Skip to main content
IBM Quantum Platform

qiskit_noise_learning.data.AggregatedObservableData

class qiskit_noise_learning.data.AggregatedObservableData(dataset: Dataset)

GitHub

Bases : LeveledData

Estimations par chemin obtenues en agrégant ObservableData.

Cette classe contient une seule estimation par variable observable, obtenue en regroupant la structure par randomisation de ObservableData. Chaque estimation observable est associée à un chemin non lié et à une profondeur de fragment correspondante. Une profondeur de fragment non négative correspond à un marquage par un chemin lié de cette profondeur, tandis qu'une profondeur de fragment de -1 indique que l'estimation correspond à un chemin véritablement non lié. Pour une profondeur de fragment non négative, la valeur estimée correspond au produit de toutes les fidélités du chemin, et l'estimation pour une profondeur de fragment de -1 correspond au produit des fidélités du fragment répétable.

  • Variables de données :

    • estimate_values: Un tableau de valeurs de type float de la classe « 1d » contenant les estimations par observable, de dimensions ("observable",).
    • estimate_std: Un tableau de type « 1d » contenant les écarts-types des estimations, de dimensions ("observable",).
    • time_lbs: Une borne inférieure pour la collecte de données relative à chaque grandeur observable, de dimensions ("observable",).
    • time_ubs: Une borne supérieure pour la collecte de données relative à chaque grandeur observable, de dimensions ("observable",).
    • metadata: Un tableau d'objets de type 1d contenant toutes les données supplémentaires propres à chaque observable, de dimensions ("observable",).

  • Coordonnées :

    • unbound_path: Un tableau de type 1d contenant des instances Path non liées qui identifient chaque observable, de dimensions ("observable",).
    • fragment_depth: Un tableau de type « 1d » indiquant int la profondeur de fragment associée à l'observable. Une valeur de -1 indique une estimation portant uniquement sur la partie repeatable_fragment du chemin.

Paramètres

ensemble de données – Un Dataset respectant la mise en forme ci-dessus.

__init__

__init__(dataset: Dataset)

Méthodes

Chronique « 1 »
Chronique « 2 »
__init__(ensemble de données)
from_arrays(chemins non liés, profondeurs de fragment,...)Instancier à partir de données spécifiées sous forme de tableaux dans des conteneurs standard.
merge(autre)Fusionner les données de « soi » et des « autres » en une seule entité.

Attributs

Chronique « 1 »
Chronique « 2 »
datasetL'ensemble de données observables agrégées.

dataset

Type: Dataset

L'ensemble de données observables agrégées.

from_arrays

classmethod from_arrays(unbound_paths: list[Path], fragment_depths: list[int], estimate_values: ndarray[float], estimate_std: ndarray[float], time_lbs: ndarray[datetime64], time_ubs: ndarray[datetime64], metadata: ndarray[object] | None = None) → Self

Instancier à partir de données spécifiées sous forme de tableaux dans des conteneurs standard.

Paramètres

  • unbound_paths – Une liste de chemins non liés (avec fragment_depth=None).
  • fragment_depths – Liste des profondeurs de fragments, le symbole -1 indiquant que l'estimation correspondante se rapporte uniquement au fragment répétable du chemin correspondant.
  • estimate_values – Tableau de type « 1d » contenant des estimations par observable.
  • estimate_std – Tableau de type « 1d » contenant les écarts-types.
  • time_lbs – Tableau de type « 1d » contenant les limites inférieures de temps.
  • time_ubs – Tableau de type « 1d » contenant les limites supérieures de temps.
  • métadonnées – Toute donnée supplémentaire associée à un observable donné.

merge

merge(other: Self) → Self

Fusionner les données de « soi » et des « autres » en une seule entité.

Paramètres

Autres – Les autres données.

Retours

Une nouvelle instance contenant les deux ensembles de données.

Cette page a-t-elle été utile ?
Signaler un bogue, une coquille ou proposer du contenu sur GitHub.