Vizualizează rezultatele

Versiuni de pachete

Codul de pe această pagină a fost dezvoltat folosind următoarele cerințe. Recomandăm să folosești aceste versiuni sau unele mai noi.

qiskit[all]~=2.3.0
qiskit-ibm-runtime~=0.43.1

Reprezentare grafică sub formă de histogramă

Funcția plot_histogram vizualizează rezultatul eșantionării unui Circuit cuantic pe un QPU.

Folosirea rezultatelor returnate de funcții

Această funcție returnează un obiect matplotlib.Figure. Când ultima linie dintr-o celulă de cod produce astfel de obiecte, notebook-urile Jupyter le afișează sub celulă. Dacă apelezi aceste funcții în alte medii sau în scripturi, va trebui să afișezi sau să salvezi explicit rezultatele.

Două opțiuni sunt:

• Apelează .show() pe obiectul returnat pentru a deschide imaginea într-o fereastră nouă (presupunând că backend-ul matplotlib configurat este interactiv).
• Apelează .savefig("out.png") pentru a salva figura în out.png în directorul de lucru curent. Metoda savefig() acceptă o cale, astfel că poți ajusta locația și numele fișierului în care salvezi rezultatul. De exemplu, plot_state_city(psi).savefig("out.png").

De exemplu, creează o stare Bell cu doi Qubiți:

# Added by doQumentation — required packages for this notebook
!pip install -q matplotlib numpy qiskit qiskit-ibm-runtime

from qiskit_ibm_runtime import QiskitRuntimeService, SamplerV2 as Sampler
from qiskit.transpiler import generate_preset_pass_manager

from qiskit.circuit import QuantumCircuit
from qiskit.visualization import plot_histogram

service = QiskitRuntimeService()

backend = service.least_busy(simulator=False, operational=True)

# Quantum circuit to make a Bell state
bell = QuantumCircuit(2)
bell.h(0)
bell.cx(0, 1)
bell.measure_all()

pm = generate_preset_pass_manager(backend=backend, optimization_level=1)
isa_circuit = pm.run(bell)

# execute the quantum circuit
sampler = Sampler(backend)
job = sampler.run([isa_circuit])
result = job.result()

print(result)

PrimitiveResult([SamplerPubResult(data=DataBin(meas=BitArray(<shape=(), num_shots=4096, num_bits=2>)), metadata={'circuit_metadata': {}})], metadata={'execution': {'execution_spans': ExecutionSpans([DoubleSliceSpan(<start='2026-01-15 07:11:30', stop='2026-01-15 07:11:32', size=4096>)])}, 'version': 2})

plot_histogram(result[0].data.meas.get_counts())

Opțiuni la reprezentarea unei histograme

Folosește următoarele opțiuni pentru plot_histogram pentru a ajusta graficul rezultat.

• legend: Oferă o etichetă pentru execuții. Acceptă o listă de șiruri de caractere folosite pentru a eticheta rezultatele fiecărei execuții. Este util mai ales când reprezinți grafic mai multe rezultate de execuție în aceeași histogramă.
• sort: Ajustează ordinea barelor din histogramă. Poate fi setat fie pe ordine crescătoare cu asc, fie pe ordine descrescătoare cu desc.
• number_to_keep: Acceptă un număr întreg reprezentând numărul de termeni de afișat. Restul sunt grupați împreună într-o singură bară numită „rest".
• color: Ajustează culoarea barelor; acceptă un șir de caractere sau o listă de șiruri de caractere pentru culorile de folosit pentru barele fiecărei execuții.
• bar_labels: Ajustează dacă sunt afișate etichete deasupra barelor.
• figsize: Acceptă un tuplu cu dimensiunea în inci a figurii de ieșire.

# Execute two-qubit Bell state again
sampler.options.default_shots = 1000

job = sampler.run([isa_circuit])
second_result = job.result()

# Plot results with custom options
plot_histogram(
    [
        result[0].data.meas.get_counts(),
        second_result[0].data.meas.get_counts(),
    ],
    legend=["first", "second"],
    sort="desc",
    figsize=(15, 12),
    color=["orange", "black"],
    bar_labels=False,
)

Reprezentarea grafică a rezultatelor Estimator

Qiskit nu dispune de o funcție integrată pentru reprezentarea grafică a rezultatelor Estimator, dar poți folosi graficul bar din Matplotlib pentru o vizualizare rapidă.

Pentru a demonstra, celula următoare estimează valorile de așteptare ale șapte observabile diferite pe o stare cuantică.

import numpy as np
from qiskit import QuantumCircuit
from qiskit.quantum_info import SparsePauliOp
from qiskit_ibm_runtime import EstimatorV2 as Estimator
from qiskit.transpiler import generate_preset_pass_manager
from matplotlib import pyplot as plt

# Simple estimation experiment to create results
qc = QuantumCircuit(2)
qc.h(0)
qc.crx(1.5, 0, 1)

observables_labels = ["ZZ", "XX", "YZ", "ZY", "XY", "XZ", "ZX"]
observables = [SparsePauliOp(label) for label in observables_labels]

service = QiskitRuntimeService()

pm = generate_preset_pass_manager(backend=backend, optimization_level=1)
isa_circuit = pm.run(qc)
isa_observables = [
    operator.apply_layout(isa_circuit.layout) for operator in observables
]

# Reshape observable array for broadcasting
reshaped_ops = np.fromiter(isa_observables, dtype=object)
reshaped_ops = reshaped_ops.reshape((7, 1))

estimator = Estimator(backend)
job = estimator.run([(isa_circuit, reshaped_ops)])
result = job.result()[0]
exp_val = job.result()[0].data.evs
print(result)

# Since the result array is structured as a 2D array where each element is a
# list containing a single value, you need to flatten the array.

# Plot using Matplotlib
plt.bar(observables_labels, exp_val.flatten())

PubResult(data=DataBin(evs=np.ndarray(<shape=(7, 1), dtype=float64>), stds=np.ndarray(<shape=(7, 1), dtype=float64>), ensemble_standard_error=np.ndarray(<shape=(7, 1), dtype=float64>), shape=(7, 1)), metadata={'shots': 4096, 'target_precision': 0.015625, 'circuit_metadata': {}, 'resilience': {}, 'num_randomizations': 32})

<BarContainer object of 7 artists>

Celula următoare folosește eroarea standard estimată a fiecărui rezultat și o adaugă sub formă de bare de eroare. Consultă documentația graficului bar pentru o descriere completă a graficului.

standard_error = job.result()[0].data.stds

_, ax = plt.subplots()
ax.bar(
    observables_labels,
    exp_val.flatten(),
    yerr=standard_error.flatten(),
    capsize=2,
)
ax.set_title("Expectation values (with standard errors)")

Text(0.5, 1.0, 'Expectation values (with standard errors)')