文档反馈

问题文档片段

问题文档片段包含公式时,显示为空格。

提交类型
issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型
规范和低错类

- 规范和低错类:

- 错别字或拼写错误,标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致,但不影响操作。

- 表述不通顺,但不影响理解。

- 版本号不匹配:如软件包名称、界面版本号。

易用性

- 易用性:

- 关键步骤错误或缺失,无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰,该分类、分项、分步骤的没有给出。

正确性

- 正确性:

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误,无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示:

- 对重要数据或系统存在风险的操作,缺少安全提示。

内容合规

- 内容合规:

- 违反法律法规,涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述,以帮助我们快速定位问题。

mindquantum.nn.MindQuantumAnsatzOnlyLayer

class mindquantum.nn.MindQuantumAnsatzOnlyLayer(param_names, circuit, measurements, weight_init='normal', n_threads=1)[source]

An ansatz only trainable Mindquantum layer.

A mindquantum layer simulate a parameterized quantum circuit and get the measurement result. The quantum circuit is construct only by an ansatz circuit.

Parameters
  • param_names (list[str]) – Parameters names of ansatz circuit. The order of this parameters is the same as the order of trainable parameters.

  • circuit (Circuit) – The ansatz circuit.

  • measurements (Union[Hamiltonian, list[Hamiltonian], Projector, list[Projector]]) – Hamiltonian or a list of Hamiltonian for measurement.

  • weight_init (Union[Tensor, str, Initializer, numbers.Number]) – The trainable weight_init parameter. The dtype is same as input x. The values of str refer to the function initializer. Default: ‘normal’.

  • n_threads (int) – Number of threads for data parallel. Default: 1.

Inputs:

No inputs needed.

Outputs:

Tensor of shape (1,1).

Supported Platforms:

CPU

Examples

>>> from mindquantum import Circuit, H, RX, RY, RZ, Hamiltonian
>>> from mindquantum.nn import MindQuantumAnsatzOnlyLayer
>>> from mindquantum.ops import QubitOperator
>>> from mindspore import Tensor
>>> import mindspore.nn as nn
>>> import numpy as np
>>> circuit = Circuit([H.on(0), RZ(0.4).on(0), RX('a').on(0), RY('b').on(0)])
>>> ham = Hamiltonian(QubitOperator('Z0'))
>>> init = Tensor(np.array([0, 0]).astype(np.float32))
>>> net = MindQuantumAnsatzOnlyLayer(circuit.para_name, circuit, ham, init)
>>> opti = nn.Adam(net.trainable_params(), learning_rate=0.8)
>>> train_net = nn.TrainOneStepCell(net, opti)
>>> for i in range(1000):
...     train_net()
>>> net()
Tensor(shape=[1, 1], dtype=Float32, value=
[[-1.00000000e+00]])
>>> net.weight.asnumpy()
array([-4.712389 ,  1.9707963], dtype=float32)
final_state(measurements=None)[source]

Get the quantum state after evolution.

Parameters

measurements (Hamiltonian) – Hamiltonian for measurement. If None, no hamiltonians will be used. Default: None.

Returns

numpy.ndarray, the final quantum state.