qiskit.circuit.library.z_feature_map

qiskit.circuit.library.z_feature_map(feature_dimension, reps=2, entanglement='full', alpha=2.0, data_map_func=None, parameter_prefix='x', insert_barriers=False, name='ZFeatureMap')

GitHub

Il circuito di evoluzione Z di Pauli del primo ordine.

Su 3 qubit e con 2 ripetizioni il circuito è rappresentato da:

┌───┐┌─────────────┐┌───┐┌─────────────┐
┤ H ├┤ P(2.0*x[0]) ├┤ H ├┤ P(2.0*x[0]) ├
├───┤├─────────────┤├───┤├─────────────┤
┤ H ├┤ U(2.0*x[1]) ├┤ H ├┤ P(2.0*x[1]) ├
├───┤├─────────────┤├───┤├─────────────┤
┤ H ├┤ P(2.0*x[2]) ├┤ H ├┤ P(2.0*x[2]) ├
└───┘└─────────────┘└───┘└─────────────┘

Si tratta di una sottoclasse di PauliFeatureMap in cui le stringhe di Pauli sono fissate come ['Z'.] Di conseguenza, l'espansione del primo ordine sarà un circuito senza porte entangling.

Parametri

feature_dimension (int) – Numero di qubit nel circuito.
reps (int) – Il numero di volte in cui vengono ripetuti i livelli di evoluzione.
entanglement (str |Sequence[Sequence[int]] | Callable[[int], str |Sequence[Sequence[int]]]) – Specifica la struttura di entanglement. Può essere una stringa ('full', 'linear', 'reverse_linear', 'circular' o 'sca'), un elenco di tuple di numeri interi oppure una funzione che restituisce questi tipi per ogni iterazione.
alpha (float) – Il fattore di rotazione di Pauli, moltiplicativo rispetto alle rotazioni di Pauli.
data_map_func (Callable[[Parameter], ParameterExpression] | None) – Una funzione di mappatura per i dati x che può essere specificata per sovrascrivere la mappatura predefinita.
parameter_prefix (str) – Il prefisso utilizzato quando vengono generati i parametri predefiniti.
insert_barriers (bool) – In tal caso True, vengono inserite delle barriere tra le istruzioni di evoluzione e gli strati di Hadamard.
name (str) – Il nome del circuito.

Risultati

Un circuito quantistico che implementa la mappa delle caratteristiche Z.

Tipo di restituzione

QuantumCircuit

Esempi

>>> from qiskit.circuit.library import z_feature_map
>>> prep = z_feature_map(3, reps=3, insert_barriers=True)
>>> print(prep)
     ┌───┐ ░ ┌─────────────┐ ░ ┌───┐ ░ ┌─────────────┐ ░ ┌───┐ ░ ┌─────────────┐
q_0: ┤ H ├─░─┤ P(2.0*x[0]) ├─░─┤ H ├─░─┤ P(2.0*x[0]) ├─░─┤ H ├─░─┤ P(2.0*x[0]) ├
     ├───┤ ░ ├─────────────┤ ░ ├───┤ ░ ├─────────────┤ ░ ├───┤ ░ ├─────────────┤
q_1: ┤ H ├─░─┤ P(2.0*x[1]) ├─░─┤ H ├─░─┤ P(2.0*x[1]) ├─░─┤ H ├─░─┤ P(2.0*x[1]) ├
     ├───┤ ░ ├─────────────┤ ░ ├───┤ ░ ├─────────────┤ ░ ├───┤ ░ ├─────────────┤
q_2: ┤ H ├─░─┤ P(2.0*x[2]) ├─░─┤ H ├─░─┤ P(2.0*x[2]) ├─░─┤ H ├─░─┤ P(2.0*x[2]) ├
     └───┘ ░ └─────────────┘ ░ └───┘ ░ └─────────────┘ ░ └───┘ ░ └─────────────┘

>>> data_map = lambda x: x[0]*x[0] + 1  # note: input is an array
>>> prep = z_feature_map(3, reps=1, data_map_func=data_map)
>>> print(prep)
     ┌───┐┌──────────────────────┐
q_0: ┤ H ├┤ P(2.0*x[0]**2 + 2.0) ├
     ├───┤├──────────────────────┤
q_1: ┤ H ├┤ P(2.0*x[1]**2 + 2.0) ├
     ├───┤├──────────────────────┤
q_2: ┤ H ├┤ P(2.0*x[2]**2 + 2.0) ├
     └───┘└──────────────────────┘

>>> from qiskit.circuit.library import n_local
>>> circuit = n_local(3, "ry", "cz", reps=1).decompose()
>>> classifier = z_feature_map(3, reps=1)
>>> classifier.append(circuit, list(range(classifier.num_qubits)))
>>> print(classifier)
     ┌───┐┌─────────────┐┌──────────┐      ┌──────────┐
q_0: ┤ H ├┤ P(2.0*x[0]) ├┤ RY(θ[0]) ├─■──■─┤ RY(θ[3]) ├────────────
     ├───┤├─────────────┤├──────────┤ │  │ └──────────┘┌──────────┐
q_1: ┤ H ├┤ P(2.0*x[1]) ├┤ RY(θ[1]) ├─■──┼──────■──────┤ RY(θ[4]) ├
     ├───┤├─────────────┤├──────────┤    │      │      ├──────────┤
q_2: ┤ H ├┤ P(2.0*x[2]) ├┤ RY(θ[2]) ├────■──────■──────┤ RY(θ[5]) ├
     └───┘└─────────────┘└──────────┘                  └──────────┘

Questa pagina è stata utile?

Segnala un bug, un errore di battitura o richiedi contenuti su GitHub.