{ "cells": [ { "cell_type": "markdown", "id": "7e6b2936-3a18-4917-9c47-30e2d4ce5775", "metadata": {}, "source": [ "---\n", "title: \"Ergebnisse visualisieren\"\n", "description: \"Ergebnisse der Ausführung von Quanten-Schaltkreisen mit Qiskit darstellen\"\n", "---\n", "\n", "\n", "\n", "# Ergebnisse visualisieren\n", "\n" ] }, { "cell_type": "markdown", "id": "06a4399f-bca6-4c2e-9128-1494017d0249", "metadata": { "tags": [ "version-info" ] }, "source": [ "{/*\n", " DO NOT EDIT THIS CELL!!!\n", " This cell's content is generated automatically by a script. Anything you add\n", " here will be removed next time the notebook is run. To add new content, create\n", " a new cell before or after this one.\n", " */}\n", "\n", "\n", " \n", " Der Code auf dieser Seite wurde unter Berücksichtigung der folgenden Anforderungen entwickelt.\n", " Wir empfehlen die Verwendung dieser oder neuerer Versionen.\n", "\n", " ```\n", " qiskit[all]~=2.5.2\n", " ```\n", " \n", "\n", "\n" ] }, { "cell_type": "markdown", "id": "e8d0138c-fd97-49c2-88a5-1929a5a09258", "metadata": {}, "source": [ "\n", "\n", "## Plot-Histogramm\n", "\n", "Die Funktion `plot_histogram` visualisiert das Ergebnis der Abtastung einer Quantenschaltung auf einer QPU.\n", "\n", "\n", " Diese Funktion gibt ein `matplotlib.Figure` Objekt zurück. Wenn die letzte Zeile einer Codezelle diese Objekte ausgibt, werden sie in Jupyter-Notebooks unterhalb der Zelle angezeigt. Wenn Sie diese Funktionen in anderen Umgebungen oder in Skripten aufrufen, müssen Sie die Ausgaben explizit anzeigen oder speichern.\n", "\n", " Zwei Optionen sind möglich:\n", "\n", " * Rufen Sie `.show()` für das zurückgegebene Objekt auf, um das Bild in einem neuen Fenster zu öffnen (vorausgesetzt, Ihr konfiguriertes Matplotlib-Backend ist interaktiv).\n", " * Rufen Sie `.savefig(\"out.png\")` auf, um die Abbildung unter `out.png` im aktuellen Arbeitsverzeichnis zu speichern. Die Methode `savefig()` benötigt einen Pfad, damit Sie den Speicherort und den Dateinamen für die Ausgabe anpassen können. Zum Beispiel `plot_state_city(psi).savefig(\"out.png\")`.\n", "\n", "\n", "Erstellen Sie zum Beispiel einen Zwei-Qubit-Bell-Zustand:\n", "\n" ] }, { "cell_type": "code", "execution_count": 1, "id": "5cf67f92-a86d-496d-9e13-0d8a841c8dfa", "metadata": { "tags": [ "ignore-warnings" ] }, "outputs": [], "source": [ "from qiskit.primitives import StatevectorSampler as Sampler\n", "from qiskit.transpiler import generate_preset_pass_manager\n", "\n", "from qiskit.circuit import QuantumCircuit\n", "from qiskit.visualization import plot_histogram" ] }, { "cell_type": "code", "execution_count": 2, "id": "938e8206-d7e8-447d-b798-b7c2507f8901", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "PrimitiveResult([SamplerPubResult(data=DataBin(meas=BitArray()), metadata={'shots': 1024, 'circuit_metadata': {}})], metadata={'version': 2})\n" ] } ], "source": [ "# Quantum circuit to make a Bell state\n", "bell = QuantumCircuit(2)\n", "bell.h(0)\n", "bell.cx(0, 1)\n", "bell.measure_all()\n", "\n", "pm = generate_preset_pass_manager(optimization_level=1)\n", "isa_circuit = pm.run(bell)\n", "\n", "# execute the quantum circuit\n", "sampler = Sampler()\n", "job = sampler.run([isa_circuit])\n", "result = job.result()\n", "\n", "print(result)" ] }, { "cell_type": "code", "execution_count": 3, "id": "57d8053e-d030-460d-9c1f-772e53b1a49b", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "\"Output" ] }, "execution_count": 3, "metadata": {}, "output_type": "execute_result" } ], "source": [ "plot_histogram(result[0].data.meas.get_counts())" ] }, { "cell_type": "markdown", "id": "e3a68e3d-21e6-45a0-bc40-f9a2214dd5b3", "metadata": {}, "source": [ "\n", "\n", "### Optionen beim Zeichnen eines Histogramms\n", "\n", "Verwenden Sie die folgenden Optionen für `plot_histogram` , um die Ausgabegrafik anzupassen.\n", "\n", "* `legend`: Liefert eine Bezeichnung für die Ausführungen. Sie nimmt eine Liste von Zeichenketten auf, die zur Kennzeichnung der Ergebnisse jeder Ausführung verwendet werden. Dies ist vor allem dann nützlich, wenn mehrere Ausführungsergebnisse in einem Histogramm dargestellt werden sollen\n", "* `sort`: Passt die Reihenfolge der Balken im Histogramm an. Sie kann entweder in aufsteigender Reihenfolge mit `asc` oder in absteigender Reihenfolge mit `desc`\n", "* `number_to_keep`: Nimmt eine ganze Zahl für die Anzahl der anzuzeigenden Begriffe. Der Rest ist in einer einzigen Leiste mit der Bezeichnung \"Rest\" zusammengefasst\n", "* `color`: Passt die Farbe der Balken an; nimmt einen String oder eine Liste von Strings für die Farben, die für die Balken für jede Ausführung verwendet werden sollen\n", "* `bar_labels`: Legt fest, ob Etiketten über den Balken gedruckt werden\n", "* `figsize`: Nimmt ein Tupel mit der Größe in Zoll auf, um die Zahl auszugeben\n", "\n" ] }, { "cell_type": "code", "execution_count": 4, "id": "bd70e13f-5c52-42fb-8dde-980b15e3604a", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "\"Output" ] }, "execution_count": 4, "metadata": {}, "output_type": "execute_result" } ], "source": [ "# Execute two-qubit Bell state again\n", "\n", "job = sampler.run([isa_circuit], shots=1000)\n", "second_result = job.result()\n", "\n", "# Plot results with custom options\n", "plot_histogram(\n", " [\n", " result[0].data.meas.get_counts(),\n", " second_result[0].data.meas.get_counts(),\n", " ],\n", " legend=[\"first\", \"second\"],\n", " sort=\"desc\",\n", " figsize=(15, 12),\n", " color=[\"orange\", \"black\"],\n", " bar_labels=False,\n", ")" ] }, { "cell_type": "markdown", "id": "019ee04e-0730-4536-94cc-7e2b50d921e1", "metadata": {}, "source": [ "\n", "\n", "## Ergebnisse des Plot Estimators\n", "\n", "Qiskit verfügt nicht über eine eingebaute Funktion zur Darstellung von Estimator-Ergebnissen, aber Sie können Matplotlib 's [`bar` plot](https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.bar.html) für eine schnelle Visualisierung verwenden.\n", "\n", "Zur Veranschaulichung schätzt die folgende Zelle die Erwartungswerte von sieben verschiedenen Observablen für einen Quantenzustand.\n", "\n" ] }, { "cell_type": "code", "execution_count": 5, "id": "17c9893a-d1bf-4726-b444-6dce1d56805f", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "PubResult(data=DataBin(evs=np.ndarray(), stds=np.ndarray(), shape=(7, 1)), metadata={'target_precision': 0.0, 'circuit_metadata': {}})\n" ] }, { "data": { "text/plain": [ "" ] }, "execution_count": 5, "metadata": {}, "output_type": "execute_result" }, { "data": { "text/plain": [ "\"Output" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "import numpy as np\n", "from qiskit import QuantumCircuit\n", "from qiskit.quantum_info import SparsePauliOp\n", "from qiskit.primitives import StatevectorEstimator as Estimator\n", "from qiskit.transpiler import generate_preset_pass_manager\n", "from matplotlib import pyplot as plt\n", "\n", "# Simple estimation experiment to create results\n", "qc = QuantumCircuit(2)\n", "qc.h(0)\n", "qc.crx(1.5, 0, 1)\n", "\n", "observables_labels = [\"ZZ\", \"XX\", \"YZ\", \"ZY\", \"XY\", \"XZ\", \"ZX\"]\n", "observables = [SparsePauliOp(label) for label in observables_labels]\n", "\n", "pm = generate_preset_pass_manager(optimization_level=1)\n", "isa_circuit = pm.run(qc)\n", "isa_observables = [\n", " operator.apply_layout(isa_circuit.layout) for operator in observables\n", "]\n", "\n", "# Reshape observable array for broadcasting\n", "reshaped_ops = np.fromiter(isa_observables, dtype=object)\n", "reshaped_ops = reshaped_ops.reshape((7, 1))\n", "\n", "estimator = Estimator()\n", "job = estimator.run([(isa_circuit, reshaped_ops)])\n", "result = job.result()[0]\n", "exp_val = job.result()[0].data.evs\n", "print(result)\n", "\n", "# Since the result array is structured as a 2D array where each element is a\n", "# list containing a single value, you need to flatten the array.\n", "\n", "# Plot using Matplotlib\n", "plt.bar(observables_labels, exp_val.flatten())" ] }, { "cell_type": "markdown", "id": "a520f049-c2ee-4f14-8039-b5be671f25ae", "metadata": {}, "source": [ "Die folgende Zelle verwendet den geschätzten [Standardfehler](https://en.wikipedia.org/wiki/Standard_error) jedes Ergebnisses und fügt ihn als Fehlerbalken hinzu. Eine vollständige Beschreibung des Plots finden Sie in der [Dokumentation `bar` ](https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.bar.html).\n", "\n" ] }, { "cell_type": "code", "execution_count": 6, "id": "4eb79f4b-36b5-4797-a1a0-67d881d46ca4", "metadata": {}, "outputs": [ { "data": { "text/plain": [ "Text(0.5, 1.0, 'Expectation values (with standard errors)')" ] }, "execution_count": 6, "metadata": {}, "output_type": "execute_result" }, { "data": { "text/plain": [ "\"Output" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "standard_error = job.result()[0].data.stds\n", "\n", "_, ax = plt.subplots()\n", "ax.bar(\n", " observables_labels,\n", " exp_val.flatten(),\n", " yerr=standard_error.flatten(),\n", " capsize=2,\n", ")\n", "ax.set_title(\"Expectation values (with standard errors)\")" ] }, { "cell_type": "markdown", "metadata": {}, "id": "a1b8767d", "source": "© IBM Corp., 2017-2026" } ], "metadata": { "kernelspec": { "display_name": "Python 3", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3" } }, "nbformat": 4, "nbformat_minor": 4 }