StatevectorSampler
class qiskit.primitives.StatevectorSampler(*, default_shots=1024, seed=None)
Bases: BaseSamplerV2
Implementação simples de BaseSamplerV2 usando simulação de vetor de estado completo.
Essa classe é implementada por meio de Statevector que transforma os circuitos fornecidos em vetores de estado puro e, portanto, é incompatível com medições no meio do circuito (embora outras implementações possam ser).
Como visto no exemplo abaixo, esse amostrador suporta o fornecimento de matrizes de conjuntos de valores de parâmetros para associar a um único circuito.
Cada tupla de (circuit, <optional> parameter values, <optional> shots), chamada de bloco unificado primitivo do amostrador ( PUB ), produz seu próprio resultado com valor de matriz. O método run() pode receber vários pubs ao mesmo tempo.
from qiskit.circuit import (
Parameter, QuantumCircuit, ClassicalRegister, QuantumRegister
)
from qiskit.primitives import StatevectorSampler
import matplotlib.pyplot as plt
import numpy as np
# Define our circuit registers, including classical registers
# called 'alpha' and 'beta'.
qreg = QuantumRegister(3)
alpha = ClassicalRegister(2, "alpha")
beta = ClassicalRegister(1, "beta")
# Define a quantum circuit with two parameters.
circuit = QuantumCircuit(qreg, alpha, beta)
circuit.h(0)
circuit.cx(0, 1)
circuit.cx(1, 2)
circuit.ry(Parameter("a"), 0)
circuit.rz(Parameter("b"), 0)
circuit.cx(1, 2)
circuit.cx(0, 1)
circuit.h(0)
circuit.measure([0, 1], alpha)
circuit.measure([2], beta)
# Define a sweep over parameter values, where the second axis is over
# the two parameters in the circuit.
params = np.vstack([
np.linspace(-np.pi, np.pi, 100),
np.linspace(-4 * np.pi, 4 * np.pi, 100)
]).T
# Instantiate a new statevector simulation based sampler object.
sampler = StatevectorSampler()
# Start a job that will return shots for all 100 parameter value sets.
pub = (circuit, params)
job = sampler.run([pub], shots=256)
# Extract the result for the 0th pub (this example only has one pub).
result = job.result()[0]
# There is one BitArray object for each ClassicalRegister in the
# circuit. Here, we can see that the BitArray for alpha contains data
# for all 100 sweep points, and that it is indeed storing data for 2
# bits over 256 shots.
assert result.data.alpha.shape == (100,)
assert result.data.alpha.num_bits == 2
assert result.data.alpha.num_shots == 256
# We can work directly with a binary array in performant applications.
raw = result.data.alpha.array
# For small registers where it is anticipated to have many counts
# associated with the same bitstrings, we can turn the data from,
# for example, the 22nd sweep index into a dictionary of counts.
counts = result.data.alpha.get_counts(22)
# Or, convert into a list of bitstrings that preserve shot order.
bitstrings = result.data.alpha.get_bitstrings(22)
print(bitstrings)Parâmetros
- default_shots (int) – Os disparos padrão para o amostrador se não forem especificados durante a execução.
- seed (np.random.Generator | int | None) – A semente ou o objeto Generator para a geração de números aleatórios. Se for None (Nenhum), será usado um RNG padrão com sementes aleatórias.
Atributos
default_shots
Retornar as fotos padrão
seed
Retorna a semente ou o objeto Generator para a geração de números aleatórios.
Métodos
run
run(pubs, *, shots=None)
Execute e colete amostras de cada pub.
Parâmetros
- pubs (Iterable[TypeAliasForwardRef('SamplerPubLike')]) – Uma coleção de objetos do tipo pub. Por exemplo, uma lista de circuitos ou tuplas
(circuit, parameter_values). - shots (int | None) – O número total de disparos a serem amostrados para cada pub de amostrador que não especifica seus próprios disparos. Se
None, será usado o valor padrão de disparos da primitiva, que pode variar de acordo com a implementação.
Retorna
O objeto de trabalho do resultado do Sampler.
Tipo de retorno
TrabalhoPrimitivo [ ResultadoPrimitivo [ ResultadoAmostradorPub ]]