LinearAmplitudeFunction

class qiskit.circuit.library.LinearAmplitudeFunction(num_state_qubits, slope, offset, domain, image, rescaling_factor=1, breakpoints=None, name='F')

베이스: QuantumCircuit

큐비트 진폭에 대해 (부분적으로) 선형 함수를 구현하는 회로입니다.

$f$ 함수의 진폭 함수 $F$ 는 매핑입니다

함수의 경우 $\hat{f}: \{ 0, ..., 2^n - 1 \} \rightarrow [0, 1]$, 여기서 $|x\rangle$ 은 $n$ 큐비트 상태입니다.

이 회로는 부분 선형 함수 $\hat{f}$ 에 대해 $F$ 를 구현합니다. 이 경우 테일러 확장 및 선형 제어 폴리-Y 회전을 사용하여 $F$ 매핑을 대략적으로 구현할 수 있습니다(자세한 내용은 [1, 2] 참조). 이 근사치는 rescaling_factor 을 사용하여 테일러 확장의 정확도를 결정합니다.

일반적으로 관심 함수 $f$ 는 어떤 간격 $[a,b]$ 에서 domain 로, $[c,d]$ 에서 image 로, $\{ 1, ..., N \}$ 에서 $[0, 1]$ 으로 정의됩니다. 아핀 변환을 사용하여 $f$ 을 $\hat{f}$ 로 재조정할 수 있습니다:

다음 항목으로 바꾸십시오.

$f$ 이 $m$ 간격 $[p_{i-1}, p_i], i \in \{1, ..., m\}$ 에 기울기 $\alpha_i$ 와 오프셋 $\beta_i$ 을 갖는 부분 선형 함수인 경우 다음과 같이 작성할 수 있습니다

여기서 $1_{[a, b]}$ 는 인수가 구간 $[a, b]$ 에 속할 때 1을, 그렇지 않을 때 0을 반환하는 지표 함수이다. $p_i$ 의 중단점은 인수를 breakpoints 통해 지정할 수 있습니다.

참조 자료:

[1] Woerner, S., & Egger, D. J. (2018). 양자 위험 분석. arXiv:1806.06893

[2.] Gacon, J., Zoufal, C., & Woerner, S. (2020). 양자 강화 시뮬레이션 기반 최적화. arXiv:2005.10780

매개변수

• num_state_qubits (int) – 변수 $x$ 를 인코딩하는 데 사용되는 큐비트의 수.
• slope (float |list[float]) – 선형 함수의 기울기. 구간별 선형 함수인 경우, 기울기의 목록일 수 있습니다.
• offset (float |list[float]) – 선형 함수의 절편. 단편 선형 함수인 경우 오프셋의 목록일 수 있습니다.
• domain (tuple[float, float]) – 튜플 $(x_{\min}, x_{\max})$ 형태의 함수의 정의역.
• image (tuple[float, float]) – 튜플 $(f_{\min}, f_{\max})$ 로 표현된 함수의 상.
• rescaling_factor (float) – 테일러 근사에서 정확도를 조정하기 위한 재스케일링 계수.
• breakpoints (list[float] | None) – 함수가 구간별 선형일 때의 분할점. None인 경우, 해당 함수는 구간별 함수가 아닙니다.
• name (str) – 회로 이름.

속성

name

from qiskit import QuantumCircuit

qc = QuantumCircuit(2, 2, name="my_circuit")
print(qc.name)

my_circuit

메소드

post_processing