{ "cells": [ { "cell_type": "markdown", "id": "7e6b2936-3a18-4917-9c47-30e2d4ce5775", "metadata": {}, "source": [ "---\n", "title: \"Visualiser les résultats\"\n", "description: \"Tracer les résultats d'exécution d'un circuit quantique à l'aide de Qiskit\"\n", "---\n", "\n", "\n", "\n", "# Visualiser les résultats\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", " Le code de cette page a été développé en tenant compte des exigences suivantes.\n", " Nous recommandons d'utiliser ces versions ou des versions plus récentes.\n", "\n", " ```\n", " qiskit[all]~=2.5.1\n", " ```\n", " \n", "\n", "\n" ] }, { "cell_type": "markdown", "id": "e8d0138c-fd97-49c2-88a5-1929a5a09258", "metadata": {}, "source": [ "\n", "\n", "## Histogramme de tracé\n", "\n", "La fonction `plot_histogram` permet de visualiser le résultat de l'échantillonnage d'un circuit quantique sur une QPU.\n", "\n", "\n", " Cette fonction renvoie un objet `matplotlib.Figure` . Lorsque la dernière ligne d'une cellule de code produit ces objets, les carnets Jupyter les affichent sous la cellule. Si vous appelez ces fonctions dans d'autres environnements ou dans des scripts, vous devrez explicitement afficher ou enregistrer les résultats.\n", "\n", " Deux options sont possibles :\n", "\n", " * Appelez `.show()` sur l'objet retourné pour ouvrir l'image dans une nouvelle fenêtre (en supposant que votre backend matplotlib configuré soit interactif).\n", " * Appelez `.savefig(\"out.png\")` pour enregistrer la figure à `out.png` dans le répertoire de travail actuel. La méthode `savefig()` prend un chemin d'accès afin que vous puissiez ajuster l'emplacement et le nom de fichier où vous enregistrez la sortie. Par exemple, `plot_state_city(psi).savefig(\"out.png\")`.\n", "\n", "\n", "Par exemple, créer un état de Bell à deux qubits :\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", "### Options lors du tracé d'un histogramme\n", "\n", "Utilisez les options suivantes pour `plot_histogram` afin d'ajuster le graphique de sortie.\n", "\n", "* `legend`: Fournit une étiquette pour les exécutions. Il prend une liste de chaînes de caractères utilisées pour étiqueter les résultats de chaque exécution. Cette fonction est surtout utile pour représenter plusieurs résultats d'exécution dans le même histogramme\n", "* `sort`: Règle l'ordre des barres dans l'histogramme. Il peut être défini par ordre croissant avec `asc` ou par ordre décroissant avec `desc`\n", "* `number_to_keep`: Prend un nombre entier pour le nombre de termes à afficher. Les autres sont regroupés dans une barre unique appelée \"rest\"\n", "* `color`: Ajuste la couleur des barres; prend une chaîne ou une liste de chaînes pour les couleurs à utiliser pour les barres pour chaque exécution\n", "* `bar_labels`: Permet de déterminer si les étiquettes sont imprimées au-dessus des barres\n", "* `figsize`: Prend un tuple de la taille en pouces pour faire le chiffre de sortie\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", "## Résultats de l'estimateur de surface\n", "\n", "Qiskit ne dispose pas d'une fonction intégrée pour tracer les résultats de l'estimateur, mais vous pouvez utiliser Matplotlib. [`bar` tracé](https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.bar.html) pour une visualisation rapide.\n", "\n", "Pour le démontrer, la cellule suivante estime les valeurs d'espérance de sept observables différentes sur un état quantique.\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": [ "La cellule suivante utilise l' [erreur standard](https://en.wikipedia.org/wiki/Standard_error) estimée de chaque résultat et l'ajoute sous forme de barres d'erreur. Voir la [documentation du graphe `bar` ](https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.bar.html) pour une description complète du graphe.\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 }