시각화 유틸리티

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

누적된 오류를 플롯합니다.

이 메서드는 제공된 그림의 축에.의 선 그래프를 표시합니다 OBPMetadata.accumulated_error(). 다음은 우리 맥락 내에서 존재하는 몇 가지 값을 metadata 그래프로 나타낸 예시입니다.

>>> 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)

위 그림에서 볼 수 있듯이, 역전파된 슬라이스의 수는 x축을 따라 표시됩니다. 이를 역전파 알고리즘의 '시간'이라고 생각하면 됩니다. 잘린 폴리 항으로 인해 누적된 오차가 y축을 따라 표시됩니다. OBPMetadata.truncation_error_budget.max_error_total 이 아닌 경우 numpy.inf이 아닌 경우 빨간색 가로줄로 표시됩니다. 역전파된 각 관측값은 고유한 라인을 갖습니다.

이 데이터는 다음에 의해 시각화된 데이터와 관련이 있습니다 plot_slice_errors(). 이 방법은 x축을 따라 슬라이스 오류의 누적 합계를 플롯합니다.

매개변수

• metadata (OBPMetadata) – 시각화할 메타데이터.
• axes (Axes) – 플롯할 matplotlib 축을 지정합니다.
• show_legend (bool) – 플롯에 범례 표시를 활성화/비활성화합니다.

리턴 유형

없음

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

남은 오류 예산을 플롯합니다.

이 메서드는 제공된 그림의 축에.의 선 그래프를 표시합니다 OBPMetadata.left_over_error_budget(). 다음은 우리 맥락 내에서 존재하는 몇 가지 값을 metadata 그래프로 나타낸 예시입니다.

>>> 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)

위 그림에서 볼 수 있듯이, 역전파된 슬라이스의 수는 x축을 따라 표시됩니다. 이를 역전파 알고리즘의 '시간'이라고 생각하면 됩니다. 각 역전파 단계에서 사용 가능한 남은 오류 예산이 Y축을 따라 표시됩니다. 역전파된 각 관측값에는 자체 예산이 있으므로 별도의 라인으로 표시됩니다.

매개변수

• metadata (OBPMetadata) – 시각화할 메타데이터.
• axes (Axes) – 플롯할 matplotlib 축을 지정합니다.
• show_legend (bool) – 플롯에 범례 표시를 활성화/비활성화합니다.

리턴 유형

없음

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

슬라이스 오류를 플롯합니다.

이 메서드는 제공된 그림 축을 각 역전파된 슬라이스에서 발생한 잘림 오류의 막대형 막대 그래프로 채웁니다. 아래는 컨텍스트 내에 존재하는 metadata 을 플롯한 예시입니다.

>>> 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)

위 그림에서 볼 수 있듯이, 역전파된 슬라이스의 수는 x축을 따라 표시됩니다. 이를 역전파 알고리즘의 '시간'이라고 생각하면 됩니다. 각 역전파 단계에서 발생한 잘림 오차가 Y축을 따라 표시됩니다. 각 관측값은 개별적으로 처리되므로 개별적으로 플롯됩니다.

이 데이터는 다음에 의해 시각화된 데이터와 관련이 있습니다 plot_accumulated_error(). 이 방법은 x축을 따라 슬라이스 오류의 누적 합계를 플롯합니다.

매개변수

• metadata (OBPMetadata) – 시각화할 메타데이터.
• axes (Axes) – 플롯할 matplotlib 축을 지정합니다.
• show_legend (bool) – 플롯에 범례 표시를 활성화/비활성화합니다.

리턴 유형

없음

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

폴리 항의 수를 플롯합니다.

이 메서드는 제공된 그림 축을 각 역전파된 슬라이스의 폴리 항 수에 대한 선 플롯으로 채웁니다. 아래는 컨텍스트 내에 존재하는 metadata 을 플롯한 예시입니다.

>>> 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)

위 그림에서 볼 수 있듯이, 역전파된 슬라이스의 수는 x축을 따라 표시됩니다. 이를 역전파 알고리즘의 '시간'이라고 생각하면 됩니다. 각 역전파 단계의 폴리 항의 수는 y축을 따라 표시됩니다. 각 관측값은 개별적으로 처리되므로 개별적으로 플롯됩니다.

를 사용하여 모든 관측값에서 고유한 폴리 용어의 수를 확인할 수도 있습니다 plot_sum_paulis().

매개변수

• metadata (OBPMetadata) – 시각화할 메타데이터.
• axes (Axes) – 플롯할 matplotlib 축을 지정합니다.
• show_legend (bool) – 플롯에 범례 표시를 활성화/비활성화합니다.

리턴 유형

없음

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

잘린 폴리 항의 수를 플롯합니다.

이 방법은 제공된 그림 축을 각 역전파된 슬라이스에서 잘린 폴리 항의 수에 대한 막대형 막대 그래프로 채웁니다. 아래는 컨텍스트 내에 존재하는 metadata 을 플롯한 예시입니다.

>>> 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)

위 그림에서 볼 수 있듯이, 역전파된 슬라이스의 수는 x축을 따라 표시됩니다. 이를 역전파 알고리즘의 '시간'이라고 생각하면 됩니다. 각 역전파 단계에서 잘린 파울리 항의 수가 y축을 따라 표시됩니다. 각 관측값은 개별적으로 처리되므로 개별적으로 플롯됩니다.

이 데이터는 누적된 오류가 여러 폴리 용어에 걸쳐 어떻게 분할되는지에 대한 추가 인사이트를 제공할 수 있습니다( plot_accumulated_error()).

매개변수

• metadata (OBPMetadata) – 시각화할 메타데이터.
• axes (Axes) – 플롯할 matplotlib 축을 지정합니다.
• show_legend (bool) – 플롯에 범례 표시를 활성화/비활성화합니다.

리턴 유형

없음

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

모든 폴리 항의 총 개수를 플롯합니다.

이 메서드는 제공된 그림 축을 각 역전파된 슬라이스에서 모든 폴리 항의 총 수의 선 플롯으로 채웁니다. 아래는 컨텍스트 내에 존재하는 metadata 을 플롯한 예시입니다.

>>> 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)

위 그림에서 볼 수 있듯이, 역전파된 슬라이스의 수는 x축을 따라 표시됩니다. 이를 역전파 알고리즘의 '시간'이라고 생각하면 됩니다. 각 역전파 단계의 모든 폴리 항의 총 개수가 Y축을 따라 표시됩니다. OBPMetadata.operator_budget.max_paulis 이 없음이 아닌 경우 빨간색 가로줄로 표시됩니다.

이 데이터를 통해 모든 역전파된 관측값에 얼마나 많은 고유한 폴리 용어가 분포되어 있는지에 대한 추가적인 인사이트를 얻을 수 있습니다. 의 출력도 참조하세요 plot_num_paulis() 의 출력을 참조하세요. 각 관측 가능 항목의 폴리 항의 개수를 개별적으로 확인합니다.

매개변수

• metadata (OBPMetadata) – 시각화할 메타데이터.
• axes (Axes) – 플롯할 matplotlib 축을 지정합니다.
• show_legend (bool) – 플롯에 범례 표시를 활성화/비활성화합니다.

리턴 유형

없음

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

큐비트 단위로 통근하는 폴리 그룹의 수를 플롯합니다.

이 방법은 제공된 그림 축을 각 역전파된 슬라이스에서 큐비트 단위로 통근하는 폴리 그룹의 수에 대한 선 플롯으로 채웁니다. 아래는 컨텍스트 내에 존재하는 metadata 을 플롯한 예시입니다.

>>> 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)

위 그림에서 볼 수 있듯이, 역전파된 슬라이스의 수는 x축을 따라 표시됩니다. 이를 역전파 알고리즘의 '시간'이라고 생각하면 됩니다. 각 역전파 단계에서 큐비트 단위로 통근하는 파울리 그룹의 수가 y축을 따라 표시됩니다. OBPMetadata.operator_budget.max_qwc_groups 이 없음이 아닌 경우 빨간색 가로줄로 표시됩니다.

매개변수

• metadata (OBPMetadata) – 시각화할 메타데이터.
• axes (Axes) – 플롯할 matplotlib 축을 지정합니다.
• show_legend (bool) – 플롯에 범례 표시를 활성화/비활성화합니다.

리턴 유형

없음