{ "cells": [ { "cell_type": "markdown", "id": "7e6b2936-3a18-4917-9c47-30e2d4ce5775", "metadata": {}, "source": [ "---\n", "title: \"Visualizza i risultati\"\n", "description: \"Traccia i risultati dell'esecuzione del circuito quantistico utilizzando Qiskit\"\n", "---\n", "\n", "\n", "\n", "# Visualizza i risultati\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", " Il codice di questa pagina è stato sviluppato in base ai seguenti requisiti.\n", " Si consiglia di utilizzare queste versioni o versioni più recenti.\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", "## Istogramma del grafico\n", "\n", "La funzione `plot_histogram` visualizza il risultato del campionamento di un circuito quantistico su una QPU.\n", "\n", "\n", " Questa funzione restituisce un oggetto `matplotlib.Figure` . Quando l'ultima riga di una cella di codice produce questi oggetti, i notebook Jupyter li visualizzano sotto la cella. Se si richiamano queste funzioni in altri ambienti o in script, è necessario mostrare o salvare esplicitamente gli output.\n", "\n", " Le opzioni sono due:\n", "\n", " * Chiamare `.show()` sull'oggetto restituito per aprire l'immagine in una nuova finestra (supponendo che il backend matplotlib configurato sia interattivo).\n", " * Chiamare `.savefig(\"out.png\")` per salvare la figura in `out.png` nella directory di lavoro corrente. Il metodo `savefig()` accetta un percorso, in modo da poter regolare la posizione e il nome del file in cui salvare l'output. Ad esempio, `plot_state_city(psi).savefig(\"out.png\")`.\n", "\n", "\n", "Ad esempio, creare uno stato di Bell a due qubit:\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", "### Opzioni per la creazione di un istogramma\n", "\n", "Utilizzare le seguenti opzioni per `plot_histogram` per regolare il grafico di uscita.\n", "\n", "* `legend`: Fornisce un'etichetta per le esecuzioni. Prende un elenco di stringhe utilizzate per etichettare i risultati di ogni esecuzione. Questo è utile soprattutto quando si tracciano più risultati di esecuzione nello stesso istogramma\n", "* `sort`: Regola l'ordine delle barre nell'istogramma. Si può impostare l'ordine ascendente con `asc` o l'ordine discendente con `desc`\n", "* `number_to_keep`: Richiede un numero intero per il numero di termini da mostrare. Gli altri sono raggruppati in un'unica barra chiamata \"riposo\"\n", "* `color`: Regola il colore delle barre; accetta una stringa o un elenco di stringhe per i colori da utilizzare per le barre per ogni esecuzione\n", "* `bar_labels`: Regola se le etichette vengono stampate sopra le barre\n", "* `figsize`: Prende una tupla delle dimensioni in pollici per creare la figura di uscita\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", "## Risultati dello strumento di stima dell'area\n", "\n", "Qiskit non ha una funzione integrata per tracciare i risultati dell'Estimatore, ma puoi usare Matplotlib [`bar` tracciare un grafico](https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.bar.html) per una rapida visualizzazione.\n", "\n", "Per dimostrarlo, la cella seguente stima i valori di aspettativa di sette diverse osservabili su uno stato quantistico.\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 cella seguente utilizza l' [errore standard](https://en.wikipedia.org/wiki/Standard_error) stimato di ciascun risultato e lo aggiunge come barre di errore. Vedi il [`bar` documentazione della trama](https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.bar.html) per una descrizione completa della trama.\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 }