可視化ユーティリティ

plot_accumulated_error(metadata, axes, *, show_legend=True)

累積誤差をプロットする。

このメソッドは、指定された図の軸に、. の線グラフを描画します OBPMetadata.accumulated_error()。 以下に、この文脈において存在するある関 metadata 数をプロットした例を示します。

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_accumulated_error
>>> fig, axes = plt.subplots(1, 1)
>>> plot_accumulated_error(metadata, axes)

上の図を見てわかるように、バックプロパゲートされたスライスの数がX軸に沿って表示されている。 これはバックプロパゲーション・アルゴリズムの「時間」と考えることができる。 切り捨てられたパウリ項による累積誤差がy軸に沿って表示されている。 OBPMetadata.truncation_error_budget.max_error_total が numpy.infでない場合は、赤い横線で表示される。 バックプロパゲートされた各オブザーバブルは、それぞれの行を持つ。

このデータは、以下の方法で可視化されたものと関連している。 plot_slice_errors(). この方法は、スライス誤差の累積和をX軸に沿ってプロットする。

パラメーター

• metadata (OBPMetadata) – 可視化するメタデータ。
• axes (Axes) – プロットする matplotlib の軸。
• show_legend (bool) – プロットに凡例を表示するかどうか。

戻りの型

なし

plot_left_over_error_budget(metadata, axes, *, show_legend=True)

残されたエラーバジェットをプロットする。

このメソッドは、指定された図の軸に、. の線グラフを描画します OBPMetadata.left_over_error_budget()。 以下に、この文脈において存在するある関 metadata 数をプロットした例を示します。

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_left_over_error_budget
>>> fig, axes = plt.subplots(1, 1)
>>> plot_left_over_error_budget(metadata, axes)

上の図を見てわかるように、バックプロパゲートされたスライスの数がX軸に沿って表示されている。 これはバックプロパゲーション・アルゴリズムの「時間」と考えることができる。 各バックプロパゲーションステップで利用可能なエラーバジェットの残りがy軸に沿って表示される。 バックプロパゲートされた各観測量にはそれぞれのバジェットがあるので、それらは別々の線としてプロットされている。

パラメーター

• metadata (OBPMetadata) – 可視化するメタデータ。
• axes (Axes) – プロットする matplotlib の軸。
• show_legend (bool) – プロットに凡例を表示するかどうか。

戻りの型

なし

plot_slice_errors(metadata, axes, *, show_legend=True)

スライス誤差をプロットする。

この方法は、バックプロパゲートされた各スライスで発生したトランケーション・エラーを棒グラフにして、図の軸に入力する。 以下は、我々のコンテクスト内に存在する metadata をプロットした例である。

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_slice_errors
>>> fig, axes = plt.subplots(1, 1)
>>> plot_slice_errors(metadata, axes)

上の図を見てわかるように、バックプロパゲートされたスライスの数がX軸に沿って表示されている。 これはバックプロパゲーション・アルゴリズムの「時間」と考えることができる。 各バックプロパゲーションステップで発生した切り捨て誤差がy軸に沿って表示されている。 各観測値は個別に扱われるため、別々にプロットされている。

このデータは、以下の方法で可視化されたものと関連している。 plot_accumulated_error(). この方法では、スライス誤差の累積和をX軸に沿ってプロットする。

パラメーター

• metadata (OBPMetadata) – 可視化するメタデータ。
• axes (Axes) – プロットする matplotlib の軸。
• show_legend (bool) – プロットに凡例を表示するかどうか。

戻りの型

なし

plot_num_paulis(metadata, axes, *, show_legend=True)

パウリ項の数をプロットする。

この方法は、バックプロパゲートされた各スライスにおけるパウリ項の数の折れ線グラフを、提供された図軸に入力する。 以下は、我々のコンテクスト内に存在する metadata をプロットした例である。

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_num_paulis
>>> fig, axes = plt.subplots(1, 1)
>>> plot_num_paulis(metadata, axes)

上の図を見てわかるように、バックプロパゲートされたスライスの数がX軸に沿って表示されている。 これはバックプロパゲーション・アルゴリズムの「時間」と考えることができる。 各バックプロパゲーションステップにおけるパウリ項の数がy軸に沿って表示されている。 各観測値は個別に扱われるため、別々にプロットされている。

また、次のようにして、全観測量におけるユニークなパウリ項の数を調べることもできます。 plot_sum_paulis().

パラメーター

• metadata (OBPMetadata) – 可視化するメタデータ。
• axes (Axes) – プロットする matplotlib の軸。
• show_legend (bool) – プロットに凡例を表示するかどうか。

戻りの型

なし

plot_num_truncated_paulis(metadata, axes, *, show_legend=True)

切り捨てられたパウリ項の数をプロットする。

この方法は、バックプロパゲートされた各スライスにおいて、切り捨てられたパウリ項の数を棒グラフにし、図の軸に入力する。 以下は、我々のコンテクスト内に存在する metadata をプロットした例である。

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_num_truncated_paulis
>>> fig, axes = plt.subplots(1, 1)
>>> plot_num_truncated_paulis(metadata, axes)

上の図を見てわかるように、バックプロパゲートされたスライスの数がX軸に沿って表示されている。 これはバックプロパゲーション・アルゴリズムの「時間」と考えることができる。 各バックプロパゲーションステップにおける切り捨てられたパウリ項の数がy軸に沿って表示されている。 各観測値は個別に扱われるため、別々にプロットされている。

このデータから、累積誤差が複数のパウリ項にどのように分割されるかについて、さらなる洞察を得ることができる。 plot_accumulated_error()).

パラメーター

• metadata (OBPMetadata) – 可視化するメタデータ。
• axes (Axes) – プロットする matplotlib の軸。
• show_legend (bool) – プロットに凡例を表示するかどうか。

戻りの型

なし

plot_sum_paulis(metadata, axes, *, show_legend=True)

すべてのパウリ項の総数をプロットする。

この方法は、バックプロパゲートされた各スライスにおいて、すべてのパウリ項の総数を折れ線グラフにし、図の軸に入力する。 以下は、我々のコンテクスト内に存在する metadata をプロットした例である。

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_sum_paulis
>>> fig, axes = plt.subplots(1, 1)
>>> plot_sum_paulis(metadata, axes)

上の図を見てわかるように、バックプロパゲートされたスライスの数がX軸に沿って表示されている。 これはバックプロパゲーション・アルゴリズムの「時間」と考えることができる。 各バックプロパゲーションステップにおける全パウリ項の総数がy軸に沿って表示される。 OBPMetadata.operator_budget.max_paulis がNoneでない場合、赤い横線で表示される。

このデータから、バックプロパゲートされた観測値全体にどれだけのユニークなパウリ項が広がっているかをさらに知ることができる。 の出力も参照のこと。 plot_num_paulis() の出力も参照のこと。

パラメーター

• metadata (OBPMetadata) – 可視化するメタデータ。
• axes (Axes) – プロットする matplotlib の軸。
• show_legend (bool) – プロットに凡例を表示するかどうか。

戻りの型

なし

plot_num_qwc_groups(metadata, axes, *, show_legend=True)

qubit-wiseのcommuting Pauli群の数をプロットする。

この方法は、バックプロパゲートされた各スライスにおける、量子ビット単位で通い合うパウリ群の数を折れ線グラフにし、図の軸に入力する。 以下は、我々のコンテクスト内に存在する metadata をプロットした例である。

>>> from matplotlib import pyplot as plt
>>> from qiskit_addon_obp.utils.visualization import plot_num_qwc_groups
>>> fig, axes = plt.subplots(1, 1)
>>> plot_num_qwc_groups(metadata, axes)

上の図を見てわかるように、バックプロパゲートされたスライスの数がX軸に沿って表示されている。 これはバックプロパゲーション・アルゴリズムの「時間」と考えることができる。 各バックプロパゲーションステップにおける、量子ビット単位で通約するパウリ群の数がy軸に沿って表示されている。 OBPMetadata.operator_budget.max_qwc_groups がNoneでない場合、赤い横線で表示される。

パラメーター

• metadata (OBPMetadata) – 可視化するメタデータ。
• axes (Axes) – プロットする matplotlib の軸。
• show_legend (bool) – プロットに凡例を表示するかどうか。

戻りの型

なし