qiskit.circuit.library.qaoa_ansatz

qiskit.circuit.library.qaoa_ansatz(cost_operator, reps=1, initial_state=None, mixer_operator=None, insert_barriers=False, name='QAOA', flatten=True)

Un circuito quantistico generalizzato QAOA con un supporto di stati iniziali e miscelatori personalizzati.

Esempi:

Per definire l'ansatz QAOA è necessaria un'hamiltoniana dei costi, che codifichi il problema di ottimizzazione classico:

from qiskit.quantum_info import SparsePauliOp
from qiskit.circuit.library import qaoa_ansatz

cost_operator = SparsePauliOp(["ZZII", "IIZZ", "ZIIZ"])
ansatz = qaoa_ansatz(cost_operator, reps=3, insert_barriers=True)
ansatz.draw("mpl")

Parametri

• cost_operator (BaseOperator) – L'operatore che rappresenta il costo del problema di ottimizzazione, indicato con $U(C, \gamma)$ in [1].
• reps (int) – Il numero intero che determina la profondità del circuito, chiamato $p$ in [1].
• initial_state (QuantumCircuit | None) – Uno stato iniziale opzionale da utilizzare, il cui valore predefinito è un livello di porte di Hadamard che preparano lo stato $|+\rangle^{\otimes n}$. Se si sceglie un mixer personalizzato, questo circuito deve essere configurato in modo da prepararne lo stato di base, al fine di soddisfare adeguatamente le condizioni di ricottura.
• mixer_operator (BaseOperator | None) – Un mixer personalizzato opzionale, che ha come impostazione predefinita le rotazioni globali di Pauli- $X$. Questo è indicato con $U(B, \beta)$ in [1]. Se questa opzione è impostata, potrebbe essere necessario modificare anche il sito initial_state .
• insert_barriers (bool) – Se inserire delle barriere tra i costi e gli operatori del mixer.
• name (str) – Il nome del circuito.
• flatten (bool) – Se True, viene restituito un circuito piatto invece di annidarlo all'interno di più strati di oggetti gate. L'impostazione di False è significativamente meno performante, soprattutto per il binding dei parametri, ma può essere auspicabile per una visualizzazione più pulita.

Tipo di restituzione

QuantumCircuit

Riferimenti:

[1] Farhi et al, Un algoritmo di ottimizzazione quantistica approssimativa. arXiv:1411.4028