Skip to main content
IBM Quantum Platform

NoiseLearnerV3Result

class NoiseLearnerV3Result

GitHub

ベース： object

単一命令に対するノイズ学習器の実験結果（Pauli Lindblad形式）。

状態 ρ\rho に作用するエラーチャネル Pauli Lindblad EE は、Pauli Lindblad 形式で次のように表すことができる。 E(ρ)=e∑jrjDPj(ρ)E(\rho) = e^{\sum_j r_j D_{P_j}}(\rho)、 PjP_j は Pauli 演算子（または「生成子」）であり、 rjr_j は浮動小数点数（または「レート」）である [1]. 等価なパウリ誤差チャネルは、単一パウリチャネル項の合成として構成することができる

E=e∑jrjDPj=∏jerjDPj=prodj((1−pj)SI+pjSPj)E = e^{\sum_j r_j D_{P_j}} = \prod_j e^{r_j D_{P_j}} = prod_j \left( (1 - p_j) S_I + p_j S_{P_j} \right)

ここで、 pj=12−12e−2rjp_j = \frac12 - \frac12 e^{-2 r_j} である。

ノイズチャネルを学習するためのいくつかの手法（例えば、参考文献[1]に記載されているパウリ・リンドブラッド学習プロトコルなど） [1]. 縮約項を生成する。つまり、個々の比ではなく、比の積を学ぶことになる。

参考文献

  1. E. van den Berg, Z.、Minev, A.、Kandala, K.、Temme, K.、「ノイズの多い量子プロセッサにおける疎なパウリ・リンドブラッドモデルを用いた確率的誤差相殺」、『Nature Physics』第19巻、1116–1121頁（2023年）。 arXiv:2201.09866 [量子物理学]

方法

__len__

__len__()

GitHub

戻りの型

int

from_generators

classmethod from_generators(generators, rates, rates_std=None, metadata=None)

GitHub

ジェネレータとレートの集合から構築する。

パラメーター

  • generators (Iterable[QubitSparsePauliList]) – パウリ・リンドブラッド形式でノイズチャネルを記述するジェネレータ。 QubitSparsePauliこれは、モデル内に存在する縮退性を捉えるために、のリストではなく、オブジェクトの QubitSparsePauliList リストである。
  • rates (Iterable[float]) – 各発電機の料金。 i``iこのリストの第-番目の要素は、第-番目の生成子に含まれるすべてのパウリの割合を表しています。
  • rates_std (Iterable[float] | None) – 発電機の出力率に関連する標準偏差。 0``Noneの場合、すべての標準偏差を に設定します。
  • metadata (Metadata | None) – メタデータ辞典。

戻りの型

NoiseLearnerV3Result

to_pauli_lindblad_map

to_pauli_lindblad_map()

GitHub

この結果をパウリ・リンドブラッド写像に変換せよ。

生成子に含まれるパウリ項は、物理的な量子ビットの順序、すなわち最外層の回路における量子ビットの順序に従ってインデックス付けされています。

戻りの型

PauliLindbladMap

このページは役に立ちましたか？
バグや誤字の報告、またはコンテンツの要求はGitHubで行ってください。