結果類型清單 - Amazon Braket

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

結果類型清單

使用 測量電路時，Amazon Braket 可以傳回不同類型的結果ResultType。電路可以傳回下列類型的結果。

  • AdjointGradient 傳回所提供可觀察之預期值的梯度 （向量衍生性）。此可觀測值是在提供的目標上使用並行差異化方法，與指定的參數相關。您只能在快照 = 0 時使用此方法。

  • Amplitude 傳回輸出波函數中指定量子狀態的振幅。其可在 上使用 SV1 僅限 和本機模擬器。

  • Expectation 會傳回指定可觀測值的預期值，這可以透過本章稍後介紹的 Observable類別來指定。目標 qubits 必須指定用於測量可觀測的 ，且指定的目標數目必須等於 qubits 可觀測動作的 。如果未指定目標，則可觀測項目只能在 1 上運作 qubit 並套用至所有 qubits 並行。

  • Probability 傳回測量運算基礎狀態的機率。如果未指定目標， 會Probability傳回測量所有基礎狀態的機率。如果指定了目標，則只有指定 上基礎向量的邊際機率 qubits 會傳回 。

  • Reduced density matrix 傳回指定目標之子系統的密度矩陣 qubits 從 系統 qubits。 若要限制此結果類型的大小，Raket 會限制目標的數量 qubits 最多 8 個。

  • StateVector 會傳回完整的狀態向量。它可在本機模擬器上使用。

  • Sample 傳回指定目標的測量計數 qubit 可設定和觀察。如果未指定目標，則可觀測項目只能在 1 上運作 qubit 並套用至所有 qubits 並行。如果指定了目標，則指定的目標數量必須等於 qubits 可觀測動作的 。

  • Variance 傳回指定目標的變異數 (mean([x-mean(x)]2)) qubit 會設定 並觀察為請求的結果類型。如果未指定目標，則可觀測項目只能在 1 上運作 qubit 並套用至所有 qubits 並行。否則，指定的目標數量必須等於 qubits 可觀察項目可套用到其中。

不同裝置支援的結果類型：

本機 sim

SV1

DM1

TN1

Rigetti

IonQ

IQM

聯合漸層

N

Y

N

N

N

N

N

Amplitude

Y

Y

N

N

N

N

N

期望

Y

Y

Y

Y

Y

Y

Y

Probability (可能性)

Y

Y

Y

N

Y*

Y

Y

密度降低矩陣

Y

N

Y

N

N

N

N

狀態向量

Y

N

N

N

N

N

N

樣本

Y

Y

Y

Y

Y

Y

Y

變異數

Y

Y

Y

Y

Y

Y

Y
注意

* Rigetti 僅支援最多 40 的機率結果類型 qubits.

您可以檢查裝置屬性來檢查支援的結果類型，如下列範例所示。

device = AwsDevice("arn:aws:braket:us-west-1::device/qpu/rigetti/Ankaa-2")

# print the result types supported by this device
for iter in device.properties.action['braket.ir.openqasm.program'].supportedResultTypes:
    print(iter)
name='Sample' observables=['x', 'y', 'z', 'h', 'i'] minShots=10 maxShots=50000
name='Expectation' observables=['x', 'y', 'z', 'h', 'i'] minShots=10 maxShots=50000
name='Variance' observables=['x', 'y', 'z', 'h', 'i'] minShots=10 maxShots=50000
name='Probability' observables=None minShots=10 maxShots=50000

若要呼叫 ResultType，請將其附加至電路，如下列範例所示。

from braket.circuits import Observable

circ = Circuit().h(0).cnot(0, 1).amplitude(state=["01", "10"])
circ.probability(target=[0, 1])
circ.probability(target=0)
circ.expectation(observable=Observable.Z(), target=0)
circ.sample(observable=Observable.X(), target=0)
circ.state_vector()
circ.variance(observable=Observable.Z(), target=0)

# print one of the result types assigned to the circuit
print(circ.result_types[0])
注意

有些裝置提供測量 （例如 Rigetti) 做為結果，其他則提供機率做為結果 （例如 IonQ)。 SDK 提供結果的測量屬性，但對於傳回機率的裝置，則會在計算後進行。因此，類似 提供的裝置 IonQ 具有由機率決定的測量結果，因為不會傳回每個拍攝的測量結果。您可以檢視結果物件measurements_copied_from_device上的 ，檢查結果是否在後期計算，如此檔案所示。

可觀察項目

Amazon Braket 包含 Observable類別，可用來指定要測量的可觀測值。

您最多可以將一個可觀測的唯一非身分套用至每個 qubit。 如果您指定兩個或多個不同的非身分可觀測到相同的 qubit，您會看到錯誤。為此，張量產品的每個因素都算作個別可觀測，因此允許在相同 上操作多個張量產品 qubit，前提是作用於 的因素 qubit 是相同的。

您也可以擴展可觀測值，並新增可觀測值 （無論是否擴展）。這會建立Sum可用於AdjointGradient結果類型的 。

Observable 類別包含下列可觀測項目。

Observable.I()
Observable.H()
Observable.X()
Observable.Y()
Observable.Z()

# get the eigenvalues of the observable
print("Eigenvalue:", Observable.H().eigenvalues)
# or whether to rotate the basis to be computational basis
print("Basis rotation gates:",Observable.H().basis_rotation_gates)

# get the tensor product of observable for the multi-qubit case
tensor_product = Observable.Y() @ Observable.Z()
# view the matrix form of an observable by using
print("The matrix form of the observable:\n",Observable.Z().to_matrix())
print("The matrix form of the tensor product:\n",tensor_product.to_matrix())

# also factorize an observable in the tensor form
print("Factorize an observable:",tensor_product.factors)

# self-define observables given it is a Hermitian
print("Self-defined Hermitian:",Observable.Hermitian(matrix=np.array([[0, 1],[1, 0]])))

print("Sum of other (scaled) observables:", 2.0 * Observable.X() @ Observable.X() + 4.0 * Observable.Z() @ Observable.Z())
Eigenvalue: [ 1 -1]
Basis rotation gates: (Ry('angle': -0.7853981633974483, 'qubit_count': 1),)
The matrix form of the observable:
 [[ 1.+0.j  0.+0.j]
 [ 0.+0.j -1.+0.j]]
The matrix form of the tensor product:
 [[ 0.+0.j  0.+0.j  0.-1.j  0.-0.j]
 [ 0.+0.j -0.+0.j  0.-0.j  0.+1.j]
 [ 0.+1.j  0.+0.j  0.+0.j  0.+0.j]
 [ 0.+0.j -0.-1.j  0.+0.j -0.+0.j]]
Factorize an observable: (Y('qubit_count': 1), Z('qubit_count': 1))
Self-defined Hermitian: Hermitian('qubit_count': 1, 'matrix': [[0.+0.j 1.+0.j], [1.+0.j 0.+0.j]])
Sum of other (scaled) observables: Sum(TensorProduct(X('qubit_count': 1), X('qubit_count': 1)), TensorProduct(Z('qubit_count': 1), Z('qubit_count': 1)))

參數

電路可能包含免費參數，您可以在「建構一次 - 執行多次」中用來計算梯度。免費參數具有字串編碼名稱，可用來指定其值或判斷是否與其區別。

from braket.circuits import Circuit, FreeParameter, Observable
theta = FreeParameter("theta")
phi = FreeParameter("phi")
circ = Circuit().h(0).rx(0, phi).ry(0, phi).cnot(0, 1).xx(0, 1, theta)
circ.adjoint_gradient(observable=Observable.Z() @ Observable.Z(), target=[0, 1], parameters = ["phi", theta]

對於您要區分的參數，請使用其名稱 （做為字串） 或直接參考來指定它們。請注意，使用AdjointGradient結果類型計算梯度是針對可觀測值的預期值所完成。

注意：如果您已透過將可用參數做為引數傳遞至參數化電路來修正這些值，則以 作為AdjointGradient結果類型和指定的參數執行電路會產生錯誤。這是因為我們用來區分 的參數已不存在。請參閱以下範例。

device.run(circ(0.2), shots=0) # will error, as no free parameters will be present
device.run(circ, shots=0, inputs={'phi'=0.2, 'theta'=0.2) # will succeed