Résultats de l'expérience
qiskit.result
Classes centrales (core)
Result(*[, nom_du_backend, version_du_backend,...] ) | Modèle de résultats. |
ResultError(erreur) | Exceptions soulevées en raison d'erreurs dans les résultats. |
Counts(données[, temps_écoulé, tailles_crég,...] ) | Classe permettant de stocker un résultat de comptage issu de l'exécution d'un circuit. |
Marginalisation
marginal_counts
qiskit.result.marginal_counts(result, indices=None, inplace=False, format_marginal=False, marginalize_memory=True)
Marginaliser les chiffres d'une expérience sur certains indices d'intérêt.
Paramètres
- result (dict |Result) – résultat à marginaliser (un objet « Result » ou un dictionnaire (chaîne de caractères, entier) contenant les nombres).
- indices (list[int] | None) – Les positions binaires qu'il convient de marginaliser. Si
None(par défaut), ne pas marginaliser du tout. - inplace (bool) – Par défaut : Faux. Opère sur l'argument du résultat original s'il est vrai, ce qui entraîne la perte du résultat original de l'emploi. Cela n'a aucun effet si
resultest un dict. - format_marginal (bool) – Par défaut : Faux. Si True, prend la sortie de marginalize et la formate avec des espaces réservés entre les cregs et pour les non-indices.
- marginalize_memory (bool | None) – Si c'est le cas, marginaliser également le champ de mémoire (s'il existe). Si Faux, le champ de mémoire est supprimé du résultat. Si aucun, laisser le champ de mémoire tel quel.
Retours
Un objet Result ou un dictionnaire avec
les nombres observés, marginalisés pour ne tenir compte que de la fréquence des observations des bits d'intérêt.
Type de retour
Augmentations
QiskitError - en cas d'indices non valides à marginaliser.
marginal_distribution
qiskit.result.marginal_distribution(counts, indices=None, format_marginal=False)
Marginaliser les chiffres d'une expérience sur certains indices d'intérêt.
Contrairement à marginal_counts() cette fonction respecte l'ordre de l'entrée indices. Si la liste d'entrée indices est spécifiée, l'ordre dans lequel les indices de bits sont spécifiés sera l'ordre de sortie des chaînes de bits dans la sortie marginalisée.
Paramètres
- counts (dict) – résultat de la marginalisation
- indices (Sequence[int] | None) – Les positions binaires qu'il convient de marginaliser. Si
None(par défaut), ne pas marginaliser du tout. - format_marginal (bool) – Par défaut : Faux. Si True, prend la sortie de marginalize et la formate avec des espaces réservés entre les cregs et pour les non-indices.
Retours
Un dictionnaire marginalisé
Type de retour
Augmentations
- QiskitError - Si l'une des valeurs de
indicesn'est pas valide ou si la dictéecounts - n'est pas valide. -
marginal_memory
qiskit.result.marginal_memory(memory, indices=None, int_return=False, hex_return=False, avg_data=False, parallel_threshold=1000)
Marginaliser la mémoire des fusillés
Cette fonction est multithread et lance par défaut un pool de threads dont le nombre est égal au nombre de CPU. Vous pouvez régler le nombre de threads à l'aide de la variable d'environnement RAYON_NUM_THREADS . Par exemple, le paramètre RAYON_NUM_THREADS=4 limiterait le pool de threads à 4 threads.
Paramètres
- memory (list[str] | ndarray) – La liste de mémoire d'entrée : il s'agit soit d'une liste de chaînes hexadécimales à marginaliser représentant la mémoire de mesure de niveau 2, soit d'un tableau NumPy représentant la mémoire de mesure de niveau 0 (valeur unique ou moyenne) ou la mémoire de mesure de niveau 1 (valeur unique ou moyenne).
- indices (list[int] | None) – Les positions binaires qu'il convient de marginaliser. Si
None(par défaut), ne pas marginaliser du tout. - int_return (bool) – Si la valeur est
True, la sortie sera une liste d'entiers. Par défaut, le type de retour est une chaîne de bits. This ethex_returns'excluent mutuellement et ne peuvent être spécifiés en même temps. Cette option n'a d'effet qu'avec le niveau de mémoire 2. - hex_return (bool) – Si la valeur est
True, la sortie sera une liste de chaînes hexadécimales. Par défaut, le type de retour est une chaîne de bits. This etint_returns'excluent mutuellement et ne peuvent être spécifiés en même temps. Cette option n'a d'effet qu'avec le niveau de mémoire 2. - avg_data (bool) – Si un tableau numpy à 2 dimensions est transmis pour
memory, cette valeur peut être fixée àTruepour indiquer qu'il s'agit d'une donnée moyenne de niveau 0 au lieu d'une donnée unique de niveau 1. - parallel_threshold (int) – Le nombre d'éléments dans
memorypour commencer l'exécution dans plusieurs threads. Silen(memory)est >= cette valeur, la fonction sera exécutée dans plusieurs threads. Par défaut, cette valeur est fixée à 1000.
Retours
La liste de la mémoire marginalisée
Type de retour
mémoire marginale
Augmentations
ValueError - si int_return et hex_return sont tous deux réglés sur True
Distributions
ProbDistribution(données[, prises de vue] ) | Une classe générique de type "dict" pour les distributions de probabilité. |
QuasiDistribution(données[, prises de vue, etc.] ) | Une classe de type dict pour représenter les quasi-probabilités. |
Valeurs attendues
sampled_expectation_value
qiskit.result.sampled_expectation_value(dist, oper)
Calcule la valeur de l'espérance à partir d'une distribution échantillonnée
Notez que le passage d'un dict brut nécessite des clés de type chaîne de bits.
Paramètres
- dist (dict |result.Counts |QuasiDistribution |ProbDistribution) – Distribution échantillonnée des données d'entrée.
- oper (str |quantum_info.Pauli |quantum_info.SparsePauliOp |quantum_info.SparseObservable) – L'opérateur associé à l'observable.
Retours
La valeur attendue.
Augmentations
QiskitError - si la distribution ou l'opérateur d'entrée est d'un type non valide
Type de retour