polynomial_degree_3', 'polynomial_degree_4', 'polynomial_degree_5', 'polynomial_degree_6', 'polynomial_degree_7', 'fallback', 'custom']]) –

  Le ou les modèles d'extrapolation à utiliser. Les modèles seront testés par ordre de priorité. Modèles pris en charge (chacun correspond à la fonction indiquée du facteur de bruit x) :

  • "linear": a + b*x
  • "polynomial_degree_k" (1 ≤ k ≤ 7) : un polynôme de degré k
  • "exponential": a*exp(b*x)
  • "double_exponential": a*exp(b*x) + c*exp(d*x) (taux contraints à la décroissance)
  • "fallback": pas d'ajustement; la valeur mesurée au facteur de bruit le plus faible
  • custom: La fonction d'extrapolation personnalisée indiquée dans le paramètre custom_fit

• meas_bases (Sequence[Pauli] | Sequence[str] | PauliList | None) – Liste des bases de Pauli mesurées. Le -ième i élément est une base de mesure supposée correspondre à la -ième i tranche des données contenues dans item_result.

• broadcast_obs_and_params (bool) – Indique s'il faut diffuser les observables et les valeurs des paramètres.

• measure_noise_data (PauliLindbladMap |ndarray | None) – Données d'étalonnage du bruit de mesure pour l'atténuation du TREX. Il peut s'agir soit d'une PauliLindbladMap ion d'un modèle de bruit appris au préalable, soit du résultat d'un circuit d'étalonnage.

• custom_fit (tuple[Callable[[...], ndarray], list[float], tuple[float, ...] | tuple[list[float], ...]] | None) – Une fonction d'ajustement personnalisée qui sera utilisée pour l'extrapolation. Doit inclure un tuple sous la forme suivante : (function, p_0, bounds). La fonction doit prendre la variable indépendante comme premier argument et les paramètres d'ajustement comme arguments suivants, séparément. p_0 est un tableau contenant les valeurs initiales estimées pour les paramètres, et « bounds » correspond aux limites de ces paramètres. Ces paramètres seront transmis en tant qu'arguments à la fonction scipy.optimize.curve_fit .

Retours

• evs: valeurs attendues calculées au point de bruit nul.

• std: les écarts-types des valeurs attendues extrapolées, évaluées au point de bruit nul.

• evs_noise_factors: valeurs attendues calculées aux points noise_factors.

• stds_noise_factors: écarts-types calculés aux points noise_factors.

• stds_twirl_noise_factors: écarts-types entre les différentes randomisations, calculés à la

  points « facteurs de bruit ».

• evs_extrapolated: valeurs attendues calculées aux points extrapolated_noise_factors.

  Définir la valeur sur « None » si est extrapolated_noise_factors « None ».

• stds_extrapolated: écarts-types calculés aux points « extrapolated_noise_factors ».

  Définir la valeur sur « None » si est extrapolated_noise_factors « None ».

L' PubResult contiendra également un champ selected_extrapolators dans les métadonnées, qui répertorie les extrapolateurs valides utilisés pour extrapoler les données pour chaque terme observable au point d'extrapolation sans bruit.

Type de retour

Un fichier « PubResult » contenant les champs suivants

Augmentations

• ValueError – Si ne contient item_result aucune clé '_meas' .
• ValueError – Si le nombre d'axes n'est item_result['_meas'] pas valide.
• ValueError – Si et param_shape ne peuvent observables.shape pas être diffusés l'un par rapport à l'autre.
• ValueError – Si noise_factors est sous-spécifié pour n'importe quel extrapolateur.

static create_instance_from_passthrough_data(passthrough, trex=None)

Créer une instance PEA à partir d'un dictionnaire de transfert chargé à partir du résultat de l'exécution d'un programme quantique.

Paramètres

• passthrough (dict[str, Any]) – Dictionnaire « Passthrough_data » chargé à partir du résultat de l'exécution d'un programme quantique.
• trex (TREX | None) – Une instance TREX contenant un circuit d'étalonnage est exécutée dans le même programme quantique. Doit être conservé None si la fonction d'atténuation TREX n'a pas été utilisée ou si aucun calibrage TREX n'a été effectué dans le cadre du même programme quantique.

Retours

Une instance PEA.

Type de retour

PEA

find_unique_layers(circuit, custom_boxing_options=None)

Renvoie les couches « boxed » uniques du circuit donné, en utilisant les options de « boxing » fournies.

Paramètres

• circuit (QuantumCircuit) – Le circuit qui lui confère ses couches uniques.
• custom_boxing_options (dict | None) – Les options de mise en encadré personnalisées qui seront utilisées par la fonction generate_boxing_pass_manager() .

Retours

Couches uniques encadrées du circuit donné.

Type de retour

liste [ CircuitInstruction ]

postprocess(results, measure_noise_data=None, *, noise_factors=None, extrapolator=None, extrapolated_noise_factors=None, custom_fit=None)

Valeurs attendues du traitement pour le résultat d'un seul élément.

Paramètres

• results (QuantumProgramItemResult |QuantumProgramResult) – Résultats de l'exécution. Il peut s'agir soit de l'objet « résultats » dans son intégralité, soit du résultat de l'élément « pea mitigated » de cette tâche. Si la tâche d'étalonnage TREX est ajoutée au programme quantique, ses résultats seront utilisés pour calculer les données relatives au bruit de mesure, à condition que l'objet de résultats soit fourni dans son intégralité.

• noise_factors (Sequence[float] | None) – Les facteurs de bruit qui ont été utilisés pour amplifier le bruit.

• extrapolated_noise_factors (list[float] | None) – Facteurs de bruit à prendre en compte pour évaluer l’ajustement.

• extrapolator (Sequence[Literal['linear', 'exponential', 'double_exponential', 'polynomial_degree_1', 'polynomial_degree_2', 'polynomial_degree_3', 'polynomial_degree_4', 'polynomial_degree_5', 'polynomial_degree_6', 'polynomial_degree_7', 'fallback', 'custom']] | None) –

  Le ou les modèles d'extrapolation à utiliser. Les modèles seront testés par ordre de priorité. Modèles pris en charge (chacun correspond à la fonction indiquée du facteur de bruit x) :

  • "linear": a + b*x
  • "polynomial_degree_k" (1 ≤ k ≤ 7) : un polynôme de degré k
  • "exponential": a*exp(b*x)
  • "double_exponential": a*exp(b*x) + c*exp(d*x) (taux contraints à la décroissance)
  • "fallback": pas d'ajustement; la valeur mesurée au facteur de bruit le plus faible
  • custom: La fonction d'extrapolation personnalisée indiquée dans le paramètre custom_fit

• measure_noise_data (PauliLindbladMap |ndarray | None) – Données d'étalonnage du bruit de mesure pour l'atténuation du TREX. Il peut s'agir soit d'une PauliLindbladMap ion d'un modèle de bruit appris au préalable, soit du résultat d'un circuit d'étalonnage.

• custom_fit (tuple[Callable[[...], ndarray], list[float], tuple[float, ...] | tuple[list[float], ...]] | None) – Une fonction d'ajustement personnalisée qui sera utilisée pour l'extrapolation. Doit inclure un tuple sous la forme suivante : (function, p_0, bounds). La fonction doit prendre la variable indépendante comme premier argument et les paramètres d'ajustement comme arguments suivants, séparément. p_0 est un tableau contenant les valeurs initiales estimées pour les paramètres, et « bounds » correspond aux limites de ces paramètres. Ces paramètres seront transmis en tant qu'arguments à la fonction scipy.optimize.curve_fit .

Retours

• evs: valeurs attendues calculées au point de bruit nul.

• std: les écarts-types des valeurs attendues extrapolées, évaluées au point de bruit nul.

• evs_noise_factors: valeurs attendues calculées aux points noise_factors.

• stds_noise_factors: écarts-types calculés aux points noise_factors.

• stds_twirl_noise_factors: écarts-types entre les différentes randomisations, calculés à la

  points « facteurs de bruit ».

• evs_extrapolated: valeurs attendues calculées aux points extrapolated_noise_factors.

  Définir la valeur sur « None » si est extrapolated_noise_factors « None ».

• stds_extrapolated: écarts-types calculés aux points « extrapolated_noise_factors ».

  Définir la valeur sur « None » si est extrapolated_noise_factors « None ».

L' PubResult contiendra également un champ selected_extrapolators dans les métadonnées, qui répertorie les extrapolateurs valides utilisés pour extrapoler les données pour chaque terme observable au point d'extrapolation sans bruit.

Type de retour

Un fichier « PubResult » contenant les champs suivants

Augmentations

• ValueError – Si le résultat de la tâche ne comporte pas de clé '_meas' .
• ValueError – Si les données '_meas' du résultat de l'élément comportent un nombre d'axes non valide.
• ValueError – Si et param_shape ne peuvent observables.shape pas être diffusés l'un par rapport à l'autre.

prepare(circuit, observables, parameters, custom_boxing_options=None, shots_per_randomization=64, num_randomizations=128, broadcast_obs_and_params=False, trex=None, quantum_program=None, *, noise_maps=None, noise_factors=(1, 3, 5), extrapolator=None, extrapolated_noise_factors=None)

Crée un élément QuantumProgram avec PEA atténué destiné à être exécuté via Executor.

Crée un élément pour un QuantumProgram, qui peut être exécuté via Executor et qui bénéficie d'une atténuation PEA (amplifie le bruit en ajustant le bruit de Pauli injecté et extrapole jusqu'au point de bruit nul). Si un quantum_program est fourni, le nouvel élément sera ajouté au programme existant; dans le cas contraire, un nouveau programme sera créé, ne contenant que l'élément créé. Si cette option est broadcast_obs_and_params activée, les observables et les paramètres seront diffusés selon les règles de diffusion de Samplomatic, afin de permettre d'associer certains paramètres à certaines observables. Sinon, chaque paramètre sera évalué pour chaque observable (produit extérieur des paramètres et des observables). Il convient de noter que le post-traitement d’un produit scalaire est généralement plus rapide.

Paramètres

• circuit (QuantumCircuit) – Le circuit quantique.

• observables (ObservablesArray |Sequence[SparsePauliOp]) – Les observables permettant de calculer leurs valeurs attendues.

• parameters (ndarray | None) – Les paramètres d'un circuit paramétrique.

• custom_boxing_options (dict | None) – Les options de mise en encadré personnalisées qui seront utilisées par la fonction generate_boxing_pass_manager() .

• shots_per_randomization (int) – Le nombre d'injections par randomisation.

• num_randomizations (int) – Le nombre de randomisations.

• broadcast_obs_and_params (bool) – Déterminer s'il faut diffuser les observables et les paramètres.

• trex (TREX | None) – Une instance de correction TREX qui sera utilisée pour corriger les erreurs de lecture.

• quantum_program (QuantumProgram | None) – Le programme Quantum permettant d'ajouter un élément. Si la valeur est « None », un nouveau programme sera créé.

• noise_maps (dict[str, PauliLindbladMap] | None) – Une correspondance entre une référence de couche et un modèle de bruit à utiliser pour l'amplification du bruit. Le dictionnaire peut contenir des couches qui ne figurent pas dans le circuit donné, mais il doit contenir toutes les couches ayant fait l'objet de mesures d'atténuation. On suppose que les couches uniques utilisées pour l'apprentissage du bruit ont été extraites à l'aide de la méthode find_unique_layers avec les mêmes options de « boxing » personnalisées.

• noise_factors (Sequence[float |int]) – Les facteurs de bruit à utiliser pour amplifier le bruit.

• extrapolator (Sequence[Literal['linear', 'exponential', 'double_exponential', 'polynomial_degree_1', 'polynomial_degree_2', 'polynomial_degree_3', 'polynomial_degree_4', 'polynomial_degree_5', 'polynomial_degree_6', 'polynomial_degree_7', 'fallback', 'custom']] | None) –

  Le ou les modèles d'extrapolation dont l'utilisation est prévue lors du post-traitement. Utilisé lors de la préparation pour vérifier qu’il existe suffisamment de facteurs de bruit permettant un ajustement valable à l’aide de ces extrapolateurs. Si None, aucune validation ne sera effectuée. Modèles pris en charge (chacun correspond à la fonction indiquée du facteur de bruit x) :

  • "linear": a + b*x
  • "polynomial_degree_k" (1 ≤ k ≤ 7) : un polynôme de degré k
  • "exponential": a*exp(b*x)
  • "double_exponential": a*exp(b*x) + c*exp(d*x) (taux contraints à la décroissance)
  • "fallback": pas d'ajustement; la valeur mesurée au facteur de bruit le plus faible

• extrapolated_noise_factors (list[float] | None) – Les facteurs de bruit destinés à évaluer les ajustements devraient être utilisés lors du post-traitement. Permet d'enregistrer les données afin de faciliter leur traitement ultérieur. Peut être modifié lors du post-traitement.

Retours

Un élément QuantumProgram dont les risques ont été atténués grâce à la PEA et qui peut être exécuté via Executor.

Type de retour

QuantumProgram