结果类型列表 - Amazon Braket
可观察对象参数伴随梯度

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

结果类型列表

使用测量电路时，Amazon Braket 可以返回不同类型的结果。ResultType电路可以返回以下类型的结果。

  • AdjointGradient返回所提供的可观测值的期望值的梯度（向量导数）。该可观测值使用伴随微分法根据指定参数对提供的目标起作用。只有在 shots=0 时才能使用此方法。

  • Amplitude返回输出波函数中指定量子态的振幅。它仅在SV1和本地模拟器上可用。

  • Expectation返回给定可观察对象的期望值，该值可以通过本章后面介绍的Observable类来指定。必须指定qubits用于测量可观测值的目标，并且指定目标的数量必须等于可观察对象所针对的qubits数量。如果未指定目标，则可观察对象必须仅在 1 上运行，qubit并行应用qubits于所有目标。

  • Probability返回测量计算基态的概率。如果未指定目标，则Probability返回测量所有基态的概率。如果指定了目标，则仅返回指定qubits基向量的边际概率。托管模拟器， QPUs 最大量子比特限制为 15 个，本地模拟器仅限于系统的内存大小。

  • Reduced density matrix返回系统中指定目标qubits子系统的密度矩阵。qubits为了限制此结果类型的大小，Braket 将目标数量限制qubits为最多 8。

  • StateVector返回完整的状态向量。它可在本地模拟器上使用。

  • Sample返回指定目标qubit集和可观察对象的测量计数。如果未指定目标，则可观察对象必须仅在 1 上运行，qubit并行应用qubits于所有目标。如果指定了目标，则指定目标的数量必须等于可观察对象作用的数量。qubits

  • Variance返回指定目标qubit集的方差 (mean([x-mean(x)]2))，并作为请求的结果类型进行观察。如果未指定目标，则可观察对象必须仅在 1 上运行，qubit并行应用qubits于所有目标。否则，指定的目标数量必须等于可以应用可观察对象的数量。qubits

不同设备支持的结果类型：

本地模拟卡

SV1

DM1

TN1

Rigetti

IonQ

IQM

伴随渐变

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

Y

Y

Y

N

Y

Y

Y

低密度矩阵

Y

N

Y

N

N

N

N

状态向量

Y

N

N

N

N

N

N

样本

Y

Y

Y

Y

Y

Y

Y

方差

Y

Y

Y

Y

Y

Y

Y

您可以通过检查设备属性来检查支持的结果类型，如以下示例所示。

from braket.aws import AwsDevice

device = AwsDevice("arn:aws:braket:us-west-1::device/qpu/rigetti/Ankaa-3")

# 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

要调用 aResultType，请将其附加到电路中，如以下示例所示。

from braket.circuits import Circuit, 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

不同的量子器件以不同的格式提供结果。例如，Rigetti设备返回测量值，而IonQ设备则提供概率。Amazon Braket SDK 为所有结果提供了一个测量属性。但是，对于返回概率的设备，这些测量值是事后计算的，并且基于概率，因为无法进行逐次测量。要确定结果是否经过后期计算，请检查结果对象measurements_copied_from_device上的。此操作在 Amazon Braket 软件开发工具包 GitHub 存储库中的 gate_model_quantum_task_result.py 文件中有详细介绍。

可观察对象

Amazon Braket 的Observable类允许您测量特定的可观察对象。

您只能将一个可观察的唯一非身份应用于每个。qubit如果您将两个或多个不同的非身份可观察对象指定为相同对象，则会发生错误。qubit为此，张量乘积的每个因子都算作一个单独的可观察对象。这意味着你可以将多个张量乘积放在同一个上qubit，只要作用于这些乘积的因子qubit保持不变。

可以缩放观测值并添加其他可观察对象（无论是否缩放）。Sum这将创建可在AdjointGradient结果类型中使用的。

该Observable类包括以下可观察对象。

import numpy as np

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

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

# Get the tensor product of the 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())

# 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)))

参数

电路可以包含免费参数。这些自由参数只需要构造一次即可运行多次，并且可用于计算梯度。

每个自由参数都使用字符串编码的名称，该名称用于：

  • 设置参数值

  • 确定要使用哪些参数

from braket.circuits import Circuit, FreeParameter, observables
from braket.parametric import FreeParameter

theta = FreeParameter("theta")
phi = FreeParameter("phi")
circ = Circuit().h(0).rx(0, phi).ry(0, phi).cnot(0, 1).xx(0, 1, theta)

伴随梯度

该SV1器件计算可观测期望值（包括多项哈密顿值）的伴随梯度。要区分参数，请指定其名称（字符串格式）或通过直接引用来指定。

from braket.aws import AwsDevice
from braket.devices import Devices

device = AwsDevice(Devices.Amazon.SV1)

circ.adjoint_gradient(observable=3 * Observable.Z(0) @ Observable.Z(1) - 0.5 * observables.X(0), parameters = ["phi", theta])

将固定参数值作为参数传递给参数化电路将移除空闲参数。使用此电路运行AdjointGradient会产生错误，因为空闲参数已不存在。以下代码示例演示了正确和不正确的用法：

# Will error, as no free parameters will be present
#device.run(circ(0.2), shots=0)

# Will succeed
device.run(circ, shots=0, inputs={'phi': 0.2, 'theta': 0.2})