qiskit_noise_learning.protocols.process_learning_result

qiskit_noise_learning.protocols.process_learning_result(result: QuantumProgramResult, raw_data_stage: AnalysisStage | None = None) → Fit

Analizzare il risultato di un programma creato con prepare_learning_program().

Applica l'analisi standard del programma di apprendimento “vanilla” utilizzando l'adattamento della curva e LegacySolve l'adattamento del modello.

Esempio:

fit = process_learning_result(job.result())
noise_maps = split_pauli_lindblad_model(fit.model).model.to_pauli_lindblad_maps(
    fit.model_data
)

Parametri

• risultato – Il risultato di un programma creato da prepare_learning_program().
• raw_data_stage – Una fase di analisi facoltativa da eseguire sui dati grezzi prima dell’analisi standard, in genere per effettuare una post-selezione sui registri aggiunti dal pass manager durante la preparazione. Deve consumare e produrre RawData.

Risultati

L'adattamento, che mantiene i dati a ogni livello di analisi.

Aumenti

• TypeError : se raw_data_stage non è una fase di analisi.
• ValueError : se raw_data_stage non consuma né produce dati RawData, se result non contiene elementi di programma, se i dati di passaggio di result sono stati scritti in una versione di formato incompatibile oppure se result viola i presupposti del risolutore.