qiskit_noise_learning.data.AggregatedObservableData
class qiskit_noise_learning.data.AggregatedObservableData(dataset: Dataset)
Basi: LeveledData
Stime per percorso ottenute aggregando ObservableData.
Questa classe contiene una singola stima per ogni osservabile, ottenuta raggruppando la struttura per randomizzazione di ObservableData. Ogni stima osservabile è contrassegnata da un percorso non vincolato e da una profondità del frammento corrispondente. Una profondità del frammento non negativa corrisponde alla marcatura da parte di un percorso legato con quella profondità, mentre una profondità del frammento pari a indica -1 che la stima corrisponde a un percorso effettivamente non legato. Per una profondità del frammento non negativa, il valore stimato corrisponde al prodotto di tutte le fedeltà presenti nel percorso, mentre la stima per una profondità del frammento pari a -1 corrisponde al prodotto delle fedeltà presenti nel frammento ripetibile.
-
Variabili di dati:
estimate_values: Un array di valori float di tipo " 1d " contenente stime per ciascun osservabile, con dimensioni("observable",).estimate_std: Un array di deviazioni standard delle stime di tipo1d, con dimensioni("observable",).time_lbs: Un limite inferiore per la raccolta dei dati relativi a ciascuna grandezza osservabile, con dimensioni("observable",).time_ubs: Un limite superiore per la raccolta dei dati relativi a ciascuna grandezza osservabile, con dimensioni("observable",).metadata: Un array di oggetti1dcontenente eventuali dati aggiuntivi relativi a ciascuna grandezza osservabile, con dimensioni("observable",).
-
Coordinate:
unbound_path: Un array1ddi istanzePathnon associate che identificano ciascun osservabile, con dimensioni("observable",).fragment_depth: Un array di tipo1dche specificaintla profondità del frammento associata all'osservabile. Un valore pari a-1indica una stima relativa esclusivamente alla delrepeatable_fragmentpercorso.
Parametri
set di dati – Un Dataset con la formattazione sopra indicata.
__init__
__init__(dataset: Dataset)
Metodi
Rubrica 1 | Rubrica 2 |
|---|---|
__init__(set di dati) | |
from_arrays(percorsi non vincolati, profondità dei frammenti,...) | Crea istanze a partire dai dati specificati come array in contenitori standard. |
merge(altro) | Unire i dati relativi a “self” e “other” in un’unica istanza. |
Attributi
Rubrica 1 | Rubrica 2 |
|---|---|
dataset | L'insieme aggregato dei dati osservabili. |
dataset
Tipo: Dataset
L'insieme aggregato dei dati osservabili.
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
Crea istanze a partire dai dati specificati come array in contenitori standard.
Parametri
- unbound_paths – Un elenco di percorsi non associati (con
fragment_depth=None). - fragment_depths – Un elenco di profondità dei frammenti, in cui
-1indica che la stima corrispondente si riferisce esclusivamente al frammento ripetibile del percorso corrispondente. - estimate_values – Un array di tipo 1d contenente le stime per ciascuna variabile osservabile.
- estimate_std – Un array di deviazioni standard di tipo 1d.
- time_lbs – Un array di tipo “ 1d ” contenente i limiti inferiori dei tempi.
- time_ubs – Un array di tipo 1d contenente i limiti superiori di tempo.
- metadati – Qualsiasi dato aggiuntivo associato a un determinato osservabile.
merge
merge(other: Self) → Self
Unire i dati relativi a “self” e “other” in un’unica istanza.
Parametri
altro – Gli altri dati.
Risultati
Una nuova istanza contenente entrambi i set di dati.